CN111127517B - 一种基于监控视频的生产线产品定位方法 - Google Patents

一种基于监控视频的生产线产品定位方法 Download PDF

Info

Publication number
CN111127517B
CN111127517B CN201911326897.6A CN201911326897A CN111127517B CN 111127517 B CN111127517 B CN 111127517B CN 201911326897 A CN201911326897 A CN 201911326897A CN 111127517 B CN111127517 B CN 111127517B
Authority
CN
China
Prior art keywords
production line
production
product
video
line product
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911326897.6A
Other languages
English (en)
Other versions
CN111127517A (zh
Inventor
任永建
师天磊
许志强
孙昌勋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Ronglian Yitong Information Technology Co ltd
Original Assignee
Beijing Ronglian Yitong Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Ronglian Yitong Information Technology Co ltd filed Critical Beijing Ronglian Yitong Information Technology Co ltd
Priority to CN201911326897.6A priority Critical patent/CN111127517B/zh
Publication of CN111127517A publication Critical patent/CN111127517A/zh
Application granted granted Critical
Publication of CN111127517B publication Critical patent/CN111127517B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0633—Workflow analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/80—Recognising image objects characterised by unique random patterns
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/14—Quality control systems
    • G07C3/143—Finished product quality control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Multimedia (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于监控视频的生产线产品定位方法,该基于监控视频的生产线产品定位方法通过对生产线产品进行可视的ID化处理，并在监控视频中将缺陷产品进行ID标识化，以便于在生产的某个环节中对所有缺陷产品进行追溯和集中处理，从而避免对流水线进行紧急停止而造成人力物力的巨大浪费和提高流水线的运行效率以及产品质量的合格率。

Description

一种基于监控视频的生产线产品定位方法
技术领域
本发明涉及工业生产仿真设计的技术领域，特别涉及一种基于监控视频的生产线产品定位方法。
背景技术
在工业制造领域，目前存在大量的依靠人工操作的流水线，而流水线上对应的是大量的产品生产工序，流水线上的工人只需要按照预先培训教授的正确操作步骤完成当前工序的操作即可，但是人工操作会由于不同工人的实际操作水平而存在差异，这造成流水线上的很多工序都未被正确执行。虽然，现有的流水线操作区都会设置视频监控并使用视频智能分析系统对工人的工序操作情况进行检测，但是由于流水线上的产品外观基本相同，这使得无论是借助人眼筛选还是AI视频分析技术都难以准确地从视频中区分不同产品，这导致当在流水线上发现工序操作存在异常而无法定位缺陷产品，监督人员会通过制动装置让流水线紧急停止，并待缺陷纠正后再次启动流水线运行，这种方式会造成较大的人力物力浪费并且效率低下。可见，现有技术急需一种能够基于监控视频对流水线产品进行定位追溯的方法。
发明内容
针对现有技术存在的缺陷，本发明提供一种基于监控视频的生产线产品定位方法，该基于监控视频的生产线产品定位方法包括如下步骤：步骤S1，对生产线产品进行ID化处理，并在视频检测区域获取关于该生产线产品的监控视频；步骤S2，根据该ID化处理的结果，对该监控视频进行关于该生产线产品的识别追踪处理，以获得关于该生产线产品的生产工序信息；步骤S3，对该生产工序信息进行工序合格性判断处理，以获得关于该生产线产品的生产工序合格性判断结果；步骤S4，根据该生产工序合格性判断结果，对相应的生产线产品执行处置操作；可见，该基于监控视频的生产线产品定位方法通过对生产线产品进行可视的ID化处理，并在监控视频中将缺陷产品进行ID标识化，以便于在生产的某个环节中对所有缺陷产品进行追溯和集中处理，从而避免对流水线进行紧急停止而造成人力物力的巨大浪费和提高流水线的运行效率以及产品质量的合格率。
本发明提供一种基于监控视频的生产线产品定位方法，其特征在于，所述基于监控视频的生产线产品定位方法包括如下步骤：
步骤S1，对生产线产品进行ID化处理，并在视频检测区域获取关于所述生产线产品的监控视频；
步骤S2，根据所述ID化处理的结果，对所述监控视频进行关于所述生产线产品的识别追踪处理，以获得关于所述生产线产品的生产工序信息；
步骤S3，对所述生产工序信息进行工序合格性判断处理，以获得关于所述生产线产品的生产工序合格性判断结果；
步骤S4，根据所述生产工序合格性判断结果，对相应的生产线产品执行处置操作；
进一步，在所述步骤S1中，对生产线产品进行ID化处理，并在视频检测区域获取关于所述生产线产品的监控视频具体包括，
步骤S101，构建关于时间和/或符号的唯一性ID码，并将所述唯一性ID码设置于所述生产线产品的预定区域中；
步骤S102，确定关于所述视频检测区域的检测区域范围，并根据所述检测区域范围确定对所述生产线产品进行视频监控的操作模式；
步骤S103，根据所述视频监控的操作模式，获取关于所述生产线产品的所述监控视频；
进一步，在所述步骤S101中，构建关于时间和/或符号的唯一性ID码，并将所述唯一性ID码设置于所述生产线产品的预定区域中具体包括，
步骤S1011，根据所述生产线产品当前对应的生产线运行启动时间和预设时间间隔生成一时间戳序列以作为所述关于时间的唯一性ID码、和/或根据所述生产线产品的属性信息生成一文字序列或者图案序列以作为所述关于符号的唯一性ID码；
步骤S1012，根据所述生产线产品的立体外形和/或表面外形，确定所述预定区域在所述生产线产品上的分布位置区域；
步骤S1013，确定所述关于时间和/或符号的唯一性ID码的排列布设模式，并根据所述排列布设模式，将所述关于时间和/或符号的唯一性ID码设置于所述预定区域中；
在所述步骤S102中，确定关于所述视频检测区域的检测区域范围，并根据所述检测区域范围确定对所述生产线产品进行视频监控的操作模式具体包括，
步骤S1021，确定关于所述视频检测区域的若干视频检测边界，并根据所述若干视频检测边界构建形成所述检测区域范围；
步骤S1022，根据所述生产线产品的运动方向，对每一个所述视频检测边界进行视频监测动作触发布设；
步骤S1023，根据所有所述视频检测边界各自的视频监测动作触发布设，在所述检测区域范围中确定对所述生产线产品进行视频监控的操作模式；
在所述步骤S103中，根据所述视频监控的操作模式，获取关于所述生产线产品的所述监控视频具体包括，
根据所述视频监控的操作模式，通过单目拍摄和/或双目拍摄获取关于所述生产线产品的所述监控视频；
进一步，在所述步骤S2中，根据所述ID化处理的结果，对所述监控视频进行关于所述生产线产品的识别追踪处理，以获得关于所述生产线产品的生产工序信息具体包括，
步骤S201，根据所述ID化处理的结果，提取所述生产线产品当前设置的唯一性ID码的ID码识别特征；
步骤S202，对所述监控视频进行拆分处理，以获得对应的若干监控子视频；
步骤S203，对每一个所述监控子视频进行关于所述ID码识别特征的所述识别追踪处理，以获得关于所述生产线产品的生产工序信息；
进一步，在所述步骤S201中，根据所述ID化处理的结果，提取所述生产线产品当前设置的唯一性ID码的ID码识别特征具体包括，
步骤S2011，对所述生产线产品当前设置的唯一性ID码进行图像像素解析处理，以获得关于所述唯一性ID码的像素变化规律状态；
步骤S2012，对所述像素变化规律状态进行关于像素颜色、像素纹理和像素边界中至少一者的特征提取，以获得所述ID码识别特征；
在所述步骤S202中，对所述监控视频进行拆分处理，以获得对应的若干监控子视频具体包括，
步骤S2021，获取所述监控视频对应的视频数据流状态信息，根据所述视频数据流状态信息，确定若干关于所述监控视频的视频分割数据节点；
步骤S2022，根据所述若干视频分割数据节点，对所述监控视频进行解码拆分处理，以获得对应的所述若干监控子视频；
在所述步骤S203中，对每一个所述监控子视频进行关于所述ID码识别特征的所述识别追踪处理，以获得关于所述生产线产品的生产工序信息具体包括，
步骤S2031，将每一个所述监控子视频转换成对应的若干帧图像，并将所述若干帧图像按照预设时间顺序进行排列；
步骤S2032，通过预设识别算法，对每一帧图像进行关于所述ID码识别特征的标定处理，以确定每一帧图像中ID码的存在状态；
步骤S2033，根据每一帧图像中ID码的存在状态，获得关于所述生产线产品的所述生产工序信息；
进一步，在所述步骤S3中，对所述生产工序信息进行工序合格性判断处理，以获得关于所述生产线产品的生产工序合格性判断结果具体包括，
步骤S301，从所述生产工序信息中分解提取出所述生产线产品实际对应的不同生产工序操作；
步骤S302，将所述不同生产工序操作与预设标准生产工序进行匹配处理，以实现所述工序合格性判断处理；
步骤S303，若所述工序合格性判断处理确定所述生产工序操作正常，则判断对应的生产线产品生产合规，否则，判断对应的生产线产品生产不合规；
进一步，在所述步骤S302中，将所述不同生产工序操作与预设标准生产工序进行匹配处理，以实现所述工序合格性判断处理具体包括，
将所述不同生产工序操作对应的工序动作信息和/或所述不同生产工序操作相互之间的顺序信息，与所述预设标准生产工序进行匹配处理，以实现所述工序合格性判断处理；
进一步，在所述步骤S4中，根据所述生产工序合格性判断结果，对相应的生产线产品执行处置操作具体包括，
步骤S401，若所述生产工序合格性判断结果指示对应的生产线产品生产不合规，则将对应的生产线产品的唯一性ID码和/或其对应的异常工序进行记录；
步骤S402，根据所述记录的生产线产品的唯一性ID码和/或其对应的异常工序，对相应的生产线产品进行抽样操作和/或追溯操作；
进一步，在所述步骤S402中，根据所述记录的生产线产品的唯一性ID码和/或其对应的异常工序，对相应的生产线产品进行抽样操作和/或追溯操作具体包括，
根据所述记录的生产线产品的唯一性ID码，在生产线终端将对应的生产线产品进行抽取操作和复验操作；
和/或，
根据所述记录的生产线产品的异常工序，在所述监控视频中追溯并标定对应生产线产品的所有生产工序视频数据，并对所述所有生产工序视频数据进行操作异常细节的筛选处理；
进一步，在所述步骤S4后，还包括如下步骤S5，
步骤S5，根据所述对相应的生产线产品执行处置操作的结果，对当前生产线的运行状态进行调整。
相比于现有技术，该基于监控视频的生产线产品定位方法通过对生产线产品进行可视的ID化处理，并在监控视频中将缺陷产品进行ID标识化，以便于在生产的某个环节中对所有缺陷产品进行追溯和集中处理，从而避免对流水线进行紧急停止而造成人力物力的巨大浪费和提高流水线的运行效率以及产品质量的合格率。
进一步，在所述步骤S3中，对所述生产工序信息进行工序合格性判断处理，以获得关于所述生产线产品的生产工序合格性判断结果的具体操作还包括；
步骤A301、根据所述产品ID化处理的结果，统计产品物资编码；
步骤A302、根据预先建立的产品物资编码预处理模型，对所述步骤A301统计的产品物资编码进行信息解译处理，同时根据公式（1）对所述统计的产品物资编码提取产品特征，以获取产品特征集；
Figure SMS_1
（1）
其中，N为所述产品物资编码数量，a为产品尺寸，b为产品材料种类，c为产品型号种类，
Figure SMS_2
为产品尺寸为a的数量，/>
Figure SMS_3
为产品材料种类为b的数量，/>
Figure SMS_4
为产品型号种类为c的数量，/>
Figure SMS_5
为产品最小尺寸的数量，/>
Figure SMS_6
为产品材料种类、型号种类经微分变换统一求值处理，/>
Figure SMS_7
为所述产品材料种类b所对应的型号数量值，
Figure SMS_8
为获取的产品特征集；
步骤A303、根据公式（2）对产品生产车间各工序进行切割，以确定各工序实时生产动态特征值，获取所述生产线产品的生产工序信息；
Figure SMS_9
（2）
其中，
Figure SMS_10
为圆周率，exp为以自然常数e为底的指数函数，tan为正切函数，sin为正弦函数，oj为生产车间工序总数量，qk为各工序通过所述监控视频采集的图像样本数，/>
Figure SMS_11
为各图像样本对应的时间序列值，/>
Figure SMS_12
为各子区域通过监控视频采集的带有时间序列的实时生产动态特征样本值，/>
Figure SMS_13
为对所述实时生产动态特征样本值进行高斯分布处理的结果，/>
Figure SMS_14
为获取的所述生产线产品的生产工序信息；
步骤A304、将所述步骤A302获取的产品特征集与所述步骤A303获取的所述生产线产品的生产工序信息匹配，以获取产品在各工序阶段的生产流程信息，并将所述生产流程信息与预设工序生产流程信息匹配，以判断所述生产线产品的生产工序合格性，执行不产生异常工序情况检测报警的操作；
Figure SMS_15
（3）
其中，xi为所述预设工序的子工序数量，yh为预设各工序通过所述监控视频采集的图像样本数，
Figure SMS_16
为预设工序各图像样本对应的时间序列值，z为与预设生产流程信息匹配的各工序，/>
Figure SMS_17
为所述各工序阶段的实际生产流程信息与预设工序生产流程信息匹配值，
Figure SMS_18
计算值趋近于0时，则表示所述生产线产品的生产工序信息与预设工序生产流程信息匹配，执行不产生异常动作检测报警的操作。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于监控视频的生产线产品定位方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参阅图1，为本发明实施例提供的一种基于监控视频的生产线产品定位方法的流程示意图。该基于监控视频的生产线产品定位方法包括如下步骤：
步骤S1，对生产线产品进行ID化处理，并在视频检测区域获取关于该生产线产品的监控视频；
步骤S2，根据该ID化处理的结果，对该监控视频进行关于该生产线产品的识别追踪处理，以获得关于该生产线产品的生产工序信息；
步骤S3，对该生产工序信息进行工序合格性判断处理，以获得关于该生产线产品的生产工序合格性判断结果；
步骤S4，根据该生产工序合格性判断结果，对相应的生产线产品执行处置操作。
优选地，在该步骤S1中，对生产线产品进行ID化处理，并在视频检测区域获取关于该生产线产品的监控视频具体包括，
步骤S101，构建关于时间和/或符号的唯一性ID码，并将该唯一性ID码设置于该生产线产品的预定区域中；
步骤S102，确定关于该视频检测区域的检测区域范围，并根据该检测区域范围确定对该生产线产品进行视频监控的操作模式；
步骤S103，根据该视频监控的操作模式，获取关于该生产线产品的该监控视频。
优选地，在该步骤S101中，构建关于时间和/或符号的唯一性ID码，并将该唯一性ID码设置于该生产线产品的预定区域中具体包括，
步骤S1011，根据该生产线产品当前对应的生产线运行启动时间和预设时间间隔生成一时间戳序列以作为该关于时间的唯一性ID码、和/或根据该生产线产品的属性信息生成一文字序列或者图案序列以作为该关于符号的唯一性ID码；
步骤S1012，根据该生产线产品的立体外形和/或表面外形，确定该预定区域在该生产线产品上的分布位置区域；
步骤S1013，确定该关于时间和/或符号的唯一性ID码的排列布设模式，并根据该排列布设模式，将该关于时间和/或符号的唯一性ID码设置于该预定区域中。
优选地，在该步骤S102中，确定关于该视频检测区域的检测区域范围，并根据该检测区域范围确定对该生产线产品进行视频监控的操作模式具体包括，
步骤S1021，确定关于该视频检测区域的若干视频检测边界，并根据该若干视频检测边界构建形成该检测区域范围；
步骤S1022，根据该生产线产品的运动方向，对每一个该视频检测边界进行视频监测动作触发布设；
步骤S1023，根据所有该视频检测边界各自的视频监测动作触发布设，在该检测区域范围中确定对该生产线产品进行视频监控的操作模式
优选地，在该步骤S103中，根据该视频监控的操作模式，获取关于该生产线产品的该监控视频具体包括，
根据该视频监控的操作模式，通过单目拍摄和/或双目拍摄获取关于该生产线产品的该监控视频。
.优选地，在该步骤S2中，根据该ID化处理的结果，对该监控视频进行关于该生产线产品的识别追踪处理，以获得关于该生产线产品的生产工序信息具体包括，
步骤S201，根据该ID化处理的结果，提取该生产线产品当前设置的唯一性ID码的ID码识别特征；
步骤S202，对该监控视频进行拆分处理，以获得对应的若干监控子视频；
步骤S203，对每一个该监控子视频进行关于该ID码识别特征的该识别追踪处理，以获得关于该生产线产品的生产工序信息。
优选地，在该步骤S201中，根据该ID化处理的结果，提取该生产线产品当前设置的唯一性ID码的ID码识别特征具体包括，
步骤S2011，对该生产线产品当前设置的唯一性ID码进行图像像素解析处理，以获得关于该唯一性ID码的像素变化规律状态；
步骤S2012，对该像素变化规律状态进行关于像素颜色、像素纹理和像素边界中至少一者的特征提取，以获得该ID码识别特征。
优选地，在该步骤S202中，对该监控视频进行拆分处理，以获得对应的若干监控子视频具体包括，
步骤S2021，获取该监控视频对应的视频数据流状态信息，根据该视频数据流状态信息，确定若干关于该监控视频的视频分割数据节点；
步骤S2022，根据该若干视频分割数据节点，对该监控视频进行解码拆分处理，以获得对应的该若干监控子视频。
优选地，在该步骤S203中，对每一个该监控子视频进行关于该ID码识别特征的该识别追踪处理，以获得关于该生产线产品的生产工序信息具体包括，
步骤S2031，将每一个该监控子视频转换成对应的若干帧图像，并将该若干帧图像按照预设时间顺序进行排列；
步骤S2032，通过预设识别算法，对每一帧图像进行关于该ID码识别特征的标定处理，以确定每一帧图像中ID码的存在状态；
步骤S2033，根据每一帧图像中ID码的存在状态，获得关于该生产线产品的该生产工序信息。
优选地，在该步骤S3中，对该生产工序信息进行工序合格性判断处理，以获得关于该生产线产品的生产工序合格性判断结果具体包括，
步骤S301，从该生产工序信息中分解提取出该生产线产品实际对应的不同生产工序操作；
步骤S302，将该不同生产工序操作与预设标准生产工序进行匹配处理，以实现该工序合格性判断处理；
步骤S303，若该工序合格性判断处理确定该生产工序操作正常，则判断对应的生产线产品生产合规，否则，判断对应的生产线产品生产不合规。
优选地，在该步骤S302中，将该不同生产工序操作与预设标准生产工序进行匹配处理，以实现该工序合格性判断处理具体包括，
将该不同生产工序操作对应的工序动作信息和/或该不同生产工序操作相互之间的顺序信息，与该预设标准生产工序进行匹配处理，以实现该工序合格性判断处理。
优选地，在该步骤S4中，根据该生产工序合格性判断结果，对相应的生产线产品执行处置操作具体包括，
步骤S401，若该生产工序合格性判断结果指示对应的生产线产品生产不合规，则将对应的生产线产品的唯一性ID码和/或其对应的异常工序进行记录；
步骤S402，根据该记录的生产线产品的唯一性ID码和/或其对应的异常工序，对相应的生产线产品进行抽样操作和/或追溯操作。
优选地，在该步骤S402中，根据该记录的生产线产品的唯一性ID码和/或其对应的异常工序，对相应的生产线产品进行抽样操作和/或追溯操作具体包括，
根据该记录的生产线产品的唯一性ID码，在生产线终端将对应的生产线产品进行抽取操作和复验操作；
和/或，
根据该记录的生产线产品的异常工序，在该监控视频中追溯并标定对应生产线产品的所有生产工序视频数据，并对该所有生产工序视频数据进行操作异常细节的筛选处理。
优选地，在该步骤S4后，还包括如下步骤S5，
步骤S5，根据该对相应的生产线产品执行处置操作的结果，对当前生产线的运行状态进行调整。
优选地，在所述步骤S3中，对所述生产工序信息进行工序合格性判断处理，以获得关于所述生产线产品的生产工序合格性判断结果的具体操作还包括；
步骤A301、根据所述产品ID化处理的结果，统计产品物资编码；
步骤A302、根据预先建立的产品物资编码预处理模型，对所述步骤A301统计的产品物资编码进行信息解译处理，同时根据公式（1）对所述统计的产品物资编码提取产品特征，以获取产品特征集；
Figure SMS_19
（1）
其中，N为所述产品物资编码数量，a为产品尺寸，b为产品材料种类，c为产品型号种类，
Figure SMS_20
为产品尺寸为a的数量，/>
Figure SMS_21
为产品材料种类为b的数量，/>
Figure SMS_22
为产品型号种类为c的数量，/>
Figure SMS_23
为产品最小尺寸的数量，/>
Figure SMS_24
为产品材料种类、型号种类经微分变换统一求值处理，/>
Figure SMS_25
为所述产品材料种类b所对应的型号数量值，
Figure SMS_26
为获取的产品特征集；
步骤A303、根据公式（2）对产品生产车间各工序进行切割，以确定各工序实时生产动态特征值，获取所述生产线产品的生产工序信息；
Figure SMS_27
（2）
其中，
Figure SMS_28
为圆周率，exp为以自然常数e为底的指数函数，tan为正切函数，sin为正弦函数，oj为生产车间工序总数量，qk为各工序通过所述监控视频采集的图像样本数，/>
Figure SMS_29
为各图像样本对应的时间序列值，/>
Figure SMS_30
为各子区域通过监控视频采集的带有时间序列的实时生产动态特征样本值，/>
Figure SMS_31
为对所述实时生产动态特征样本值进行高斯分布处理的结果，/>
Figure SMS_32
为获取的所述生产线产品的生产工序信息；
步骤A304、将所述步骤A302获取的产品特征集与所述步骤A303获取的所述生产线产品的生产工序信息匹配，以获取产品在各工序阶段的生产流程信息，并将所述生产流程信息与预设工序生产流程信息匹配，以判断所述生产线产品的生产工序合格性，执行不产生异常工序情况检测报警的操作；
Figure SMS_33
（3）
其中，xi为所述预设工序的子工序数量，yh为预设各工序通过所述监控视频采集的图像样本数，
Figure SMS_34
为预设工序各图像样本对应的时间序列值，z为与预设生产流程信息匹配的各工序，/>
Figure SMS_35
为所述各工序阶段的实际生产流程信息与预设工序生产流程信息匹配值，
Figure SMS_36
计算值趋近于0时，则表示所述生产线产品的生产工序信息与预设工序生产流程信息匹配，执行不产生异常动作检测报警的操作。
上述技术方案的有益效果是：该技术方案为实现所述一种基于监控视频的生产线产品定位方法提供了技术支持，可通过监控装置全天候的无间断精确识别，提高对工序实施合格性过程监控，此外，该基于监控视频的工序实施过程检测，为异常工序产生的不合格产品进行溯源追踪，可精确查找出不合格工序的原因，有利于操作者及时调整，提高了生产线产品的合格率，进一步提高了所述生产线的经济效益。
从上述实施例的内容可知，该基于监控视频的生产线产品定位方法通过对生产线产品进行可视的ID化处理，并在监控视频中将缺陷产品进行ID标识化，以便于在生产的某个环节中对所有缺陷产品进行追溯和集中处理，从而避免对流水线进行紧急停止而造成人力物力的巨大浪费和提高流水线的运行效率以及产品质量的合格率。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于监控视频的生产线产品定位方法，其特征在于，所述基于监控视频的生产线产品定位方法包括如下步骤：
步骤S1，对生产线产品进行ID化处理，并在视频检测区域获取关于所述生产线产品的监控视频；
步骤S2，根据所述ID化处理的结果，对所述监控视频进行关于所述生产线产品的识别追踪处理，以获得关于所述生产线产品的生产工序信息；
步骤S3，对所述生产工序信息进行工序合格性判断处理，以获得关于所述生产线产品的生产工序合格性判断结果；
步骤S4，根据所述生产工序合格性判断结果，对相应的生产线产品执行处置操作；
在所述步骤S3中，对所述生产工序信息进行工序合格性判断处理，以获得关于所述生产线产品的生产工序合格性判断结果的具体操作还包括；
步骤A301、根据所述产品ID化处理的结果，统计产品物资编码；
步骤A302、根据预先建立的产品物资编码预处理模型，对所述步骤A301统计的产品物资编码进行信息解译处理，同时根据公式（1）对所述统计的产品物资编码提取产品特征，以获取产品特征集；
Figure QLYQS_1
（1）
其中，
Figure QLYQS_3
为所述产品物资编码数量，/>
Figure QLYQS_5
为产品尺寸，/>
Figure QLYQS_8
为产品材料种类，/>
Figure QLYQS_10
为产品型号种类，/>
Figure QLYQS_11
为产品尺寸为a的数量，/>
Figure QLYQS_12
为产品材料种类为b的数量，/>
Figure QLYQS_13
为产品型号种类为c的数量，/>
Figure QLYQS_2
为产品最小尺寸的数量，/>
Figure QLYQS_4
为产品材料种类、型号种类经微分变换统一求值处理，/>
Figure QLYQS_6
为所述产品材料种类/>
Figure QLYQS_7
所对应的型号数量值，/>
Figure QLYQS_9
为获取的产品特征集；
步骤A303、根据公式（2）对产品生产车间各工序进行切割，以确定各工序实时生产动态特征值，获取所述生产线产品的生产工序信息；
Figure QLYQS_14
（2）
其中，
Figure QLYQS_16
为圆周率，/>
Figure QLYQS_18
为以自然常数/>
Figure QLYQS_20
为底的指数函数，/>
Figure QLYQS_22
为正切函数，/>
Figure QLYQS_23
为正弦函数，/>
Figure QLYQS_24
为生产车间工序总数量，/>
Figure QLYQS_25
为各工序通过所述监控视频采集的图像样本数，/>
Figure QLYQS_15
为各图像样本对应的时间序列值， />
Figure QLYQS_17
为各子区域通过监控视频采集的带有时间序列的实时生产动态特征样本值，/>
Figure QLYQS_19
为对所述实时生产动态特征样本值进行高斯分布处理的结果，/>
Figure QLYQS_21
为获取的所述生产线产品的生产工序信息；
步骤A304、将所述步骤A302获取的产品特征集与所述步骤A303获取的所述生产线产品的生产工序信息匹配，以获取产品在各工序阶段的生产流程信息，并将所述生产流程信息与预设工序生产流程信息匹配，以判断所述生产线产品的生产工序合格性，执行不产生异常工序情况检测报警的操作；
Figure QLYQS_26
（3）
其中，
Figure QLYQS_27
为所述预设工序的子工序数量，/>
Figure QLYQS_28
为预设各工序通过所述监控视频采集的图像样本数，/>
Figure QLYQS_29
为预设工序各图像样本对应的时间序列值，/>
Figure QLYQS_30
为与预设生产流程信息匹配的各工序，/>
Figure QLYQS_31
为所述各工序阶段的实际生产流程信息与预设工序生产流程信息匹配值，
Figure QLYQS_32
计算值趋近于0时，则表示所述生产线产品的生产工序信息与预设工序生产流程信息匹配，执行不产生异常动作检测报警的操作。
2.如权利要求1所述的基于监控视频的生产线产品定位方法，其特征在于：
在所述步骤S1中，对生产线产品进行ID化处理，并在视频检测区域获取关于所述生产线产品的监控视频具体包括，
步骤S101，构建关于时间和/或符号的唯一性ID码，并将所述唯一性ID码设置于所述生产线产品的预定区域中；
步骤S102，确定关于所述视频检测区域的检测区域范围，并根据所述检测区域范围确定对所述生产线产品进行视频监控的操作模式；
步骤S103，根据所述视频监控的操作模式，获取关于所述生产线产品的所述监控视频。
3.如权利要求2所述的基于监控视频的生产线产品定位方法，其特征在于：
在所述步骤S101中，构建关于时间和/或符号的唯一性ID码，并将所述唯一性ID码设置于所述生产线产品的预定区域中具体包括，
步骤S1011，根据所述生产线产品当前对应的生产线运行启动时间和预设时间间隔生成一时间戳序列以作为所述关于时间的唯一性ID码、和/或根据所述生产线产品的属性信息生成一文字序列或者图案序列以作为所述关于符号的唯一性ID码；
步骤S1012，根据所述生产线产品的立体外形和/或表面外形，确定所述预定区域在所述生产线产品上的分布位置区域；
步骤S1013，确定所述关于时间和/或符号的唯一性ID码的排列布设模式，并根据所述排列布设模式，将所述关于时间和/或符号的唯一性ID码设置于所述预定区域中；
在所述步骤S102中，确定关于所述视频检测区域的检测区域范围，并根据所述检测区域范围确定对所述生产线产品进行视频监控的操作模式具体包括，
步骤S1021，确定关于所述视频检测区域的若干视频检测边界，并根据所述若干视频检测边界构建形成所述检测区域范围；
步骤S1022，根据所述生产线产品的运动方向，对每一个所述视频检测边界进行视频监测动作触发布设；
步骤S1023，根据所有所述视频检测边界各自的视频监测动作触发布设，在所述检测区域范围中确定对所述生产线产品进行视频监控的操作模式；
在所述步骤S103中，根据所述视频监控的操作模式，获取关于所述生产线产品的所述监控视频具体包括，
根据所述视频监控的操作模式，通过单目拍摄和/或双目拍摄获取关于所述生产线产品的所述监控视频。
4.如权利要求1所述的基于监控视频的生产线产品定位方法，其特征在于：
在所述步骤S2中，根据所述ID化处理的结果，对所述监控视频进行关于所述生产线产品的识别追踪处理，以获得关于所述生产线产品的生产工序信息具体包括，
步骤S201，根据所述ID化处理的结果，提取所述生产线产品当前设置的唯一性ID码的ID码识别特征；
步骤S202，对所述监控视频进行拆分处理，以获得对应的若干监控子视频；
步骤S203，对每一个所述监控子视频进行关于所述ID码识别特征的所述识别追踪处理，以获得关于所述生产线产品的生产工序信息。
5.如权利要求4所述的基于监控视频的生产线产品定位方法，其特征在于：
在所述步骤S201中，根据所述ID化处理的结果，提取所述生产线产品当前设置的唯一性ID码的ID码识别特征具体包括，
步骤S2011，对所述生产线产品当前设置的唯一性ID码进行图像像素解析处理，以获得关于所述唯一性ID码的像素变化规律状态；
步骤S2012，对所述像素变化规律状态进行关于像素颜色、像素纹理和像素边界中至少一者的特征提取，以获得所述ID码识别特征；
在所述步骤S202中，对所述监控视频进行拆分处理，以获得对应的若干监控子视频具体包括，
步骤S2021，获取所述监控视频对应的视频数据流状态信息，根据所述视频数据流状态信息，确定若干关于所述监控视频的视频分割数据节点；
步骤S2022，根据所述若干视频分割数据节点，对所述监控视频进行解码拆分处理，以获得对应的所述若干监控子视频；
在所述步骤S203中，对每一个所述监控子视频进行关于所述ID码识别特征的所述识别追踪处理，以获得关于所述生产线产品的生产工序信息具体包括，
步骤S2031，将每一个所述监控子视频转换成对应的若干帧图像，并将所述若干帧图像按照预设时间顺序进行排列；
步骤S2032，通过预设识别算法，对每一帧图像进行关于所述ID码识别特征的标定处理，以确定每一帧图像中ID码的存在状态；
步骤S2033，根据每一帧图像中ID码的存在状态，获得关于所述生产线产品的所述生产工序信息。
6.如权利要求1所述的基于监控视频的生产线产品定位方法，其特征在于：
在所述步骤S3中，对所述生产工序信息进行工序合格性判断处理，以获得关于所述生产线产品的生产工序合格性判断结果具体包括，
步骤S301，从所述生产工序信息中分解提取出所述生产线产品实际对应的不同生产工序操作；
步骤S302，将所述不同生产工序操作与预设标准生产工序进行匹配处理，以实现所述工序合格性判断处理；
步骤S303，若所述工序合格性判断处理确定所述生产工序操作正常，则判断对应的生产线产品生产合规，否则，判断对应的生产线产品生产不合规。
7.如权利要求6所述的基于监控视频的生产线产品定位方法，其特征在于：
在所述步骤S302中，将所述不同生产工序操作与预设标准生产工序进行匹配处理，以实现所述工序合格性判断处理具体包括，
将所述不同生产工序操作对应的工序动作信息和/或所述不同生产工序操作相互之间的顺序信息，与所述预设标准生产工序进行匹配处理，以实现所述工序合格性判断处理。
8.如权利要求1所述的基于监控视频的生产线产品定位方法，其特征在于：
在所述步骤S4中，根据所述生产工序合格性判断结果，对相应的生产线产品执行处置操作具体包括，
步骤S401，若所述生产工序合格性判断结果指示对应的生产线产品生产不合规，则将对应的生产线产品的唯一性ID码和/或其对应的异常工序进行记录；
步骤S402，根据所述记录的生产线产品的唯一性ID码和/或其对应的异常工序，对相应的生产线产品进行抽样操作和/或追溯操作。
9.如权利要求8所述的基于监控视频的生产线产品定位方法，其特征在于：
在所述步骤S402中，根据所述记录的生产线产品的唯一性ID码和/或其对应的异常工序，对相应的生产线产品进行抽样操作和/或追溯操作具体包括，
根据所述记录的生产线产品的唯一性ID码，在生产线终端将对应的生产线产品进行抽取操作和复验操作；
和/或，
根据所述记录的生产线产品的异常工序，在所述监控视频中追溯并标定对应生产线产品的所有生产工序视频数据，并对所述所有生产工序视频数据进行操作异常细节的筛选处理。
10.如权利要求1所述的基于监控视频的生产线产品定位方法，其特征在于：
在所述步骤S4后，还包括如下步骤S5，
步骤S5，根据所述对相应的生产线产品执行处置操作的结果，对当前生产线的运行状态进行调整。
CN201911326897.6A 2019-12-20 2019-12-20 一种基于监控视频的生产线产品定位方法 Active CN111127517B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911326897.6A CN111127517B (zh) 2019-12-20 2019-12-20 一种基于监控视频的生产线产品定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911326897.6A CN111127517B (zh) 2019-12-20 2019-12-20 一种基于监控视频的生产线产品定位方法

Publications (2)

Publication Number Publication Date
CN111127517A CN111127517A (zh) 2020-05-08
CN111127517B true CN111127517B (zh) 2023-06-09

Family

ID=70500676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911326897.6A Active CN111127517B (zh) 2019-12-20 2019-12-20 一种基于监控视频的生产线产品定位方法

Country Status (1)

Country Link
CN (1) CN111127517B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113671907B (zh) * 2020-05-14 2023-01-24 华晨宝马汽车有限公司 用于监控车辆生产的生产监控方法和装置及存储介质
CN112559594A (zh) * 2020-12-15 2021-03-26 第四范式（北京）技术有限公司 生产流水线中的异常环节定位方法、装置及电子设备
CN112822440B (zh) * 2020-12-30 2023-09-22 深圳赛动智造科技有限公司 生物样本制备监控方法、应用服务器、系统及存储介质
CN113450125A (zh) * 2021-07-06 2021-09-28 北京市商汤科技开发有限公司 可溯源生产数据的生成方法、装置、电子设备及存储介质
CN114200984B (zh) * 2021-12-10 2022-09-27 黄山奥仪电器有限公司 一种15路组合一体化电流型温度控制器
CN114202248B (zh) * 2022-01-13 2022-09-02 浙江工企信息技术股份有限公司 一种基于mes智能制造的生产管理方法及系统
CN114580950A (zh) * 2022-03-15 2022-06-03 再发现(北京)科技有限公司 一种装配线质量智能管理方法及系统
CN114724985B (zh) * 2022-04-02 2022-12-06 安徽钜芯半导体科技有限公司 一种光伏模块芯片的封装传动控制系统
CN116523466B (zh) * 2023-05-06 2023-11-03 福建凯邦锦纶科技有限公司 一种基于大数据的生产资料溯源系统和方法
CN117391549B (zh) * 2023-12-12 2024-03-08 平利县安得利新材料有限公司 基于数据流转实现硫酸钡的制备节点回溯方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006037137A1 (de) * 2004-10-05 2006-04-13 Keba Ag Arbeitsbereichsüberwachung für automatisierte, programmgesteuerte maschinen und roboter
CN105488806A (zh) * 2015-12-23 2016-04-13 华中科技大学 一种工件位置追踪定位方法及定位系统
CN110516636A (zh) * 2019-08-30 2019-11-29 盈盛智创科技(广州)有限公司 一种工序的监测方法、装置、计算机设备和存储介质
JP2019215812A (ja) * 2018-06-14 2019-12-19 キヤノン株式会社 監視装置、および監視装置の制御方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006037137A1 (de) * 2004-10-05 2006-04-13 Keba Ag Arbeitsbereichsüberwachung für automatisierte, programmgesteuerte maschinen und roboter
CN105488806A (zh) * 2015-12-23 2016-04-13 华中科技大学 一种工件位置追踪定位方法及定位系统
JP2019215812A (ja) * 2018-06-14 2019-12-19 キヤノン株式会社 監視装置、および監視装置の制御方法
CN110516636A (zh) * 2019-08-30 2019-11-29 盈盛智创科技(广州)有限公司 一种工序的监测方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN111127517A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN111127517B (zh) 一种基于监控视频的生产线产品定位方法
CN111144262B (zh) 一种基于监控视频的工序异常检测方法
CN105913059B (zh) 一种车辆vin码的自动识别系统及其控制方法
EP3499329A1 (en) A data driven method for automated detection of anomalous work pieces during a production process
CN113344133B (zh) 一种时序行为异常波动检测方法及系统
CN108197575A (zh) 一种基于目标检测和骨点检测的异常行为识别方法及装置
CN116359218B (zh) 一种工业聚集区大气污染移动监测系统
CN114265882A (zh) 时序信号点异常检测方法、系统、设备及介质
CN111126196A (zh) 一种设备漏油检测方法
CN111444471A (zh) 一种基于多元高斯分布的电缆生产质量异常检测方法和系统
CN116055690A (zh) 一种机房监控视频的处理方法及设备
CN114861774A (zh) 一种电网中虚假数据识别方法及系统
CN116012762A (zh) 一种针对电力设备的交通路口视频影像分析方法及系统
CN117372377B (zh) 一种单晶硅棱线的断线检测方法、装置及电子设备
CN109598309B (zh) 一种金属包装冲压机的检测系统及其监测方法
CN112613476A (zh) 一种基于机器视觉自动检测工人不安全行为的方法
CN110320802B (zh) 基于数据可视化的复杂系统信号时序识别方法
CN117168861A (zh) 污水处理设备的异常监测方法及其系统
CN116645329A (zh) 一种仪器仪表柜的异常监测方法
CN108181315B (zh) 一种基于图像处理的饼干损伤检测装置及检测方法
CN114244594A (zh) 网络流量异常检测方法及检测系统
Singh et al. HMI-guard: A platform for detecting errors in human-machine interfaces
CN111210407A (zh) 超长编织管内部瑕疵在线检测方法
CN116757336B (zh) 基于数据驱动的轨道交通风险的预测方法及系统
CN117634989B (zh) 一种基于人工智能的脚轮质量评估方法、系统及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant