CN114973492B - 一种基于机器视觉的蛋糕无菌生产控制方法及系统 - Google Patents
一种基于机器视觉的蛋糕无菌生产控制方法及系统 Download PDFInfo
- Publication number
- CN114973492B CN114973492B CN202210733175.8A CN202210733175A CN114973492B CN 114973492 B CN114973492 B CN 114973492B CN 202210733175 A CN202210733175 A CN 202210733175A CN 114973492 B CN114973492 B CN 114973492B
- Authority
- CN
- China
- Prior art keywords
- preset
- acquiring
- determining
- image
- production
- 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
Classifications
-
- 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
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Emergency Management (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Image Processing (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供一种基于机器视觉的蛋糕无菌生产控制方法及系统,其中,方法包括:步骤1:获取待进入蛋糕无菌生产的生产现场的第一人员的第一图像;步骤2:基于第一图像和预设的任务库,从第一人员中确定准入人员并进行对应准入;步骤3:跟踪获取准入人员在生产现场内的第二图像;步骤4:基于第二图像和预设的行为判定模型,确定准入人员产生的不规范行为并进行对应预警。本发明的基于机器视觉的蛋糕无菌生产控制方法及系统,保证生产现场内的人员数目应为满足生产需要的最低数目,有效避免人员产生污染行为,无需人工进行监管,降低了人力成本,另外,也提升了监管全面性和监管及时性。
Description
技术领域
本发明涉及机器视觉技术领域,特别涉及一种基于机器视觉的蛋糕无菌生产控制方法及系统。
背景技术
目前,蛋糕在生产过程中对生产现场有无菌要求,多在洁净室内进行。生产现场内的人员是最大的“污染源”,需要对人员进行规范管理,例如:人员数目应为满足生产需要的最低数目、人员之间保持一定距离、人员着装不可相互接触和双手不能接触地面等。一般的,为了避免人员产生污染行为,公司会设置监管人员对生产现场内的人员进行监管,人力成本较大,另外,人工进行监管可能存在监管不全面和不及时等问题发生。
因此,亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种基于机器视觉的蛋糕无菌生产控制方法,保证生产现场内的人员数目应为满足生产需要的最低数目,有效避免人员产生污染行为,无需人工进行监管,降低了人力成本,另外,也提升了监管全面性和监管及时性。
本发明实施例提供的一种基于机器视觉的蛋糕无菌生产控制方法,包括:
步骤1:获取待进入蛋糕无菌生产的生产现场的第一人员的第一图像;
步骤2:基于第一图像和预设的任务库,从第一人员中确定准入人员并进行对应准入;
步骤3:跟踪获取准入人员在生产现场内的第二图像;
步骤4:基于第二图像和预设的行为判定模型,确定准入人员产生的不规范行为并进行对应预警。
优选的,步骤2:基于第一图像和预设的任务库,从第一人员中确定准入人员并进行对应准入,包括:
对第一图像进行人脸提取,获得第一人员的人脸ID;
获取预设的身份库;
基于人脸ID和身份库,确定第一人员的第一身份;
从任务库中确定第一身份对应的最新任务;
若最新任务不为空,提取最新任务中的任务开始时刻;
获取当前时刻;
若当前时刻大于等于任务开始时刻,将对应身份对应的第一人员作为准入人员;
基于预设的准入提示信息生成模板,根据准入人员对应的身份,生成准入提示信息;
通过设置在生产现场的入口处旁的第一显示设备显示准入提示信息;
和/或,
将准入人员对应的身份发送至设置在生产现场的入口处旁的准入查验机器人。
优选的,步骤4:基于第二图像和预设的行为判定模型,确定准入人员产生的不规范行为并进行对应预警,包括:
基于行为识别技术,根据第二图像,确定准入人员在生产现场内产生的多个第一行为;
将第一行为输入至行为判定模型,确定行为判定结果;
当行为判定结果为不规范行为时,将对应准入人员作为预警目标;
基于预警目标对应的第二图像,确定预警目标的面部位置和面部朝向;
获取生产现场对应的预设的显示设备地图;
从显示设备地图上确定面部位置周边预设的范围内的多个第二显示设备;
获取第二显示设备的设备位置;
获取面部位置与设备位置之间的中间区域的第三图像;
基于第三图像,确定面部位置与设备位置之间是否有视线遮挡物;
若否,将对应第二显示设备作为第三显示设备;
获取第三显示设备对应的显示方向;
基于预设的第一特征提取模板,对预警目标的面部位置和面部朝向以及第三显示设备的设备位置和显示方向进行特征提取,获得多个第一特征值;
基于第一特征值,构建提示描述向量;
获取预设的提示描述向量评价库;
基于提示描述向量和提示描述向量评价库,确定评价值;
获取不规范行为对应的预设的预警信息;
通过最大评价值对应的提示描述向量对应的第三显示设备临时显示预警信息。
优选的,基于机器视觉的蛋糕无菌生产控制方法,还包括:
获取生产现场内的多个生产设备的设备信息;
基于设备信息,确定异常生产设备和异常生产设备的异常类型;
获取异常类型对应的解决对策;
基于预设的维修任务生成模板,根据异常生产设备和异常生产设备的异常类型以及解决对策,生成维修任务;
将维修任务随机分发给当前空闲的第二人员;
获取第二人员的第二身份;
将维修任务和第二身份进行配对,获得配对项,并添加进任务库中。
优选的,基于设备信息,确定异常生产设备和异常生产设备的异常类型,包括:
获取生产设备对应的预设的第二特征提取模板;
基于第二特征提取模板,对相应设备信息进行特征提取,获得多个第二特征值;
基于第二特征值,构建设备状态描述向量;
获取生产设备对应的预设的设备状态确定库;
基于设备状态描述向量和设备状态确定库,确定设备状态;
当设备状态为异常类型时,将对应生产设备作为异常生产设备。
优选的,获取异常类型对应的解决对策,包括:
获取异常类型对应的预设的严重值;
若严重值小于等于预设的严重值阈值,获取异常类型对应的预设的解决对策;
否则,构建在线处理室,将多个当前空闲的专业的第三人员接入在线处理室;
将异常生产设备和对应异常类型在在线处理室内进行公开;
获取第三人员在在线处理室内进行处理讨论产生的多个第一讨论记录;
基于第一讨论记录,确定解决对策。
优选的,基于第一讨论记录,确定解决对策,包括:
获取讨论记录的产生时间;
基于产生时间,将讨论记录对应设置于预设的时间轴上;
对第一讨论记录进行语义提取,获得第一语义;
获取预设的指挥语义库;
将第一语义与指挥语义库中的第二语义进行匹配;
若匹配符合,获取匹配符合的第二语义对应的预设的第一指挥指令,同时,确定时间轴上匹配符合的第一语义对应的第一讨论记录之后预设的范围内的第一讨论记录,并作为第二讨论记录;
基于第二讨论记录,确定第一指挥指令是否有效;
若是,将对应第一指挥指令作为第二指挥指令;
整合各个第二指挥指令,获得解决对策。
优选的,基于第二讨论记录,确定第一指挥指令是否有效,包括:
获取预设的语义分歧识别模型;
将匹配符合的第一语义对应的第一讨论记录以及第二讨论记录输入至语义分歧识别模型,确定识别结果;
当识别结果为未存在语义分歧时,第一指挥指令有效;
否则,无效。
本发明实施例提供的一种基于机器视觉的蛋糕无菌生产控制系统,包括:
第一获取模块,用于获取待进入蛋糕无菌生产的生产现场的第一人员的第一图像;
准入模块,用于基于第一图像和预设的任务库,从第一人员中确定准入人员并进行对应准入;
第二获取模块,用于跟踪获取准入人员在生产现场内的第二图像;
预警模块,用于基于第二图像和预设的行为判定模型,确定准入人员产生的不规范行为并进行对应预警。
优选的,准入模块基于第一图像和预设的任务库,从第一人员中确定准入人员并进行对应准入,包括:
对第一图像进行人脸提取,获得第一人员的人脸ID;
获取预设的身份库;
基于人脸ID和身份库,确定第一人员的第一身份;
从任务库中确定第一身份对应的最新任务;
若最新任务不为空,提取最新任务中的任务开始时刻;
获取当前时刻;
若当前时刻大于等于任务开始时刻,将对应身份对应的第一人员作为准入人员;
基于预设的准入提示信息生成模板,根据准入人员对应的身份,生成准入提示信息;
通过设置在生产现场的入口处旁的第一显示设备显示准入提示信息;
和/或,
将准入人员对应的身份发送至设置在生产现场的入口处旁的准入查验机器人。
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
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:
图1为本发明实施例中一种基于机器视觉的蛋糕无菌生产控制方法的示意图;
图2为本发明实施例中一种基于机器视觉的蛋糕无菌生产控制系统的示意图。
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。
本发明实施例提供了一种基于机器视觉的蛋糕无菌生产控制方法,如图1所示,包括:
步骤1:获取待进入蛋糕无菌生产的生产现场的第一人员的第一图像;
步骤2:基于第一图像和预设的任务库,从第一人员中确定准入人员并进行对应准入;
步骤3:跟踪获取准入人员在生产现场内的第二图像;
步骤4:基于第二图像和预设的行为判定模型,确定准入人员产生的不规范行为并进行对应预警。
上述技术方案的工作原理及有益效果为:
第一图像可通过设置在生产现场入口旁的摄像机进行拍摄获取。引入预设的任务库,任务库中存储有给不同人员分发的新任务。当第一人员准备进入生产现场时,基于任务库,确定其是否有任务,若是,作为准入人员进行准入。保证生产现场内的人员数目应为满足生产需要的最低数目。第二图像可以通过设置在生产现场内的多个摄像机进行拍摄获取。基于第二图像,可以确定准入人员在生产现场内产生的行为。引入预设的行为判定模型,行为判定模型为利用大量无菌生产现场内人员不规范行为对神经网络模型进行训练至收敛获得的人工智能模型,神经网络模型及模型训练属于现有技术范畴,不作赘述。基于行为判定模型,对准入人员在生产现场内产生的行为进行判定,判定其是否规范,若否,进行相应预警,例如:对相应准入人员进行提醒。全程通过第一图像和第二图像进行准入和行为规范判定,实现利用机器视觉。有效避免人员产生污染行为,无需人工进行监管,降低了人力成本,另外,也提升了监管全面性和监管及时性。
本发明实施例提供了一种基于机器视觉的蛋糕无菌生产控制方法,步骤2:基于第一图像和预设的任务库,从第一人员中确定准入人员并进行对应准入,包括:
对第一图像进行人脸提取,获得第一人员的人脸ID;
获取预设的身份库;
基于人脸ID和身份库,确定第一人员的第一身份;
从任务库中确定第一身份对应的最新任务;
若最新任务不为空,提取最新任务中的任务开始时刻;
获取当前时刻;
若当前时刻大于等于任务开始时刻,将对应身份对应的第一人员作为准入人员;
基于预设的准入提示信息生成模板,根据准入人员对应的身份,生成准入提示信息;
通过设置在生产现场的入口处旁的第一显示设备显示准入提示信息;
和/或,
将准入人员对应的身份发送至设置在生产现场的入口处旁的准入查验机器人。
上述技术方案的工作原理及有益效果为:
提取出第一图像上的第一人员的人脸ID,可基于人脸识别技术实现。引入预设的身份库,身份库中存储有不同人脸ID对应的人员身份。查询身份库,确定第一人员的第一身份。查询任务库,确定第一人员的最新任务。若最新任务为空,说明没有给该第一人员分配任务,不允许进入。若最新任务不为空,提取最新任务的任务开始时刻,任务开始时刻为第一人员应该开始执行任务时的时刻。若当前时刻大于等于任务开始时刻,说明第一人员应该开始执行任务,作为准入人员进行准入。提升了准入判定的合理性。
在进行准入时,有两种方式:第一种,引入预设的准入提示信息生成模板,根据准入人员对应的身份,生成准入提示信息,例如:“某某,可以进入”;第二种,将准入人员对应的身份发送至设置在生产现场的入口处旁的准入查验机器人,准入查验机器人收到身份后,允许对应准入人员进入。提升了准入的可达性。
本发明实施例提供了一种基于机器视觉的蛋糕无菌生产控制方法,步骤4:基于第二图像和预设的行为判定模型,确定准入人员产生的不规范行为并进行对应预警,包括:
基于行为识别技术,根据第二图像,确定准入人员在生产现场内产生的多个第一行为;
将第一行为输入至行为判定模型,确定行为判定结果;
当行为判定结果为不规范行为时,将对应准入人员作为预警目标;
基于预警目标对应的第二图像,确定预警目标的面部位置和面部朝向;
获取生产现场对应的预设的显示设备地图;
从显示设备地图上确定面部位置周边预设的范围内的多个第二显示设备;
获取第二显示设备的设备位置;
获取面部位置与设备位置之间的中间区域的第三图像;
基于第三图像,确定面部位置与设备位置之间是否有视线遮挡物;
若否,将对应第二显示设备作为第三显示设备;
获取第三显示设备对应的显示方向;
基于预设的第一特征提取模板,对预警目标的面部位置和面部朝向以及第三显示设备的设备位置和显示方向进行特征提取,获得多个第一特征值;
基于第一特征值,构建提示描述向量;
获取预设的提示描述向量评价库;
基于提示描述向量和提示描述向量评价库,确定评价值;
获取不规范行为对应的预设的预警信息;
通过最大评价值对应的提示描述向量对应的第三显示设备临时显示预警信息。
上述技术方案的工作原理及有益效果为:
一般的,生产现场内有多个生产设备运作,生产设备在运作过程中,声音较大,当准入人员产生不规范行为时,若通过音响进行播报提醒,准入人员可能会听不见或听不清晰。另外,通过音响进行播报提醒,还可能会分散生产现场内的其他准入人员的注意力,特别是一些操作特殊设备(例如:蛋糕切割机等)的准入人员,不能受到影响。因此,亟需进行解决。
由行为判定模型确定不规范行为后,基于产生不规范行为的准入人员即预警目标对应的第二图像,确定预警目标的面部位置和面部朝向。引入生产现场对应的预设的显示设备地图,显示设备地图上标注有生产现场内各个显示设备的位置等,显示设备可以为显示屏等。引入预设的范围,范围可以为2米。基于该范围,筛选出靠近预警目标面部位置的第二显示设备。获取第二显示设备的设备位置。引入面部位置和设备位置之间的中间区域,中间区域为可以确定面部位置和设备位置之间是否有视线遮挡物的最小区域。中间区域的第三图像可以由生产现场内拍摄范围涵盖中间区域的摄像机进行拍摄获取。技术第三图像,确定是否有视线遮挡,筛选出预警目标可以看到的第三显示设备。获取第三显示设备的显示方向。引入预设的第一特征提取模板,对预警目标的面部位置和面部朝向以及第三显示设备的设备位置和显示方向进行特征提取,获得多个第一特征值,第一特征值可以为:面部位置和设备位置之间的距离以及面部朝向与显示方向的方向夹角等,提取面部朝向与显示方向的方向夹角时,可以将面部朝向与显示方向分别转换成第一方向向量和第二方向向量,计算第一方向向量和第二方向向量的向量夹角,公式为:θ为向量夹角,A和B分别为第一方向向量和第二方向向量,arccos为反余弦函数,|…|为向量的模。基于第一特征值,构建提示描述向量,基于信息数据进行向量构建属于现有技术范畴,不作赘述。引入预设的提示描述向量评价库,提示描述向量评价库中存储有不同提示描述向量对应的评价值,一般的,第一特征值里的面部位置和设备位置之间的距离越小以及面部朝向与显示方向的方向夹角越大时,说明预警目标查看对应第三显示设备的查看角度越佳,因此,评价值越大。引入不规范行为对应的预设的预警信息,例如:不规范行为双手即将碰地,预警信息为“请双手不要碰地!”。通过最大评价值对应的第三显示设备临时显示预警信息,很好地利用到生产现场内多个显示设备,极大程度上提升了预警信息的可达性,提升了预警效果,相较于通过音响播报提醒,更具有适用性。另外,当用户面部位置和面部方向发生改变且不规范行为仍存在时,会根据面部位置和面部方向再次动态确定适宜的第三提示设备,直至预警成功。
本发明实施例提供了一种基于机器视觉的蛋糕无菌生产控制方法,还包括:
获取生产现场内的多个生产设备的设备信息;
基于设备信息,确定异常生产设备和异常生产设备的异常类型;
获取异常类型对应的解决对策;
基于预设的维修任务生成模板,根据异常生产设备和异常生产设备的异常类型以及解决对策,生成维修任务;
将维修任务随机分发给当前空闲的第二人员;
获取第二人员的第二身份;
将维修任务和第二身份进行配对,获得配对项,并添加进任务库中。
上述技术方案的工作原理及有益效果为:
设备信息可以为生产设备的温度、电压和电流参数等。基于设备信息,确定异常生产设备和对应的异常类型。获取异常类型对应的解决对策。引入预设的维修任务生成模板,根据异常生产设备和异常生产设备的异常类型以及解决对策,生成维修任务,例如:某搅拌机、电机温度过高和检查电机散热器。分发给空闲的第二人员,第二人员收到任务后,前往生产现场进行对应维修。同时,将维修任务和第二人员的第二身份进行配对,将获得的配对项添加进任务库中,配合上述的准入设置。由平台对设备进行异常诊断,诊断出异常后,自行分配异常维修任务,进一步实现了机器视觉。
本发明实施例提供了一种基于机器视觉的蛋糕无菌生产控制方法,基于设备信息,确定异常生产设备和异常生产设备的异常类型,包括:
获取生产设备对应的预设的第二特征提取模板;
基于第二特征提取模板,对相应设备信息进行特征提取,获得多个第二特征值;
基于第二特征值,构建设备状态描述向量;
获取生产设备对应的预设的设备状态确定库;
基于设备状态描述向量和设备状态确定库,确定设备状态;
当设备状态为异常类型时,将对应生产设备作为异常生产设备。
上述技术方案的工作原理及有益效果为:
引入生产设备对应的预设的第二特征提取模板,对相应设备信息进行特征提取,获得多个第二特征值,第二特征值可以为:搅拌机的电机温度等。基于第二特征值,构建设备状态描述向量,引入生产设备对应的预设的设备状态确定库,设备状态确定库中存储有不同设备状态描述向量对应的设备状态。当异常设备为异常类型时,也将对应生产设备作为异常生产设备。提升了异常判定的判定效率和判定精准性。
本发明实施例提供了一种基于机器视觉的蛋糕无菌生产控制方法,获取异常类型对应的解决对策,包括:
获取异常类型对应的预设的严重值;
若严重值小于等于预设的严重值阈值,获取异常类型对应的预设的解决对策;
否则,构建在线处理室,将多个当前空闲的专业的第三人员接入在线处理室;
将异常生产设备和对应异常类型在在线处理室内进行公开;
获取第三人员在在线处理室内进行处理讨论产生的多个第一讨论记录;
基于第一讨论记录,确定解决对策。
上述技术方案的工作原理及有益效果为:
引入异常类型对应的预设的严重值,严重值反应该异常类型的异常严重程度大小。异常严重程度较小时,直接获取异常类型对应的预设的解决对策,该预设的解决对策为预先设置的对应于该异常类型的解决对策。但是,当异常严重程度较大时,需要专业人员进行讨论处理。构建在线处理室,在线处理室可基于在线会议技术实现。将空闲的专业的第三人员介入在线处理室,将异常生产设备和对应异常类型在在线处理室内进行公开,使得第三人员全部查看到。根据第三人员的第一讨论记录,确定解决对策,第一讨论记录可以为语音讨论记录等。提升了解决对策获取的合理性,保证异常类型能够有适宜的解决对策进行解决。另外,也实现了专业人员进行远程指挥,无需进入生产现场,比较便捷。
本发明实施例提供了一种基于机器视觉的蛋糕无菌生产控制方法,基于第一讨论记录,确定解决对策,包括:
获取讨论记录的产生时间;
基于产生时间,将讨论记录对应设置于预设的时间轴上;
对第一讨论记录进行语义提取,获得第一语义;
获取预设的指挥语义库;
将第一语义与指挥语义库中的第二语义进行匹配;
若匹配符合,获取匹配符合的第二语义对应的预设的第一指挥指令,同时,确定时间轴上匹配符合的第一语义对应的第一讨论记录之后预设的范围内的第一讨论记录,并作为第二讨论记录;
基于第二讨论记录,确定第一指挥指令是否有效;
若是,将对应第一指挥指令作为第二指挥指令;
整合各个第二指挥指令,获得解决对策。
上述技术方案的工作原理及有益效果为:
提取出第一讨论记录的第一语义,可基于语义提取技术实现。引入预设的指挥语义库,指挥语义库中存储有大量指挥类型的语义,例如:“检查电机历史转速”等。将第一语义与其中的第二语义进行匹配,若匹配符合,说明第三人员做出决定,获取匹配符合的第二语义对应的预设的第一指挥指令,例如:检查电机历史转速。但是,做出决定是一个讨论过程,需要确定之后第三人员对该指令有没有分歧意见,例如:其他第三人员不同意,觉得如何做更好等。因此,基于时间轴上匹配符合的第一语义对应的第一讨论记录之后预设的范围内的第二讨论记录,确定第一指挥指令是否有效。若是,作为第二指挥指令。整合第二指挥指令,则获得解决对策。提升了解决对策获取的智能化,第三人员无需在讨论过后手动输入指挥指令或口头发出指挥指令,提升了用户体验,更提升了异常类型解决的及时性。
本发明实施例提供了一种基于机器视觉的蛋糕无菌生产控制方法,基于第二讨论记录,确定第一指挥指令是否有效,包括:
获取预设的语义分歧识别模型;
将匹配符合的第一语义对应的第一讨论记录以及第二讨论记录输入至语义分歧识别模型,确定识别结果;
当识别结果为未存在语义分歧时,第一指挥指令有效;
否则,无效。
上述技术方案的工作原理及有益效果为:
引入预设的语义分歧识别模型,语义分歧识别模型为利用大量的语义存在分歧的聊天记录和/或人工进行语义分歧识别的记录对神经网络模型进行训练至收敛的人工智能模型。将匹配符合的第一语义对应的第一讨论记录以及第二讨论记录输入至语义分歧识别模型,确定识别结果。当识别结果为未存在语义分歧时,第一指挥指令有效。提升了语义分歧识别的精准性和识别效率。
本发明实施例提供了一种基于机器视觉的蛋糕无菌生产控制系统,如图2所示,包括:
第一获取模块1,用于获取待进入蛋糕无菌生产的生产现场的第一人员的第一图像;
准入模块2,用于基于第一图像和预设的任务库,从第一人员中确定准入人员并进行对应准入;
第二获取模块3,用于跟踪获取准入人员在生产现场内的第二图像;
预警模块4,用于基于第二图像和预设的行为判定模型,确定准入人员产生的不规范行为并进行对应预警。
本发明实施例提供了一种基于机器视觉的蛋糕无菌生产控制系统,准入模块2基于第一图像和预设的任务库,从第一人员中确定准入人员并进行对应准入,包括:
对第一图像进行人脸提取,获得第一人员的人脸ID;
获取预设的身份库;
基于人脸ID和身份库,确定第一人员的第一身份;
从任务库中确定第一身份对应的最新任务;
若最新任务不为空,提取最新任务中的任务开始时刻;
获取当前时刻;
若当前时刻大于等于任务开始时刻,将对应身份对应的第一人员作为准入人员;
基于预设的准入提示信息生成模板,根据准入人员对应的身份,生成准入提示信息;
通过设置在生产现场的入口处旁的第一显示设备显示准入提示信息;
和/或,
将准入人员对应的身份发送至设置在生产现场的入口处旁的准入查验机器人。
显然,本领域的技术第一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 (9)
1.一种基于机器视觉的蛋糕无菌生产控制方法,其特征在于,包括:
步骤1:获取待进入蛋糕无菌生产的生产现场的第一人员的第一图像;
步骤2:基于所述第一图像和预设的任务库,从所述第一人员中确定准入人员并进行对应准入;
步骤3:跟踪获取所述准入人员在所述生产现场内的第二图像;
步骤4:基于所述第二图像和预设的行为判定模型,确定所述准入人员产生的不规范行为并进行对应预警;
所述步骤4:基于所述第二图像和预设的行为判定模型,确定所述准入人员产生的不规范行为并进行对应预警,包括:
基于行为识别技术,根据所述第二图像,确定所述准入人员在所述生产现场内产生的多个第一行为;
将所述第一行为输入至所述行为判定模型,确定行为判定结果;
当所述行为判定结果为不规范行为时,将对应所述准入人员作为预警目标;
基于所述预警目标对应的所述第二图像,确定所述预警目标的面部位置和面部朝向;
获取所述生产现场对应的预设的显示设备地图;
从所述显示设备地图上确定所述面部位置周边预设的范围内的多个第二显示设备;
获取所述第二显示设备的设备位置;
获取所述面部位置与所述设备位置之间的中间区域的第三图像;
基于所述第三图像,确定所述面部位置与所述设备位置之间是否有视线遮挡物;
若否,将对应所述第二显示设备作为第三显示设备;
获取所述第三显示设备对应的显示方向;
基于预设的第一特征提取模板,对所述预警目标的面部位置和面部朝向以及所述第三显示设备的所述设备位置和所述显示方向进行特征提取,获得多个第一特征值;
基于所述第一特征值,构建提示描述向量;
获取预设的提示描述向量评价库;
基于所述提示描述向量和所述提示描述向量评价库,确定评价值;
获取所述不规范行为对应的预设的预警信息;
通过最大所述评价值对应的所述提示描述向量对应的所述第三显示设备临时显示所述预警信息。
2.如权利要求1所述的一种基于机器视觉的蛋糕无菌生产控制方法,其特征在于,所述步骤2:基于所述第一图像和预设的任务库,从所述第一人员中确定准入人员并进行对应准入,包括:
对所述第一图像进行人脸提取,获得所述第一人员的人脸ID;
获取预设的身份库;
基于所述人脸ID和所述身份库,确定所述第一人员的第一身份;
从所述任务库中确定所述第一身份对应的最新任务;
若所述最新任务不为空,提取所述最新任务中的任务开始时刻;
获取当前时刻;
若所述当前时刻大于等于所述任务开始时刻,将对应所述身份对应的所述第一人员作为准入人员;
基于预设的准入提示信息生成模板,根据所述准入人员对应的所述身份,生成准入提示信息;
通过设置在所述生产现场的入口处旁的第一显示设备显示所述准入提示信息;
和/或,
将所述准入人员对应的所述身份发送至设置在所述生产现场的入口处旁的准入查验机器人。
3.如权利要求1所述的一种基于机器视觉的蛋糕无菌生产控制方法,其特征在于,还包括:
获取所述生产现场内的多个生产设备的设备信息;
基于所述设备信息,确定异常生产设备和所述异常生产设备的异常类型;
获取所述异常类型对应的解决对策;
基于预设的维修任务生成模板,根据所述异常生产设备和所述异常生产设备的异常类型以及所述解决对策,生成维修任务;
将所述维修任务随机分发给当前空闲的第二人员;
获取所述第二人员的第二身份;
将所述维修任务和所述第二身份进行配对,获得配对项,并添加进所述任务库中。
4.如权利要求3所述的一种基于机器视觉的蛋糕无菌生产控制方法,其特征在于,所述基于所述设备信息,确定异常生产设备和所述异常生产设备的异常类型,包括:
获取所述生产设备对应的预设的第二特征提取模板;
基于所述第二特征提取模板,对相应所述设备信息进行特征提取,获得多个第二特征值;
基于所述第二特征值,构建设备状态描述向量;
获取所述生产设备对应的预设的设备状态确定库;
基于所述设备状态描述向量和所述设备状态确定库,确定设备状态;
当所述设备状态为异常类型时,将对应所述生产设备作为异常生产设备。
5.如权利要求3所述的一种基于机器视觉的蛋糕无菌生产控制方法,其特征在于,所述获取所述异常类型对应的解决对策,包括:
获取所述异常类型对应的预设的严重值;
若所述严重值小于等于预设的严重值阈值,获取所述异常类型对应的预设的解决对策;
否则,构建在线处理室,将多个当前空闲的专业的第三人员接入所述在线处理室;
将所述异常生产设备和对应异常类型在所述在线处理室内进行公开;
获取所述第三人员在所述在线处理室内进行处理讨论产生的多个第一讨论记录;
基于所述第一讨论记录,确定解决对策。
6.如权利要求5所述的一种基于机器视觉的蛋糕无菌生产控制方法,其特征在于,所述基于所述第一讨论记录,确定解决对策,包括:
获取所述讨论记录的产生时间;
基于所述产生时间,将所述讨论记录对应设置于预设的时间轴上;
对所述第一讨论记录进行语义提取,获得第一语义;
获取预设的指挥语义库;
将所述第一语义与所述指挥语义库中的第二语义进行匹配;
若匹配符合,获取匹配符合的所述第二语义对应的预设的第一指挥指令,同时,确定所述时间轴上匹配符合的所述第一语义对应的所述第一讨论记录之后预设的范围内的所述第一讨论记录,并作为第二讨论记录;
基于所述第二讨论记录,确定所述第一指挥指令是否有效;
若是,将对应所述第一指挥指令作为第二指挥指令;
整合各个所述第二指挥指令,获得解决对策。
7.如权利要求6所述的一种基于机器视觉的蛋糕无菌生产控制方法,其特征在于,所述基于所述第二讨论记录,确定所述第一指挥指令是否有效,包括:
获取预设的语义分歧识别模型;
将匹配符合的所述第一语义对应的所述第一讨论记录以及所述第二讨论记录输入至所述语义分歧识别模型,确定识别结果;
当所述识别结果为未存在语义分歧时,所述第一指挥指令有效;
否则,无效。
8.一种基于机器视觉的蛋糕无菌生产控制系统,其特征在于,包括:
第一获取模块,用于获取待进入蛋糕无菌生产的生产现场的第一人员的第一图像;
准入模块,用于基于所述第一图像和预设的任务库,从所述第一人员中确定准入人员并进行对应准入;
第二获取模块,用于跟踪获取所述准入人员在所述生产现场内的第二图像;
预警模块,用于基于所述第二图像和预设的行为判定模型,确定所述准入人员产生的不规范行为并进行对应预警;
所述预警模块基于所述第二图像和预设的行为判定模型,确定所述准入人员产生的不规范行为并进行对应预警,包括:
基于行为识别技术,根据所述第二图像,确定所述准入人员在所述生产现场内产生的多个第一行为;
将所述第一行为输入至所述行为判定模型,确定行为判定结果;
当所述行为判定结果为不规范行为时,将对应所述准入人员作为预警目标;
基于所述预警目标对应的所述第二图像,确定所述预警目标的面部位置和面部朝向;
获取所述生产现场对应的预设的显示设备地图;
从所述显示设备地图上确定所述面部位置周边预设的范围内的多个第二显示设备;
获取所述第二显示设备的设备位置;
获取所述面部位置与所述设备位置之间的中间区域的第三图像;
基于所述第三图像,确定所述面部位置与所述设备位置之间是否有视线遮挡物;
若否,将对应所述第二显示设备作为第三显示设备;
获取所述第三显示设备对应的显示方向;
基于预设的第一特征提取模板,对所述预警目标的面部位置和面部朝向以及所述第三显示设备的所述设备位置和所述显示方向进行特征提取,获得多个第一特征值;
基于所述第一特征值,构建提示描述向量;
获取预设的提示描述向量评价库;
基于所述提示描述向量和所述提示描述向量评价库,确定评价值;
获取所述不规范行为对应的预设的预警信息;
通过最大所述评价值对应的所述提示描述向量对应的所述第三显示设备临时显示所述预警信息。
9.如权利要求8所述的一种基于机器视觉的蛋糕无菌生产控制系统,其特征在于,所述准入模块基于所述第一图像和预设的任务库,从所述第一人员中确定准入人员并进行对应准入,包括:
对所述第一图像进行人脸提取,获得所述第一人员的人脸ID;
获取预设的身份库;
基于所述人脸ID和所述身份库,确定所述第一人员的第一身份;
从所述任务库中确定所述第一身份对应的最新任务;
若所述最新任务不为空,提取所述最新任务中的任务开始时刻;
获取当前时刻;
若所述当前时刻大于等于所述任务开始时刻,将对应所述身份对应的所述第一人员作为准入人员;
基于预设的准入提示信息生成模板,根据所述准入人员对应的所述身份,生成准入提示信息;
通过设置在所述生产现场的入口处旁的第一显示设备显示所述准入提示信息;
和/或,
将所述准入人员对应的所述身份发送至设置在所述生产现场的入口处旁的准入查验机器人。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210733175.8A CN114973492B (zh) | 2022-06-27 | 2022-06-27 | 一种基于机器视觉的蛋糕无菌生产控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210733175.8A CN114973492B (zh) | 2022-06-27 | 2022-06-27 | 一种基于机器视觉的蛋糕无菌生产控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114973492A CN114973492A (zh) | 2022-08-30 |
CN114973492B true CN114973492B (zh) | 2023-09-19 |
Family
ID=82965111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210733175.8A Active CN114973492B (zh) | 2022-06-27 | 2022-06-27 | 一种基于机器视觉的蛋糕无菌生产控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114973492B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004110855A (ja) * | 2003-12-25 | 2004-04-08 | Hitachi Ltd | 発電設備の遠隔運用支援方法及び発電設備の遠隔運用支援システム |
JP2015130105A (ja) * | 2014-01-08 | 2015-07-16 | 三菱電機株式会社 | オペレータ監視制御装置およびオペレータ監視制御方法 |
CN106301932A (zh) * | 2016-08-23 | 2017-01-04 | 中国电子科技集团公司第四十研究所 | 基于动态安全队列的设备测试维修信息远程传输方法及系统 |
CN108009728A (zh) * | 2017-12-05 | 2018-05-08 | 深圳春沐源控股有限公司 | 园区内的区域安全管理方法及系统 |
CN109325733A (zh) * | 2018-09-03 | 2019-02-12 | 深圳市恒天吉科技技术发展有限公司 | 一种建筑工地施工人员管理系统 |
CN110166741A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 基于人工智能的环境监控方法、装置、设备及存储介质 |
CN110363428A (zh) * | 2019-07-16 | 2019-10-22 | 上海秒针网络科技有限公司 | 一种档案关联处理方法及装置 |
CN110825768A (zh) * | 2019-10-10 | 2020-02-21 | 安徽康佳电子有限公司 | 一种基于云分析的远程电视异常处理方法及系统 |
CN111310539A (zh) * | 2019-11-26 | 2020-06-19 | 上海秒针网络科技有限公司 | 食品加工区域的监管方法和装置 |
CN114022990A (zh) * | 2021-11-05 | 2022-02-08 | 广东电网有限责任公司 | 一种门禁动态授权系统及方法 |
-
2022
- 2022-06-27 CN CN202210733175.8A patent/CN114973492B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004110855A (ja) * | 2003-12-25 | 2004-04-08 | Hitachi Ltd | 発電設備の遠隔運用支援方法及び発電設備の遠隔運用支援システム |
JP2015130105A (ja) * | 2014-01-08 | 2015-07-16 | 三菱電機株式会社 | オペレータ監視制御装置およびオペレータ監視制御方法 |
CN106301932A (zh) * | 2016-08-23 | 2017-01-04 | 中国电子科技集团公司第四十研究所 | 基于动态安全队列的设备测试维修信息远程传输方法及系统 |
CN108009728A (zh) * | 2017-12-05 | 2018-05-08 | 深圳春沐源控股有限公司 | 园区内的区域安全管理方法及系统 |
CN109325733A (zh) * | 2018-09-03 | 2019-02-12 | 深圳市恒天吉科技技术发展有限公司 | 一种建筑工地施工人员管理系统 |
CN110166741A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 基于人工智能的环境监控方法、装置、设备及存储介质 |
CN110363428A (zh) * | 2019-07-16 | 2019-10-22 | 上海秒针网络科技有限公司 | 一种档案关联处理方法及装置 |
CN110825768A (zh) * | 2019-10-10 | 2020-02-21 | 安徽康佳电子有限公司 | 一种基于云分析的远程电视异常处理方法及系统 |
CN111310539A (zh) * | 2019-11-26 | 2020-06-19 | 上海秒针网络科技有限公司 | 食品加工区域的监管方法和装置 |
CN114022990A (zh) * | 2021-11-05 | 2022-02-08 | 广东电网有限责任公司 | 一种门禁动态授权系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114973492A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109980781B (zh) | 一种变电站智能监控系统 | |
CN111680551A (zh) | 监控牲畜数量的方法、装置、计算机设备及存储介质 | |
CN110579782A (zh) | 一种电力作业人员可视化定位追踪系统及方法 | |
CN106339679A (zh) | 一种人脸识别系统 | |
CN115437507B (zh) | 基于ar眼镜的设备维修指导方法、系统及相关设备 | |
CN113989503A (zh) | 一种生产线巡检系统、方法、电子设备及存储介质 | |
CN110503022A (zh) | 一种身份识别方法、装置及系统 | |
JP6270488B2 (ja) | オペレータ監視制御装置およびオペレータ監視制御方法 | |
CN115510253A (zh) | 基于三维知识图谱的变电站设备ar辅助维修方法及终端 | |
CN110097655B (zh) | 一种电子巡更方法 | |
CN114378862B (zh) | 基于云平台的机器人异常自动修复方法、装置和机器人 | |
CN114973492B (zh) | 一种基于机器视觉的蛋糕无菌生产控制方法及系统 | |
CN115861173A (zh) | 基于数字孪生和ai的分光器资源准确性自动检测系统和方法 | |
CN112087603A (zh) | 智慧考场监管方法 | |
US11776294B2 (en) | Method, apparatus, computing device and computer-readable storage medium for monitoring use of target item | |
CN109445388B (zh) | 基于图像识别的工业控制系统数据分析处理装置及方法 | |
TWI732392B (zh) | 工廠管理系統及控制系統 | |
CN112288317A (zh) | 一种基于多源异构数据治理的工业大数据分析平台和方法 | |
CN114048346B (zh) | 一种基于gis的安全生产一体化管控平台及方法 | |
CN115864199A (zh) | 一种基于增强现实型ar眼镜的电力巡检系统 | |
US20240135525A1 (en) | Method and system of providing assistance during an operation performed on an equipment | |
US20240233113A9 (en) | Method and system of providing assistance during an operation performed on an equipment | |
CN114333180B (zh) | 一种基于区块链技术的金融自助设备检修方法 | |
CN115306693B (zh) | 一种水泵系统监控的控制方法、装置及系统 | |
CN116486527A (zh) | 洁净室出入实时管理系统、方法、装置及介质 |
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 |