CN113378749B - 一种基于大数据分析的视觉检测系统 - Google Patents
一种基于大数据分析的视觉检测系统 Download PDFInfo
- Publication number
- CN113378749B CN113378749B CN202110693103.0A CN202110693103A CN113378749B CN 113378749 B CN113378749 B CN 113378749B CN 202110693103 A CN202110693103 A CN 202110693103A CN 113378749 B CN113378749 B CN 113378749B
- Authority
- CN
- China
- Prior art keywords
- area
- path
- unit
- image
- judgment result
- 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
Links
- 238000011179 visual inspection Methods 0.000 title claims abstract description 21
- 238000007405 data analysis Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 118
- 238000010276 construction Methods 0.000 claims description 63
- 238000012544 monitoring process Methods 0.000 claims description 61
- 230000005540 biological transmission Effects 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000003111 delayed effect Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000001934 delay Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000005096 rolling process Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 208000012260 Accidental injury Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于大数据分析的视觉检测系统，包括：图像获取模块：用于获取作业区域场景图像和检测区域场景图像；作业状态判断模块：用于根据所述作业区域场景图像中重型机械的初始位置和实时位置，通过预设大数据平台，判断作业区域是否处于作业状态；违规检测模块：用于在作业区域处于作业状态时，根据所述检测区域场景图像，判断检测区域是否存在人员违规；报警模块：用于在人员违规时，进行报警。
Description
技术领域
本发明涉及视觉检测技术领域，特别涉及一种基于大数据分析的视觉检测系统。
背景技术
目前，在工厂的高危作业区，尤其是在重型机械作业区，重型机械设备的整个工作过程分为作业期和间歇期，多数是非连续作业，当作业期时周围一定范围内(安全范围)，是不能有人出现的，如果出现视为违规行为，需要进行识别和警报警戒，避免对工人造成危险，当间歇期时，工人可以进入该区域工作(如处理废料、检查装置情况等)，针对这种场景想要从视频中自动检测出违规行为(在作业期人员进入黄色框roi区域，这是很危险的行为，容易引起安全事故)，传统的视觉检测方法是当开始进入作业期时调用智能视觉检测算法进行检测，判断周围是否有人进入，间歇期时关闭算法检测，但轧钢的调用接口本身有延迟，如果轧钢作业过程时间较短，可能还没来得及识别就已经进入间歇期了，此时调用算法检测已无意义，而且在很多场景下，接口无法实现调用，也就无法实现联动检测的效果。
发明内容
本发明提供一种基于大数据分析的视觉检测系统，以解决上述背景技术出现的问题。
本发明提供一种基于大数据分析的视觉检测系统，其特征在于，包括：
图像获取模块：用于获取作业区域场景图像和检测区域场景图像；
作业状态判断模块：用于根据所述作业区域场景图像中重型机械的初始位置和实时位置，通过预设大数据平台，判断作业区域是否处于作业状态；
违规检测模块：用于在作业区域处于作业状态时，根据所述检测区域场景图像，判断检测区域是否存在人员违规；
报警模块：用于在人员违规时，进行报警。
作为本技术方案的一种实施例，所述图像获取模块包括：
获取施工图像单元：用于基于预设的全景摄像设备，获取施工区域的施工图像；
区域确定单元：用于根据所述施工图像，进行图像识别，确定检测目标图像；其中，
所述检测目标图像包括施工作业区域目标图像和检测区域目标图像；
作业区域场景图像单元：用于根据所述施工作业区域目标图像，确定作业区域场景图像；
检测区域场景图像单元：用于根据所述检测区域目标图像，确定检测区域场景图像。
作为本技术方案的一种实施例，所述作业状态判断模块，包括：
识别单元：用于获取所述作业区域场景图像，并识别作业区域场景图像中的施工作业区域；
初始位置获取单元：用于基于大数据平台内预设的大数据平台分析系统，获取施工作业区域中重型机械预设的初始位置；
实时位置获取单元：用于基于大数据平台内预设的智能定位系统，实时对所述施工作业区域进行位置动态标定，确定施工作业区域中重型机械预设的实时位置；
第一判断单元：用于计算施工作业区域初始位置和实时位置的位置差值，并基于预设的重型机械的作业波动规律，判断所述位置差值是否符合作业波动规律，获取第一判断结果；其中，
所述作业波动规律是由于重型机械由于规律性的做功在图像上形成的位置差值规律性的波动。
作为本技术方案的一种实施例，所述实时位置获取单元，包括：
位置范围子单元：用于基于大数据平台内预设的智能定位系统，对施工作业区域位置进行定位，并确定施工作业区域的位置区域范围；其中，
所述位置区域范围表示施工作业区域的定位坐标区间；
位置面积区域子单元：用于根据所述位置区域范围，对所述作业区域中的重型机械进行位置的数据标定，并计算作业区域的区域面积；
初始位置子单元：用于根据所述区域面积和位置区域范围，获取作业区域中重型机械的实时位置。
作为本技术方案的一种实施例，所述第一判断单元包括:
间歇判断结果子单元：用于当位置差值不符合作业波动规律时，则作业区域处于间歇期，确定间歇判断结果；
作业判断结果子单元：用于当所述位置差值符合作业波动规律时，则作业区域处于作业期，确定作业判断结果。
作为本技术方案的一种实施例，所述检测区域判断模块，包括：
检测区域单元：用于将请求指令传输至大数据平台的控制终端，并通过全景摄像设备，获取检测区域场景图像；
感兴趣区单元：用于基于所大数据平台的控制终端，自动采集并获取检测区域中的感兴趣区；其中，
所述感兴趣区用于在作业区域的重型机械处于作业期时，禁止人员进入的危险区间；
监控结果单元：用于实时监控所述感兴趣区，并确定监控结果；
第二判断结果单元：用于判断所述监控结果是检测区域是否存在人员违规，并确定第二判断结果；其中，
所述第二判断结果单元包括无人判断结果子单元和有人判断结果子单元；其中，
所述无人判断结果子单元用于判断检测区域不存在人员违规；
所述有人判断结果子单元用于判断检测区域存在人员违规。
作为本技术方案的一种实施例，所述报警模块，包括：
异常区域数据单元：用于当第二判断结果为检测区域存在人员违规，生成禁止数据；
控制指令单元：用于将所述禁止数据传输至预设的控制终端，生成控制指令；
强制停止单元：用于基于所述控制指令，强制停止作业区域中重型机械的作业；
报警单元：用于触发预设的报警装置，进行报警；其中，
所述报警装置由蜂鸣传感器构成。
作为本技术方案的一种实施例，所述视觉检测系统还包括联动模块，所述联动模块包括：
连接单元：用于基于预设的起止式异步协议，以串口通信连接图像获取模块；
图像监听单元：用于在作业区域处于间歇期时，继续监听图像获取模块，并获取作业区域的监听图像；
判断单元：用于启动定时器，采集监听图像的监听信息，判断监听信息是否产生延迟，并获取判断结果；其中，
所述判断结果包括未延迟判断结果和延迟单元判断结果。
作为本技术方案的一种实施例，所述判断单元判断监听信息是否产生延迟，并确定判断结果，还包括：
步骤S1：获取监听信息的路径输送端点，并根据所述路径输送端点，确定监听信息的输送概率：
其中，p代表信息输送的路径源端点，q代表信息接收的路径终端点，p，q∈U，U代表所有路径源端点和路径终端点的集合，hpq代表监听信息从路径源端点p输送到路径终端点q的输送概率，kin代表输送端点k的入度，kout代表一个输送端点k的出度；in和out是区分入度和出度的标识字母；rp，i代表路径源端点p到任一路径端点i的路径长度矩阵的集合值，rj，q代表任一路径端点j到路径终端点q的路径长度矩阵的集合值，i是一个路径端点变量，代表从路径源端点p延展，序号逐步递增的最近路径端点，i＝p+1，p+2，..，j；j是一个路径端点变量，代表从路径终端点q追溯，序号逐步递增的最近路径端点，i，j∈V，i≤j，V是除了路径源端点和路径终端点的其他输送端点；
步骤S2：获取不同输送端点的输送概率，确定输送成功率：
其中，IM代表输送成功指标，d代表监听信息从路径源端点输送到路径终端点的最短路径长度，代表顺着路径源端点输送到路径终端点的路径权值，
代表逆着路径源端点输送到路径终端点第n个路径端点k的权值，kn代表第n个路径端点，n＝1，2，3，…m，m代表路径端点的总个数，
代表权值W的变化幅度，
代表逆着路径源端点输送到路径终端点第n个路径端点k的权值的变化幅度；
步骤S3：基于所述输送成功率，判断是否发生延迟，确定判断结果。
作为本技术方案的一种实施例，所述步骤S3，还包括：
步骤S301:实时获取输送成功率，判断所述输送成功指标是否大于预设的输送阈值，确定判断结果：
其中，Q代表判断结果，d代表监听信息从路径源端点输送到路径终端点的最短路径选择函数，hpq代表监听信息从路径源端点p输送到路径终端点q的输送概率，p代表信息输送的路径源端点，q代表信息接收的路径终端点，I0代表预设的输送成功指标的理想指数；
步骤S303：当所述判断结果为Q＝1的时候，代表未产生延迟，保持对所述作业区域的联动视觉检测；
步骤S304：当所述判断结果为Q＝0的时候，代表产生延迟，向控制终端提示联动中断；
本发明的有益效果如下：
本技术方案通过大数据平台系统对画面进行实时视觉检测，首先将红色框也就是轧钢机作为作业区域，黄色框也就是roi区域的人员作为检测作业区域；先对作业区域未作业时的原始位置进行系统标定，即锁定该初始位置；始终开启作业区域的位置检测(图像比对技术)，当大数据平台系统如果发现作业区域位置有变化，可判定轧钢机开始作业了，即判定进入作业期，然后立即开启检测黄色框(roi区域)里是否有人员，也就是检测检测区域(深度学习图像处理技术)，如果在区域内有检测区域即判定违规，如果发现该区域无人员，即视为合规，该方案就是通过对作业区域位置变化的判断，代替了原有的plc接口方案，可以快速高效联动检测区域的识别，不存在对接问题和延时风险。
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
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
附图1为本发明实施例中一种基于大数据分析的视觉检测系统的系统模块流程图；
附图2为本发明实施例中一种基于大数据分析的视觉检测系统的系统模块流程图；
附图3为本发明实施例中一种基于大数据分析的视觉检测系统的系统模块流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
实施例1：
根据图1所示，本发明提供1.一种基于大数据分析的视觉检测系统，其特征在于，包括：
图像获取模块：用于获取作业区域场景图像和检测区域场景图像；
作业状态判断模块：用于根据所述作业区域场景图像中重型机械的初始位置和实时位置，通过预设大数据平台，判断作业区域是否处于作业状态；
违规检测模块：用于在作业区域处于作业状态时，根据所述检测区域场景图像，判断检测区域是否存在人员违规；
报警模块：用于在人员违规时，进行报警。
上述技术方案的工作原理为：
本技术方案的大数据平台视觉的检测系统，通过获取预设的作业区域和检测区域，在重机械设备上，因为在对应的部位会存在间歇期和作业期，获取作业区域场景图像和检测区域场景图像；其中，所述作业区域场景图像是施工场所中重型器械作业的范围区域的场景图像；所述检测区域场景图像是重型器械作业时，禁止人的区域场景图像；所以需要检查并获取检测部位，接着通过作业区域模块通过预设的大数据平台智能设备，传输所述作业区域场景图像至大数据平台设备，并对作业区域中的重型器械进行位置标定，确定重型器械作业的初始位置，接着通过对作业区域进行实时的视觉检测，，同步获取作业区域中重型器械的目标位置，判断所述初始位置和目标位置是否符合重型器械的作业波动规律，确定作业区域中重型器械是否处于作业期，并获取第一判断结果，接着当第一判断结果为作业区域的重型器械处于作业期时，实时监控检测区域场景图像，并判断所述检测区域中是否有人，并获取第二判断结果，第二判断模块主要用于判断在重型机械设备工作的时候，对不同的机械进行检测，避免有员工在机械工作时导致误伤，当所述第二判断结果为感兴趣区存在人，停止作业区域的作业，并触发预设的警报装置，进行蜂鸣报警，并在感兴趣区发生员工时，最后通过报警模块，在有员工发生危险时，及时进行设备的停止，并设置报警装置，进行报警。
上述技术方案的有益效果为：
本技术方案通过大数据平台对画面进行实时视觉检测，首先将红色框也就是轧钢机作为作业区域，黄色框也就是roi区域的人员作为检测作业区域；先对作业区域未作业时的原始位置进行系统标定，即锁定该初始位置；始终开启作业区域的位置检测(图像比对技术)，当大数据平台系统如果发现作业区域位置有变化，可判定轧钢机开始作业了，即判定进入作业期，然后立即开启检测黄色框(roi区域)里是否有人员，也就是检测检测区域(深度学习图像处理技术)，如果在区域内有检测区域即判定违规，如果发现该区域无人员，即视为合规，该方案就是通过对作业区域位置变化的判断，代替了原有的plc接口方案，可以快速高效联动检测区域的识别，不存在对接问题和延时风险。
实施例2：
本技术方案提供了一种实施例，所述图像获取模块包括：
获取施工图像单元：用于基于预设的全景摄像设备，获取施工区域的施工图像；
区域确定单元：用于根据所述施工图像，进行图像识别，确定检测目标图像；其中，
所述检测目标图像包括施工作业区域目标图像和检测区域目标图像；
作业区域场景图像单元：用于根据所述施工作业区域目标图像，确定作业区域场景图像；
检测区域场景图像单元：用于根据所述检测区域目标图像，确定检测区域场景图像。
上述技术方案的工作原理为：
本技术方案的获取模块包括获取施工图像单元和区域确定单元，首先通过预设的全景摄像装置，获取施工区域的施工图像，再通过施工图像，进行图像识别，确定检测目标图像，其中，所述检测目标包括作业区域和检测区域，整个获取模块是对施工区域的工作区域进行一个图像采集和获取，通过对施工区域的动态采集，实时监测施工区域，为警报模块提供原始监控数据。
上述技术方案的有益效果为：
本技术方案的获取模块主要通过设置多个全景摄像头，对施工区域进行监控，为施工工作区域和人员进入的感兴趣区进行监控，为检测系统提供原始数据。
实施例3：
根据图2所示，本技术方案提供了一种实施例，所述作业状态判断模块，包括：
识别单元：用于获取所述作业区域场景图像，并识别作业区域场景图像中的施工作业区域；
初始位置获取单元：用于基于大数据平台内预设的大数据平台分析系统，获取施工作业区域中重型机械预设的初始位置；
实时位置获取单元：用于基于大数据平台内预设的智能定位系统，实时对所述施工作业区域进行位置动态标定，确定施工作业区域中重型机械预设的实时位置；
第一判断单元：用于计算施工作业区域初始位置和实时位置的位置差值，并基于预设的重型机械的作业波动规律，判断所述位置差值是否符合作业波动规律，获取第一判断结果；其中，
所述作业波动规律是由于重型机械由于规律性的做功在图像上形成的位置差值规律性的波动。
上述技术方案的工作原理为：
本技术方案首先获取所述作业区域场景图像，并识别作业区域场景图像中的作业区域，通过位置范围单元基于大数据平台智能设备内预设的智能定位系统，对所述作业区域位置进行位置定位，确定位置范围，由于感兴趣区并非是一个坐标可以标定的，需要对位置进行标定，确定一个区域出来，最方便的区域一般选择长方形，但针对不同的工作条件，可以选择不同的区域，确定不同形状的区域，再通过位置面积区域单元根据所述位置范围，对所述作业区域进行位置标定，确定作业区域的位置面积区域，基于大数据平台智能设备内预设的智能定位系统，对作业区域的位置进行定位，并确定作业区域的位置区域范围；其中，所述位置区域范围表示作业区域的定位坐标区间；对作业区域位置区域的面积确定可以帮助在监控的时候，对面积内的区域进行重点监控，从节省检测成本，最后通过初始位置单元根据所述位置面积区域，确定作业区域的初始位置，因为作业区域的区域一般是机械工作的区域，位置会发生变化，所以在对作业区域的相对位置进行检查时，要确定相对的不变的初始位置，并判断第一区域的区域面积内的像素是否进行了规律性的变化，从而确定机械是否处于工作期间。
上述技术方案的有益效果为：
本技术方案通过对作业区域的位置判定，先判断是否在工作，为保护工作人员提供一个前提，如果作业区域中的机械处于间歇期，可以由工作人员进行检修或者打扫的话，即不用启动第二监测区域。
实施例4：
本技术方案提供了一种实施例，所述实时位置获取单元，包括：
位置范围子单元：用于基于大数据平台内预设的智能定位系统，对施工作业区域位置进行定位，并确定施工作业区域的位置区域范围；其中，
所述位置区域范围表示施工作业区域的定位坐标区间；
位置面积区域子单元：用于根据所述位置区域范围，对所述作业区域中的重型机械进行位置的数据标定，并计算作业区域的区域面积；
初始位置子单元：用于根据所述区域面积和位置区域范围，获取作业区域中重型机械的实时位置。
上述技术方案的工作原理为：
本技术方案对施工区域中需要检测的施工设备的间歇期和作业期，通过对第一目标区域图像单元的动态监控，从图像的像素中，先看有没有超过预设值，并在超过预设值的时候对比像素是否发生规律的变化，并和往期采集的对象进行对比，确定是否在作业期，作业区域判断模块包括第一目标区域图像单元，检测区域面积单元和实时位置单元以及第一判断单元，首先通过第一目标区域图像单元实时获取作业区域的第一目标区域图像，接着通过检测区域面积单元根据所述第一目标区域图像，获取作业区域的检测区域面积，接着根据实时位置单元基于大数据平台智能设备内预设的智能定位系统，定时对所述作业区域进行位置标定，确定实时位置；接着通过第一判断单元计算所述初始位置和实时位置的位置差值，判断所述位置差值是否超过预设的间歇位置阈值，并确定第一判断结果。
上述技术方案的有益效果为：
本技术方案通过对第一目标区域图像单元进行检测，从而进行动态监控所述作业区域是否存在，提供了一种灵活多变的检测方法。
实施例5：
本技术方案提供了一种实施例，所述第一判断单元包括:
间歇判断结果子单元：用于当位置差值不符合作业波动规律时，则作业区域处于间歇期，确定间歇判断结果；
作业判断结果子单元：用于当所述位置差值符合作业波动规律时，则作业区域处于作业期，确定作业判断结果。
上述技术方案的工作原理和有益效果为：
本技术方案通过对施工机器是否在作业期的判断，避免在作业期用户误以为是间歇期而误伤。
实施例6：
根据图3所示，本技术方案提供了一种实施例，所述检测区域判断模块，包括：
检测区域单元：用于将请求指令传输至大数据平台的控制终端，并通过全景摄像设备，获取检测区域场景图像；
感兴趣区单元：用于基于所大数据平台的控制终端，自动采集并获取检测区域中的感兴趣区；其中，
所述感兴趣区用于在作业区域的重型机械处于作业期时，禁止人员进入的危险区间；
监控结果单元：用于实时监控所述感兴趣区，并确定监控结果；
第二判断结果单元：用于判断所述监控结果是检测区域是否存在人员违规，并确定第二判断结果；其中，
所述第二判断结果单元包括无人判断结果子单元和有人判断结果子单元；其中，
所述无人判断结果子单元用于判断检测区域不存在人员违规；
所述有人判断结果子单元用于判断检测区域存在人员违规。
上述技术方案的工作原理和有益效果为：
本技术方案通过请求指令单元将判断结果为作业区域处于作业期时，将动态作业的数据传输终端，生成对应的请求指令，并通过检测区域单元将所述请求指令传输至预设的大数据平台智能设备的控制端，并通过全景摄像设备，确定检测区域，在根据感兴趣区单元基于所述大数据平台智能设备，自动采集并获取检测区域的感兴趣区，在利用监控结果单元实时监控所述感兴趣区，确定监控结果，最后通过第二判断结果单元判断所述监控结果是否存在人，所述无人判断结果子单元用于判断检测区域不存在人员违规；所述有人判断结果子单元用于判断检测区域存在人员违规并确定第二判断结果，整个过程通过对环境的动态监控确保第二区域没有用户经过。
实施例7：
本技术方案提供了一种实施例，所述报警模块，包括：
异常区域数据单元：用于当第二判断结果为检测区域存在人员违规，生成禁止数据；
控制指令单元：用于将所述禁止数据传输至预设的控制终端，生成控制指令；
强制停止单元：用于基于所述控制指令，强制停止作业区域中重型机械的作业；
报警单元：用于触发预设的报警装置，进行报警；其中，
所述报警装置由蜂鸣传感器构成。
上述技术方案的工作原理和有益效果为：
本技术方案的报警模块用于在感兴趣区有人时，及时的进行报警处理，通过异常数据单元当所述第二判断结果为感兴趣区存在人，生成异常数据，再根据控制指令单元将所述异常数据传输至预设的控制终端，生成控制指令，同时利用强制停止单元基于所述控制指令，强制停止作业区域作业，并利用报警单元触发预设的报警装置，进行报警；其中，所述报警装置由蜂鸣传感器构成，及时的进行报警设置，提高了施工区域的安全保障。
实施例8：
本技术方案提供了一种实施例，所述视觉检测系统还包括联动模块，所述联动模块包括：
连接单元：用于基于预设的起止式异步协议，以串口通信连接图像获取模块；
图像监听单元：用于在作业区域处于间歇期时，继续监听图像获取模块，并获取作业区域的监听图像；
判断单元：用于启动定时器，采集监听图像的监听信息，判断监听信息是否产生延迟，并获取判断结果；其中，
所述判断结果包括未延迟判断结果和延迟单元判断结果。
上述技术方案的工作原理为：
本技术方案提供报警模块，包括异常数据单元、控制指令单元、强制停止单元和报警单元，首先通过异常数据单元当所述第二判断结果为感兴趣区存在人，生成异常数据，异常数据主要是提供至控制端说明数据发生异常，一般是由指令加数据包的形式反馈至终端，接着通过控制指令单元将异常数据传输至预设的控制终端，生成控制指令，对正在作业的作业区域进行强制停止，然后通过强制停止单元基于所述控制指令，强制停止作业区域作业；同时，报警单元：用于触发预设的报警装置，进行报警；其中，所述报警装置由蜂鸣传感器构成。
上述技术方案的有益效果为：
本技术方案是通过对作业区域的监控保护，避免对工作人员进行误伤，在检测到有工作人员的时候，对机器进行强制停止，并进行报警，提供了一种安全的监控方式，保证了施工人员的安全，减少了人员受伤的风险。
实施例9：
本技术方案提供了一种实施例，所述判断单元判断监听信息是否产生延迟，并确定判断结果，还包括：
步骤S1：获取监听信息的路径输送端点，并根据所述路径输送端点，确定监听信息的输送概率：
其中，p代表信息输送的路径源端点，q代表信息接收的路径终端点，p，q∈U，U代表所有路径源端点和路径终端点的集合，hpq代表监听信息从路径源端点p输送到路径终端点q的输送概率，kin代表输送端点k的入度，kout代表一个输送端点k的出度；in和out是区分入度和出度的标识字母；rp，i代表路径源端点p到任一路径端点i的路径长度矩阵的集合值，rj，q代表任一路径端点j到路径终端点q的路径长度矩阵的集合值，i是一个路径端点变量，代表从路径源端点p延展，序号逐步递增的最近路径端点，i＝p+1，p+2，..，j；j是一个路径端点变量，代表从路径终端点q追溯，序号逐步递增的最近路径端点，i，j∈V，i≤j，V是除了路径源端点和路径终端点的其他输送端点；
步骤S2：获取不同输送端点的输送概率，确定输送成功率：
其中，IM代表输送成功指标，d代表监听信息从路径源端点输送到路径终端点的最短路径长度，代表顺着路径源端点输送到路径终端点的路径权值，
代表逆着路径源端点输送到路径终端点第n个路径端点k的权值，kn代表第n个路径端点，n＝1，2，3，...m，m代表路径端点的总个数，
代表权值W的变化幅度，
代表逆着路径源端点输送到路径终端点第n个路径端点k的权值的变化幅度；
步骤S3：基于所述输送成功率，判断是否发生延迟，确定判断结果。
上述技术方案的工作原理和有益效果为：
本技术方案的判断单元判断是否产生延迟，并确定判断结果，还包括根据监听信息，获取监听信息的路径输送端点p、q，并根据所述路径输送端点，计算监听信息的输送概率hpq，获取不同输送端点的输送概率，在监听信息从路径源端点输送到路径终端点的最短路径的情况下，确定输送成功指标IM：基于所述输送成功指标，判断是否发生延迟，确定判断结果，为是否有延迟提供原始数据，对监听输送的信息加以采集，并可以自行设置监听阈值，通过从路径源端点开始，不断寻找最近的节点，并进行确定最优最近的节点，生成最优的一个路径，并通过计算不同路径之间的输送的变动，从而获取到输送的成功率确定输送成功指标，在最优的基础上，计算成功率，保证信息的监听的有效性。
实施例10：
本技术方案提供了一种实施例，所述步骤S3，还包括：
步骤S301:实时获取输送成功率，判断所述输送成功指标是否大于预设的输送阈值，确定判断结果：
其中，Q代表判断结果，d代表监听信息从路径源端点输送到路径终端点的最短路径选择函数，hpq代表监听信息从路径源端点p输送到路径终端点q的输送概率，p代表信息输送的路径源端点，q代表信息接收的路径终端点，I0代表预设的输送成功指标的理想指数；
步骤S303：当所述判断结果为Q＝1的时候，代表未产生延迟，保持对所述作业区域的联动视觉检测；
步骤S304：当所述判断结果为Q＝0的时候，代表产生延迟，向控制终端提示联动中断；
上述技术方案的工作原理和有益效果为：
本技术方案通过实时获取输送成功指标，并判断所述输送成功指标是否大于预设的输送阈值，确定判断结果Q，当所述判断结果为Q＝1的时候，代表未产生延迟，保持对所述作业区域的联动视觉检测，未产生延迟，既可以保证在短时间的作业期中，避免大数据平台系统误以为是间歇期，当所述判断判断结果为Q＝0的时候，代表产生延迟，向控制终端提示联动中断，及时的保证联动的有效性，减少用户人员受伤的风险。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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 (8)
1.一种基于大数据分析的视觉检测系统，其特征在于，包括：
图像获取模块：用于获取作业区域场景图像和检测区域场景图像；
作业状态判断模块：用于根据所述作业区域场景图像中重型机械的初始位置和实时位置，通过预设大数据平台，判断作业区域是否处于作业状态；
违规检测模块：用于在作业区域处于作业状态时，根据所述检测区域场景图像，判断检测区域是否存在人员违规；
报警模块：用于在人员违规时，进行报警；
所述视觉检测系统还包括联动模块，所述联动模块包括：
连接单元：用于基于预设的起止式异步协议，以串口通信连接图像获取模块；
图像监听单元：用于在作业区域处于间歇期时，继续监听图像获取模块，并获取作业区域的监听图像；
判断单元：用于启动定时器，采集监听图像的监听信息，判断监听信息是否产生延迟，并获取判断结果；其中，
所述判断结果包括未延迟判断结果和延迟单元判断结果；
所述判断单元判断监听信息是否产生延迟，并确定判断结果，还包括：
步骤S1：获取监听信息的路径输送端点，并根据所述路径输送端点，确定监听信息的输送概率：
其中，p代表信息输送的路径源端点，q代表信息接收的路径终端点，p,q∈U，U代表所有路径源端点和路径终端点的集合，hpq代表监听信息从路径源端点p输送到路径终端点q的输送概率，kin代表输送端点k的入度，kout代表一个输送端点k的出度；in和out是区分入度和出度的标识字母；rp,i代表路径源端点p到任一路径端点i的路径长度矩阵的集合值，rj,q代表任一路径端点j到路径终端点q的路径长度矩阵的集合值，i是一个路径端点变量，代表从路径源端点p延展，序号逐步递增的最近路径端点，i＝p+1,p+2,..,j；j是一个路径端点变量，代表从路径终端点q追溯，序号逐步递增的最近路径端点，i,j∈V，i≤j，V是除了路径源端点和路径终端点的其他输送端点；
步骤S2：获取不同输送端点的输送概率，确定输送成功率：
其中，IM代表输送成功率，d代表监听信息从路径源端点输送到路径终端点的最短路径长度，W代表顺着路径源端点输送到路径终端点的路径权值，
代表逆着路径源端点输送到路径终端点第n个路径端点k的路径权值，kn代表第n个路径端点，n＝1,2,3，…m，m代表路径端点的总个数，
代表路径权值W的变化幅度，
代表逆着路径源端点输送到路径终端点第n个路径端点k的路径权值的变化幅度；
步骤S3：基于所述输送成功率，判断是否发生延迟，确定判断结果。
2.如权利要求1所述的一种基于大数据分析的视觉检测系统，其特征在于，所述图像获取模块包括：
获取施工图像单元：用于基于预设的全景摄像设备，获取施工区域的施工图像；
区域确定单元：用于根据所述施工图像，进行图像识别，确定检测目标图像；其中，
所述检测目标图像包括施工作业区域目标图像和检测区域目标图像；
作业区域场景图像单元：用于根据所述施工作业区域目标图像，确定作业区域场景图像；
检测区域场景图像单元：用于根据所述检测区域目标图像，确定检测区域场景图像。
3.如权利要求1所述的一种基于大数据分析的视觉检测系统，其特征在于，所述作业状态判断模块，包括：
识别单元：用于获取所述作业区域场景图像，并识别作业区域场景图像中的施工作业区域；
初始位置获取单元：用于基于大数据平台内预设的大数据平台分析系统，获取施工作业区域中重型机械预设的初始位置；
实时位置获取单元：用于基于大数据平台内预设的智能定位系统，实时对所述施工作业区域进行位置动态标定，确定施工作业区域中重型机械预设的实时位置；
第一判断单元：用于计算施工作业区域初始位置和实时位置的位置差值，并基于预设的重型机械的作业波动规律，判断所述位置差值是否符合作业波动规律，获取第一判断结果；其中，
所述作业波动规律是由于重型机械由于规律性的做功在图像上形成的位置差值规律性的波动。
4.如权利要求3所述的一种基于大数据分析的视觉检测系统，其特征在于，所述实时位置获取单元，包括：
位置范围子单元：用于基于大数据平台内预设的智能定位系统，对施工作业区域位置进行定位，并确定施工作业区域的位置区域范围；其中，
所述位置区域范围表示施工作业区域的定位坐标区间；
位置面积区域子单元：用于根据所述位置区域范围，对所述作业区域中的重型机械进行位置的数据标定，并计算作业区域的区域面积；
初始位置子单元：用于根据所述区域面积和位置区域范围，获取作业区域中重型机械的实时位置。
5.如权利要求3所述的一种基于大数据分析的视觉检测系统，其特征在于，所述第一判断单元包括:
间歇判断结果子单元：用于当位置差值不符合作业波动规律时，则作业区域处于间歇期，确定间歇判断结果；
作业判断结果子单元：用于当所述位置差值符合作业波动规律时，则作业区域处于作业期，确定作业判断结果。
6.如权利要求1所述的一种基于大数据分析的视觉检测系统，其特征在于，所述检测区域判断模块，包括：
检测区域单元：用于将请求指令传输至大数据平台的控制终端，并通过全景摄像设备，获取检测区域场景图像；
感兴趣区单元：用于基于所大数据平台的控制终端，自动采集并获取检测区域中的感兴趣区；其中，
所述感兴趣区用于在作业区域的重型机械处于作业期时，禁止人员进入的危险区间；
监控结果单元：用于实时监控所述感兴趣区，并确定监控结果；
第二判断结果单元：用于判断所述监控结果是检测区域是否存在人员违规，并确定第二判断结果；其中，
所述第二判断结果单元包括无人判断结果子单元和有人判断结果子单元；其中，
所述无人判断结果子单元用于判断检测区域不存在人员违规；
所述有人判断结果子单元用于判断检测区域存在人员违规。
7.如权利要求1所述的一种基于大数据分析的视觉检测系统，其特征在于，所述报警模块，包括：
异常区域数据单元：用于当第二判断结果为检测区域存在人员违规，生成禁止数据；
控制指令单元：用于将所述禁止数据传输至预设的控制终端，生成控制指令；
强制停止单元：用于基于所述控制指令，强制停止作业区域中重型机械的作业；
报警单元：用于触发预设的报警装置，进行报警；其中，
所述报警装置由蜂鸣传感器构成。
8.如权利要求1所述的一种基于大数据分析的视觉检测系统，其特征在于，所述步骤S3，还包括：
步骤S301:实时获取输送成功率，判断所述输送成功指标是否大于预设的输送阈值，确定判断结果：
其中，Q代表判断结果，d′代表监听信息从路径源端点输送到路径终端点的最短路径选择函数，hpq代表监听信息从路径源端点p输送到路径终端点q的输送概率，p代表信息输送的路径源端点，q代表信息接收的路径终端点，I0代表预设的输送成功指标的理想指数；
步骤S303：当所述判断结果为Q＝1的时候，代表未产生延迟，保持对所述作业区域的联动视觉检测；
步骤S304：当所述判断结果为Q＝0的时候，代表产生延迟，向控制终端提示联动中断。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110693103.0A CN113378749B (zh) | 2021-06-22 | 2021-06-22 | 一种基于大数据分析的视觉检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110693103.0A CN113378749B (zh) | 2021-06-22 | 2021-06-22 | 一种基于大数据分析的视觉检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113378749A CN113378749A (zh) | 2021-09-10 |
| CN113378749B true CN113378749B (zh) | 2022-05-20 |
Family
ID=77578397
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110693103.0A Active CN113378749B (zh) | 2021-06-22 | 2021-06-22 | 一种基于大数据分析的视觉检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113378749B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023104055A1 (zh) * | 2021-12-06 | 2023-06-15 | 上海微创医疗机器人（集团）股份有限公司 | 安全保护方法及系统、可读存储介质、及手术机器人系统 |
| CN114706343B (zh) * | 2022-06-06 | 2022-09-20 | 深圳向一智控科技有限公司 | 一种基于gps定位的安保控制方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104427530A (zh) * | 2013-08-29 | 2015-03-18 | 重庆重邮信科通信技术有限公司 | 一种控制信道检测方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9275286B2 (en) * | 2014-05-15 | 2016-03-01 | Xerox Corporation | Short-time stopping detection from red light camera videos |
| CN109095356B (zh) * | 2018-11-07 | 2024-03-01 | 江苏徐工国重实验室科技有限公司 | 工程机械及其作业空间动态防碰撞方法、装置和系统 |
| CN110232320B (zh) * | 2019-05-08 | 2021-07-02 | 华中科技大学 | 实时检测工地现场工人危险靠近施工机械的方法及系统 |
| CN111929712A (zh) * | 2020-05-20 | 2020-11-13 | 国网浙江省电力有限公司 | 一种基于rtk技术的工程现场安全的监控方法 |
| CN112270823B (zh) * | 2020-10-23 | 2022-06-10 | 安徽容知日新科技股份有限公司 | 采集与钢铁轧机的运行工况相关的振动数据的方法及系统 |
-
2021
- 2021-06-22 CN CN202110693103.0A patent/CN113378749B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104427530A (zh) * | 2013-08-29 | 2015-03-18 | 重庆重邮信科通信技术有限公司 | 一种控制信道检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113378749A (zh) | 2021-09-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113378749B (zh) | 一种基于大数据分析的视觉检测系统 | |
| CN109257569B (zh) | 安防视频监控分析方法 | |
| US20030095782A1 (en) | System and method for detection and analysis of video recordings | |
| KR20130085315A (ko) | 사람 식별을 기반으로 한 위험 인지 방법 | |
| CN110733983A (zh) | 一种塔吊安全控制系统及其控制方法 | |
| KR20210019872A (ko) | 신체 착용형 안전 단말기 및 이를 이용한 사고 방지 제어방법 | |
| KR102225146B1 (ko) | 광산 안전관리를 위한 갱내 차량 v2x 시스템 및 광산 안전 관리 방법 | |
| CN114005088A (zh) | 一种安全绳穿戴状态监测方法及系统 | |
| CN113887445A (zh) | 一种视频中驻足和徘徊行为识别方法及系统 | |
| CN112818758A (zh) | 电力施工现场的监测方法、系统、装置和存储介质 | |
| CN111652185A (zh) | 一种基于违章行为识别的安全施工方法、系统、装置及存储介质 | |
| CN109492548B (zh) | 基于视频分析的区域mask图片的获得方法 | |
| CN114743341A (zh) | 基于边缘计算的消防检测报警方法和装置 | |
| CN110544362A (zh) | 基于区块链的施工现场异常识别方法及装置 | |
| CN114155492A (zh) | 高空作业安全带挂绳高挂低用识别方法、装置和电子设备 | |
| CN107330884B (zh) | 着火点检测方法及装置 | |
| KR102233679B1 (ko) | Ess 침입자 및 화재 감지 장치 및 방법 | |
| CN107895453A (zh) | 楼宇安全报警系统及方法 | |
| JP6978986B2 (ja) | 警報システム、警報制御装置及び警報方法 | |
| CN112047057A (zh) | 物料传送设备的安全监控方法及系统 | |
| TW202125419A (zh) | 工地管理系統及工地管理方法 | |
| CN116311729A (zh) | 基于ai的电网基建现场安全管理系统 | |
| KR20130037902A (ko) | 다중 센서를 이용하여 위험 상황을 알리고 모니터링하는 시스템 및 그 방법 | |
| KR102064712B1 (ko) | 웨어러블 디바이스와 인체 감지 모듈을 결합한 설비 안전 관리 시스템 | |
| KR102115322B1 (ko) | 스마트 영상분석 시스템 |
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 |