CN112004061A - 一种基于计算机视觉的卸油流程规范性智能监控方法 - Google Patents

一种基于计算机视觉的卸油流程规范性智能监控方法 Download PDF

Info

Publication number
CN112004061A
CN112004061A CN202010916235.0A CN202010916235A CN112004061A CN 112004061 A CN112004061 A CN 112004061A CN 202010916235 A CN202010916235 A CN 202010916235A CN 112004061 A CN112004061 A CN 112004061A
Authority
CN
China
Prior art keywords
oil
unloading
oil discharge
stage
detecting
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.)
Pending
Application number
CN202010916235.0A
Other languages
English (en)
Inventor
陈友明
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.)
Sichuan Honghe Communication Co ltd
Original Assignee
Sichuan Honghe Communication 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 Sichuan Honghe Communication Co ltd filed Critical Sichuan Honghe Communication Co ltd
Priority to CN202010916235.0A priority Critical patent/CN112004061A/zh
Publication of CN112004061A publication Critical patent/CN112004061A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Loading And Unloading Of Fuel Tanks Or Ships (AREA)

Abstract

本发明公开了一种基于计算机视觉的卸油流程规范性智能监控方法，通过结合相机采集现场的卸油流程图像和智能分析算法的方式来代替原有的专业人员远程监控监督，同时对不合规范的卸油流程进行预警，推送相关责任人。通过此方法可以很大程度减少人力成本，同时因为是机器作业，可以保证客观准确的分析，而且本方法通过对监控中卸油流程视频进行智能截取并实时分析，及时推送不合规范的流程操作给管理人员，很大程度加强卸油流程管理，同时随时方便上级领导进行监督。

Description

一种基于计算机视觉的卸油流程规范性智能监控方法
技术领域
本发明涉及计算机领域中的人工智能领域，具体涉及一种基于计算机视觉的卸油流程规范性智能监控方法。
背景技术
在加油站卸油作业中，为了避免出现卸油安全事故，特制订有一些列详细，规范的卸油流程。但是卸油流程的规范操作是个类似“制度”要求，业务员在具体卸油过程中有没有按照规范流程来进行，需要进行监督管理。现有技术通过人工调取视频监控画面，同时人工进行检查监督。现有技术，完全依赖业务员自己的自觉性和上级监督人员，并没有什么其他客观可靠的方式，来对卸油流程进行规范化监测和管理。这种完全依靠人工的方法，存在以下3中问题：1、人力成本高，需要安排懂规范流程的工作人员进行实时监控监督。2、出错风险较高，人工作业总会因为偶尔的疲劳或者大意导致流程作业不规范，导致隐藏风险，同时远程的监控监督，很容易出现疲劳，懈怠等情况，导致现场卸油作业处于无监督状态。3、上级领导基本无法进行监督管理。
发明内容
本发明所要解决的技术问题是现有技术对卸油流程的监管是通过人工调取视频监控画面，同时人工进行检查监督，这种完全依靠人工的监管方法存在人力成本高、出错风险较高、上级领导基本无法进行监督管理的问题，目的在于提供一种基于计算机视觉的卸油流程规范性智能监控方法，解决上述背景技术中遇到的问题。
本发明通过下述技术方案实现：
一种基于计算机视觉的卸油流程规范性智能监控方法，包括：
首先，建立基于计算机视觉的加油站卸油区卸油流程智能监控系统：包括摄像机和计算机图像处理系统；所述计算机图像处理系统通过接口与摄像机相连；所述摄像机安装于加油站卸油区；所述摄像机的视场角包含整个卸油区；所述计算机图像处理系统包含算法平台子系统；所述算法平台子系统内包含人工智能算法；
然后，利用所建立的基于计算机视觉的加油站卸油区卸油流程智能监控系统对加油站卸油区进行监管，包括以下步骤：
S1：使用摄像机采集加油站卸油区域的视频图像并将其传输给算法平台子系统；
S2：通过算法平台子系统对视频图像进行检测，判断卸油区域内是否出现卸油车，若未出现卸油车，则返回S1；若出现油罐车，则启动卸油流程智能监控系统；
S3：启动卸油流程智能监控系统后，通过算法平台子系统对视频图像进行分析和识别，判断是否存在不符合规范的卸油流程；若不存在则执行步骤S4；若存在则进行预警，并推送相关责任人进行处理；
S4：对卸油流程视频图像进行智能截取和存储。
摄像头每时每刻都在跟人工智能算法程序进行交互，采集视频流图像，并上传采集到的视频流图像给人工智能算法程序，然后人工智能算法程序对视频流图像进行处理，识别是否有卸油车到达，如果有的话就开启下一步进行检测，如果没有的话就不做任何处理。本发明采用人工智能图像识别算法，对油气站卸油流程作业进行监督，将卸油流程分为5个阶段，对每个阶段内的规定流程动作和行为采用图像识别的方式进行监督，并对作业动作、行为不规范进行预警提示，进行预警信息的推送。
进一步地，一种基于计算机视觉的卸油流程规范性智能监控方法，卸油流程具体包括：
第一阶段：卸油准备
步骤1：油罐车到达和检测：使用车辆识别算法对油罐车进行识别和检测，启动步骤2，油罐车需静止15秒，才判断为油罐车，识别为油罐车后，同时启动第一阶段剩余步骤3至步骤10；
步骤2：油罐车车头朝向检测并进行卸前稳油计时：车辆进入卸油区判断车头朝向是否正确，朝向错误推送报警，另外对油罐车进行稳油计时，稳油时间为15分钟，如果未达到15分钟，则产生报警；
步骤3：区域入侵检测算法开启：检测非卸油人员进入卸油区，该算法从卸油准备到卸油结束全流程开启，有非工作人员进入卸油区，推送报警；
步骤4：灭火器准备：在卸油区规定区域内检测是否放置灭火器；
步骤5：石棉毯准备：在卸油区规定区域内检测是否放置石棉毯；
步骤6：三方核对：在符合石化行业防爆要求的防爆平板中填写卸油计划，包括但不限于：油罐车牌、本次卸油种类、数量；
步骤7：人员值守：第一阶段卸油准备中的人员值守检测，保证在场工作人员人数不低于3人，否则推送报警；
步骤8：防静电工作手套：在卸油准备过程中检测工作人员是否佩戴防油手套，如无则报警；
步骤9：除静电装置准备：在卸油准备过程中检测工作人员是否将除静电装置进行连接，如无则报警；
步骤10：计量空容检测：通过液位仪获取地罐数据，并和三方核对数据进行校验；
第二阶段：卸油质量验收，如果检测到质量验收相关器具，卸油流程第一阶段结束，第二阶段开始：
步骤11：汽油或柴油质量检测：在质量验收阶段中，对工作人员表观质量验收行为进行识别；
步骤12：汽油质量检测：在质量验收阶段中，对实验法准备器具进行识别和检测，对工作人员实验法动作行为进行检测和识别；
步骤13：下装取样装置识别：在质量验收阶段中，对下装取样装置器具识别和检测；
第三阶段：卸油作业，如果算法检测到已经开始连接油管操作，那么卸油流程第二阶段结束，第三阶段开始；此过程中，如有违规，使用防爆平板、微信小程序、web端、喇叭联动进行预警提示；
步骤14：油口管道接入：在卸油作业过程中，检测工作人员连接油管动作；
步骤15：油管接口检测：对连接油管接口是否正确进行管口油号识别，防止不同油品输入到不同的地罐中，如果在连接过程中油管接错，则产生报警，并现场语音提示工作人员操作失误；管口油号包括0#、92#、95#；
步骤16：开启卸油阀门识别：卸油管口正确连接后，对工作人员开启卸油阀门动作进行识别，并对阀门开始位置到达终点位置进行计时，如果时间未达到3秒及以上，则产生报警；
步骤17：卸油值守：正式开始卸油，卸油过程中，对卸油区工作人员数量进行识别，现场值守工作人员人数不低于1人，否则推送报警；
步骤18：卸油计量检测：卸油过程中，通过液位仪实时获取加油站储油罐数据，并进行计量检测；
步骤19：关闭卸油阀门识别：卸油完成，识别卸油阀门关闭操作，未进行关闭阀门操作则报警；
步骤20：油口管道拔出：对移除油管动作进行识别；
第四阶段：卸油数量验收，当检测到油口管道拔出后，启动第四阶段流程步骤21；
步骤21：卸后稳油检测：对卸后加油站储油罐稳油时间进行及时检测，未达到15分钟，则报警；达到15分钟，则进入下一步骤；
步骤22：卸油计量检测：通过液位仪数据验收卸油数量是否和三方核对数据一致；
第五阶段：卸后整理，第五阶段从卸油车离开卸油区后，预置15分钟用于工作人员进行卸后整理工作，超过15分钟，卸油全流程自动结束，对未完成的操作进行报警；
步骤23：油车离开：油车出站检测；
步骤24：灭火器收尾：在卸后整理中，检测灭火器是否复位；
步骤25：石棉毯收尾：在卸后整理中，检测灭火毯是否复位；
步骤26：除静电装置收尾：在卸后整理中，检测静电接地夹是否复位。
进一步地，一种基于计算机视觉的卸油流程规范性智能监控方法，还包括完成卸油流程后对摄像头采集的整个卸油流程视频进行保存。
进一步地，一种基于计算机视觉的卸油流程规范性智能监控方法，所述算法平台子系统对视频图像进行分析和识别具体包括：
步骤1：算法训练数据准备：人工在图像中标记出卸油车、静电装置、灭火器、灭火石棉毯、工作服、防静电手套、卸油油气回收和卸油接口的位置；
步骤2：搭建卷积神经网络；
步骤3：对标记后的图像进行卷积神经网络训练；
所述网络训练具体包括如下步骤：
步骤3.1：将输入图像分成SxS个格子，如果目标的中心掉落在一个格子内，那么这个格子就负责检测这个目标；
步骤3.2：每一个格子预测B个矩形框，以及这些矩形框的得分；这个得分反应了模型对于这个格子中预测是否含有目标，以及是这个目标的可能性是多少；
步骤3.3：如果这个格子中不存在标记物，得分为0；否则的话，得分则为预测框与标签框之间的IoU(intersection over union)，每一个矩形框包含了5个预测值，分别为,,,,confidence，坐标(bx,by)代表了矩形框的中心；矩形框的宽高，confidence就是IoU值，如图3所示；
步骤3.4：设计LOSS函数(损失函数)：LOSS＝LOSS1+LOSS2+LOSS3+LOSS4；损失函数具体公式如图4所示；
步骤3.5：通过损失函数，梯度下降训练参数优化网络。
步骤4：设计损失计算；
步骤5：通过损失函数，梯度下降训练参数优化卷积神经网络。
进一步地，一种基于计算机视觉的卸油流程规范性智能监控方法，所述预警是通过预警APP或微信小程序或公众号或客户端程序发送预警信息的方式推送给相关责任人。
进一步地，一种基于计算机视觉的卸油流程规范性智能监控方法，所述预警信息用以图片、文字、视频的方式展现。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明提出了一种基于计算机视觉的卸油流程规范性智能监控方法，通过结合相机采集现场的卸油流程图像和智能分析算法的方式来代替原有的专业人员远程监控监督，同时对不合规范的卸油流程进行预警，推送相关责任人。通过此方法可以很大程度减少人力成本，同时因为是机器作业，可以保证客观准确的分析，而且本方法通过对监控中卸油流程视频进行智能截取并实时分析，及时推送不合规范的流程操作给管理人员，很大程度加强卸油流程管理，同时随时方便上级领导进行监督。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明卸油流程图。
图2为本发明搭建卷积神经网络图。
图3为本发明进行网络训练的矩形框示意图。
图4为损失函数具体公式。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例
如图1所示，本发明一种基于计算机视觉的卸油流程规范性智能监控方法，包括：
首先，建立基于计算机视觉的加油站卸油区卸油流程智能监控系统：包括摄像机和计算机图像处理系统；所述计算机图像处理系统通过接口与摄像机相连；所述摄像机安装于加油站卸油区，所述摄像机数量为两个及以上，所述摄像机附带补光设备，用于夜间检测，摄像机支持光学变焦和云台控制，其中至少一个摄像机监控卸油区全景，至少一个摄像机变焦后监控卸油口区域；所述摄像机的视场角包含整个卸油区；所述计算机图像处理系统包含算法平台子系统；所述算法平台子系统内包含人工智能算法；
然后，利用所建立的基于计算机视觉的加油站卸油区卸油流程智能监控系统对加油站卸油区进行监管，包括以下步骤：
S1：使用摄像机采集加油站卸油区域的视频图像并将其传输给算法平台子系统；
S2：通过算法平台子系统对视频图像进行检测，判断卸油区域内是否出现卸油车，若未出现卸油车，则返回S1；若出现油罐车，则启动卸油流程智能监控系统；
S3：启动卸油流程智能监控系统后，通过算法平台子系统对视频图像进行分析和识别，判断是否存在不符合规范的卸油流程；若不存在则执行步骤S4；若存在则进行预警，并推送相关责任人进行处理；
S4：对卸油流程视频图像进行智能截取和存储。
所述卸油流程具体包括：
第一阶段：卸油准备
步骤1：油罐车到达和检测：使用车辆识别算法对油罐车进行识别和检测，启动步骤2，油罐车需静止15秒，才判断为油罐车，识别为油罐车后，同时启动第一阶段剩余步骤3至步骤10；
步骤2：油罐车车头朝向检测并进行卸前稳油计时：车辆进入卸油区判断车头朝向是否正确，朝向错误推送报警，另外对油罐车进行稳油计时，稳油时间为15分钟，如果未达到15分钟，则产生报警；
步骤3：区域入侵检测算法开启：检测非卸油人员进入卸油区，该算法从卸油准备到卸油结束全流程开启，有非工作人员进入卸油区，推送报警；
步骤4：灭火器准备：在卸油区规定区域内检测是否放置灭火器；
步骤5：石棉毯准备：在卸油区规定区域内检测是否放置石棉毯；
步骤6：三方核对：在符合石化行业防爆要求的防爆平板中填写卸油计划，包括但不限于：油罐车牌、本次卸油种类、数量；
步骤7：人员值守：第一阶段卸油准备中的人员值守检测，保证在场工作人员人数不低于3人，否则推送报警；
步骤8：防静电工作手套：在卸油准备过程中检测工作人员是否佩戴防油手套，如无则报警；
步骤9：除静电装置准备：在卸油准备过程中检测工作人员是否将除静电装置进行连接，如无则报警；
步骤10：计量空容检测：通过液位仪获取地罐数据，并和三方核对数据进行校验；
第二阶段：卸油质量验收，如果检测到质量验收相关器具，卸油流程第一阶段结束，第二阶段开始：
步骤11：汽油或柴油质量检测：在质量验收阶段中，对工作人员表观质量验收行为进行识别；
步骤12：汽油质量检测：在质量验收阶段中，对实验法准备器具进行识别和检测，对工作人员实验法动作行为进行检测和识别；
步骤13：下装取样装置识别：在质量验收阶段中，对下装取样装置器具识别和检测；
第三阶段：卸油作业，如果算法检测到已经开始连接油管操作，那么卸油流程第二阶段结束，第三阶段开始；此过程中，如有违规，使用防爆平板、微信小程序、web端、喇叭联动进行预警提示；
步骤14：油口管道接入：在卸油作业过程中，检测工作人员连接油管动作；
步骤15：油管接口检测：对连接油管接口是否正确进行管口油号识别，防止不同油品输入到不同的地罐中，如果在连接过程中油管接错，则产生报警，并现场语音提示工作人员操作失误；管口油号包括0#、92#、95#；
步骤16：开启卸油阀门识别：卸油管口正确连接后，对工作人员开启卸油阀门动作进行识别，并对阀门开始位置到达终点位置进行计时，如果时间未达到3秒及以上，则产生报警；
步骤17：卸油值守：正式开始卸油，卸油过程中，对卸油区工作人员数量进行识别，现场值守工作人员人数不低于1人，否则推送报警；
步骤18：卸油计量检测：卸油过程中，通过液位仪实时获取加油站储油罐数据，并进行计量检测；
步骤19：关闭卸油阀门识别：卸油完成，识别卸油阀门关闭操作，未进行关闭阀门操作则报警；
步骤20：油口管道拔出：对移除油管动作进行识别；
第四阶段：卸油数量验收，当检测到油口管道拔出后，启动第四阶段流程步骤21；
步骤21：卸后稳油检测：对卸后加油站储油罐稳油时间进行及时检测，未达到15分钟，则报警；达到15分钟，则进入下一步骤；
步骤22：卸油计量检测：通过液位仪数据验收卸油数量是否和三方核对数据一致；
第五阶段：卸后整理，第五阶段从卸油车离开卸油区后，预置15分钟用于工作人员进行卸后整理工作，超过15分钟，卸油全流程自动结束，对未完成的操作进行报警；
步骤23：油车离开：油车出站检测；
步骤24：灭火器收尾：在卸后整理中，检测灭火器是否复位；
步骤25：石棉毯收尾：在卸后整理中，检测灭火毯是否复位；
步骤26：除静电装置收尾：在卸后整理中，检测静电接地夹是否复位。
还包括，完成卸油流程后，对摄像头采集的整个卸油流程视频进行保存。
所述算法平台子系统对视频图像进行分析和识别具体包括：
步骤1：算法训练数据准备：人工在图像中标记出卸油车、静电装置、灭火器、灭火石棉毯、工作服、防静电手套、卸油油气回收和卸油接口的位置；
步骤2：搭建卷积神经网络；
步骤3：对标记后的图像进行卷积神经网络训练；
所述网络训练具体包括如下步骤：
步骤3.1：将输入图像分成SxS个格子，如果目标的中心掉落在一个格子内，那么这个格子就负责检测这个目标；
步骤3.2：每一个格子预测B个矩形框，以及这些矩形框的得分；这个得分反应了模型对于这个格子中预测是否含有目标，以及是这个目标的可能性是多少；
步骤3.3：如果这个格子中不存在标记物，得分为0；否则的话，得分则为预测框与标签框之间的IoU(intersection over union)，每一个矩形框包含了5个预测值，分别为,,,,confidence，坐标(bx,by)代表了矩形框的中心；矩形框的宽高，confidence就是IoU值，如图3所示；
步骤3.4：设计LOSS函数(损失函数)：LOSS＝LOSS1+LOSS2+LOSS3+LOSS4；损失函数具体公式如图4所示；
步骤3.5：通过损失函数，梯度下降训练参数优化网络；
步骤4：设计损失计算；
步骤5：通过损失函数，梯度下降训练参数优化卷积神经网络。
所述算法平台子系统对视频图像进行分析和识别还包括：设计损失计算；通过损失函数，梯度下降训练参数优化卷积神经网络。
所述预警是通过预警APP或微信小程序或公众号或客户端程序发送预警信息的方式推送给相关责任人。
所述预警信息用以图片、文字、视频的方式展现。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于计算机视觉的卸油流程规范性智能监控方法，其特征在于，包括：
首先，建立基于计算机视觉的加油站卸油区卸油流程智能监控系统：包括摄像机和计算机图像处理系统；所述计算机图像处理系统通过接口与摄像机相连；所述摄像机安装于加油站卸油区，所述摄像机数量为两个及以上，所述摄像机附带补光设备，用于夜间检测，摄像机支持光学变焦和云台控制，其中至少一个摄像机监控卸油区全景，至少一个摄像机变焦后监控卸油口区域；所述摄像机的视场角包含整个卸油区；所述计算机图像处理系统包含算法平台子系统；所述算法平台子系统内包含人工智能算法；
然后，利用所建立的基于计算机视觉的加油站卸油区卸油流程智能监控系统对加油站卸油区进行监管，包括以下步骤：
S1：使用摄像机采集加油站卸油区域的视频图像并将其传输给算法平台子系统；
S2：通过算法平台子系统对视频图像进行检测，判断卸油区域内是否出现卸油车，若未出现卸油车，则返回S1；若出现油罐车，则启动卸油流程智能监控系统；
S3：启动卸油流程智能监控系统后，通过算法平台子系统对视频图像进行分析和识别，判断是否存在不符合规范的卸油流程；若不存在则执行步骤S4；若存在则进行预警，并推送相关责任人进行处理；
S4：对卸油流程视频图像进行智能截取和存储。
2.根据权利要求1所述的一种基于计算机视觉的卸油流程规范性智能监控方法，其特征在于，卸油流程具体包括：
第一阶段：卸油准备
步骤1：油罐车到达和检测：使用车辆识别算法对油罐车进行识别和检测，启动步骤2，油罐车需静止15秒，才判断为油罐车，识别为油罐车后，同时启动第一阶段剩余步骤3至步骤10；
步骤2：油罐车车头朝向检测并进行卸前稳油计时：车辆进入卸油区判断车头朝向是否正确，朝向错误推送报警，另外对油罐车进行稳油计时，稳油时间为15分钟，如果未达到15分钟，则产生报警；
步骤3：区域入侵检测算法开启：检测非卸油人员进入卸油区，该算法从卸油准备到卸油结束全流程开启，有非工作人员进入卸油区，推送报警；
步骤4：灭火器准备：在卸油区规定区域内检测是否放置灭火器；
步骤5：石棉毯准备：在卸油区规定区域内检测是否放置石棉毯；
步骤6：三方核对：在符合石化行业防爆要求的防爆平板中填写卸油计划，包括但不限于：油罐车牌、本次卸油种类、数量；
步骤7：人员值守：第一阶段卸油准备中的人员值守检测，保证在场工作人员人数不低于3人，否则推送报警；
步骤8：防静电工作手套：在卸油准备过程中检测工作人员是否佩戴防油手套，如无则报警；
步骤9：除静电装置准备：在卸油准备过程中检测工作人员是否将除静电装置进行连接，如无则报警；
步骤10：计量空容检测：通过液位仪获取地罐数据，并和三方核对数据进行校验；
第二阶段：卸油质量验收，如果检测到质量验收相关器具，卸油流程第一阶段结束，第二阶段开始：
步骤11：汽油或柴油质量检测：在质量验收阶段中，对工作人员表观质量验收行为进行识别；
步骤12：汽油质量检测：在质量验收阶段中，对实验法准备器具进行识别和检测，对工作人员实验法动作行为进行检测和识别；
步骤13：下装取样装置识别：在质量验收阶段中，对下装取样装置器具识别和检测；
第三阶段：卸油作业，如果算法检测到已经开始连接油管操作，那么卸油流程第二阶段结束，第三阶段开始；此过程中，如有违规，使用防爆平板、微信小程序、web端、喇叭联动进行预警提示；
步骤14：油口管道接入：在卸油作业过程中，检测工作人员连接油管动作；
步骤15：油管接口检测：对连接油管接口是否正确进行管口油号识别，防止不同油品输入到不同的地罐中，如果在连接过程中油管接错，则产生报警，并现场语音提示工作人员操作失误；管口油号包括0#、92#、95#；
步骤16：开启卸油阀门识别：卸油管口正确连接后，对工作人员开启卸油阀门动作进行识别，并对阀门从开始位置到达终点位置进行计时，如果时间未达到3秒及以上，则产生报警；
步骤17：卸油值守：正式开始卸油，卸油过程中，对卸油区工作人员数量进行识别，现场值守工作人员人数不低于1人，否则推送报警；
步骤18：卸油计量检测：卸油过程中，通过液位仪实时获取加油站储油罐数据，并进行计量检测；
步骤19：关闭卸油阀门识别：卸油完成，识别卸油阀门关闭操作，未进行关闭阀门操作则报警；
步骤20：油口管道拔出：对移除油管动作进行识别；
第四阶段：卸油数量验收，当检测到油口管道拔出后，启动第四阶段流程步骤21；
步骤21：卸后稳油检测：对卸后加油站储油罐稳油时间进行及时检测，未达到15分钟，则报警；达到15分钟，则进入下一步骤；
步骤22：卸油计量检测：通过液位仪数据验收卸油数量是否和三方核对数据一致；
第五阶段：卸后整理，第五阶段从卸油车离开卸油区后，预置15分钟用于工作人员进行卸后整理工作，超过15分钟，卸油全流程自动结束，对未完成的操作进行报警；
步骤23：油车离开：油车出站检测；
步骤24：灭火器收尾：在卸后整理中，检测灭火器是否复位；
步骤25：石棉毯收尾：在卸后整理中，检测灭火毯是否复位；
步骤26：除静电装置收尾：在卸后整理中，检测静电接地夹是否复位。
3.根据权利要求2所述的一种基于计算机视觉的卸油流程规范性智能监控方法，其特征在于，还包括完成卸油流程后对摄像头采集的整个卸油流程视频进行保存。
4.根据权利要求1所述的一种基于计算机视觉的卸油流程规范性智能监控方法，其特征在于，所述算法平台子系统对视频图像进行分析和识别具体包括：
算法训练数据准备：人工在图像中标记出卸油车、静电装置、灭火器、灭火石棉毯、工作服、防静电手套、卸油油气回收和卸油接口的位置；
搭建卷积神经网络；
对标记后的图像进行卷积神经网络训练；
设计损失计算；
通过损失函数，梯度下降训练参数优化卷积神经网络。
5.根据权利要求1所述的一种基于计算机视觉的卸油流程规范性智能监控方法，其特征在于，所述预警是通过预警APP或微信小程序或公众号或客户端程序发送预警信息的方式推送给相关责任人。
6.根据权利要求5所述的一种基于计算机视觉的卸油流程规范性智能监控方法，其特征在于，所述预警信息用以图片、文字、视频的方式展现。
CN202010916235.0A 2020-09-03 2020-09-03 一种基于计算机视觉的卸油流程规范性智能监控方法 Pending CN112004061A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010916235.0A CN112004061A (zh) 2020-09-03 2020-09-03 一种基于计算机视觉的卸油流程规范性智能监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010916235.0A CN112004061A (zh) 2020-09-03 2020-09-03 一种基于计算机视觉的卸油流程规范性智能监控方法

Publications (1)

Publication Number Publication Date
CN112004061A true CN112004061A (zh) 2020-11-27

Family

ID=73465247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010916235.0A Pending CN112004061A (zh) 2020-09-03 2020-09-03 一种基于计算机视觉的卸油流程规范性智能监控方法

Country Status (1)

Country Link
CN (1) CN112004061A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112434975A (zh) * 2020-12-14 2021-03-02 上善智城(苏州)信息科技有限公司 一种加油站卸油作业过程数字化监管方法及系统
CN112446646A (zh) * 2020-12-14 2021-03-05 上善智城(苏州)信息科技有限公司 一种加油站数字化安全洞察系统管理及展示平台
CN112802299A (zh) * 2020-12-30 2021-05-14 易启科技(吉林省)有限公司 加油站风险感知预警危险区域管控系统及其处理方法
CN112801466A (zh) * 2021-01-08 2021-05-14 上善智城(苏州)信息科技有限公司 一种加油站卸油作业违规操作预警方法及系统
CN112794274A (zh) * 2021-04-08 2021-05-14 南京东富智能科技股份有限公司 一种油罐车底部装油口安全监控方法及系统
CN113591634A (zh) * 2021-07-19 2021-11-02 青岛新奥燃气有限公司 一种基于深度学习的lng卸车风险监控系统及方法
CN113609925A (zh) * 2021-07-19 2021-11-05 青岛新奥燃气有限公司 一种lng装卸作业安全管控系统及违规行为识别方法
CN113743331A (zh) * 2021-09-08 2021-12-03 济南博观智能科技有限公司 一种卸油运作监控方法、装置、设备及存储介质
CN117115861A (zh) * 2023-10-19 2023-11-24 四川弘和数智集团有限公司 手套检测方法、装置、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106059868A (zh) * 2016-07-24 2016-10-26 哈尔滨理工大学 家居智能视频监控防护系统
US20170132561A1 (en) * 2015-11-06 2017-05-11 Wal-Mart Stores, Inc. Product delivery unloading assistance systems and methods
CN208044383U (zh) * 2017-12-29 2018-11-02 重庆微标科技股份有限公司 基于c/s架构的铁路油库远程管理系统
CN109271938A (zh) * 2018-09-19 2019-01-25 上海鸢安智能科技有限公司 一种基于智能视频分析技术的加油站卸油过程安全监控方法
CN109886085A (zh) * 2019-01-03 2019-06-14 四川弘和通讯有限公司 基于深度学习目标检测的人群计数方法
CN110456723A (zh) * 2019-08-15 2019-11-15 成都睿晓科技有限公司 一种基于深度学习的加油站卸油区安全管控系统
CN111432182A (zh) * 2020-04-29 2020-07-17 上善智城(苏州)信息科技有限公司 一种加油站卸油场所安全监管方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170132561A1 (en) * 2015-11-06 2017-05-11 Wal-Mart Stores, Inc. Product delivery unloading assistance systems and methods
CN106059868A (zh) * 2016-07-24 2016-10-26 哈尔滨理工大学 家居智能视频监控防护系统
CN208044383U (zh) * 2017-12-29 2018-11-02 重庆微标科技股份有限公司 基于c/s架构的铁路油库远程管理系统
CN109271938A (zh) * 2018-09-19 2019-01-25 上海鸢安智能科技有限公司 一种基于智能视频分析技术的加油站卸油过程安全监控方法
CN109886085A (zh) * 2019-01-03 2019-06-14 四川弘和通讯有限公司 基于深度学习目标检测的人群计数方法
CN110456723A (zh) * 2019-08-15 2019-11-15 成都睿晓科技有限公司 一种基于深度学习的加油站卸油区安全管控系统
CN111432182A (zh) * 2020-04-29 2020-07-17 上善智城(苏州)信息科技有限公司 一种加油站卸油场所安全监管方法及系统

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112434975A (zh) * 2020-12-14 2021-03-02 上善智城(苏州)信息科技有限公司 一种加油站卸油作业过程数字化监管方法及系统
CN112446646A (zh) * 2020-12-14 2021-03-05 上善智城(苏州)信息科技有限公司 一种加油站数字化安全洞察系统管理及展示平台
CN112802299A (zh) * 2020-12-30 2021-05-14 易启科技(吉林省)有限公司 加油站风险感知预警危险区域管控系统及其处理方法
CN112801466A (zh) * 2021-01-08 2021-05-14 上善智城(苏州)信息科技有限公司 一种加油站卸油作业违规操作预警方法及系统
CN112801466B (zh) * 2021-01-08 2024-03-29 温州大学激光与光电智能制造研究院 一种加油站卸油作业违规操作预警方法及系统
CN112794274A (zh) * 2021-04-08 2021-05-14 南京东富智能科技股份有限公司 一种油罐车底部装油口安全监控方法及系统
CN113591634A (zh) * 2021-07-19 2021-11-02 青岛新奥燃气有限公司 一种基于深度学习的lng卸车风险监控系统及方法
CN113609925A (zh) * 2021-07-19 2021-11-05 青岛新奥燃气有限公司 一种lng装卸作业安全管控系统及违规行为识别方法
CN113743331A (zh) * 2021-09-08 2021-12-03 济南博观智能科技有限公司 一种卸油运作监控方法、装置、设备及存储介质
CN113743331B (zh) * 2021-09-08 2024-02-23 济南博观智能科技有限公司 一种卸油运作监控方法、装置、设备及存储介质
CN117115861A (zh) * 2023-10-19 2023-11-24 四川弘和数智集团有限公司 手套检测方法、装置、电子设备及存储介质
CN117115861B (zh) * 2023-10-19 2024-01-26 四川弘和数智集团有限公司 手套检测方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN112004061A (zh) 一种基于计算机视觉的卸油流程规范性智能监控方法
CN109271938B (zh) 一种基于智能视频分析技术的加油站卸油过程安全监控方法
US20230362326A1 (en) Video surveillance system, video processing apparatus, video processing method, and video processing program
CN108928700B (zh) 医院电梯安全立体监测云平台、系统及其方法、电梯系统
CN113095132B (zh) 基于神经网络燃气现场识别方法、系统、终端及存储介质
CN110889339B (zh) 基于头肩检测的危险区域分级预警方法与系统
CN110874866B (zh) 一种基于视频的变电站三维监控方法及系统
CN109118081B (zh) 一种基于图像处理方式的作业安全监管系统和方法
CN109088932B (zh) 医用氧气安全立体监测云平台、系统及其方法、供氧系统
CN111325128A (zh) 违规操作检测方法、装置、计算机设备和存储介质
CN110458794B (zh) 用于轨道列车的配件质量检测方法及装置
CN113935645A (zh) 基于标识解析技术的高风险作业管控系统及方法
CN108154663A (zh) 一种安全检测预警系统
CN113239750A (zh) 一种电力营业厅人员行为检测系统、方法、设备及应用
CN112800910A (zh) 一种通讯机房维护作业效能评估方法及系统
CN111064935B (zh) 一种智慧工地人员姿态检测方法及系统
CN112132092A (zh) 一种基于卷积神经网络的灭火器和灭火毯的识别方法
CN114138741A (zh) 一种历史数据分析平台
CN113963436A (zh) 基于深度学习的安全帽识别增量学习与角色判定方法
CN109732619A (zh) 一种基于机器人的粮库防灾巡检系统及方法
CN113705988B (zh) 一种监理人员绩效管理方法、系统、存储介质及智能终端
CN115063921B (zh) 一种工地智能闸机系统及搭建方法
CN112216073B (zh) 一种梯子违规操作告警方法及装置
CN115396751A (zh) 具备医疗设备状态智能检测的机柜安防系统及控制方法
CN112163528A (zh) 一种基于卷积神经网络的油管拖地的识别方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201127

RJ01 Rejection of invention patent application after publication