CN115734072A - 一种工业自动化设备的物联网集中监控方法及装置 - Google Patents
一种工业自动化设备的物联网集中监控方法及装置 Download PDFInfo
- Publication number
- CN115734072A CN115734072A CN202211250133.5A CN202211250133A CN115734072A CN 115734072 A CN115734072 A CN 115734072A CN 202211250133 A CN202211250133 A CN 202211250133A CN 115734072 A CN115734072 A CN 115734072A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- image
- area
- information
- image information
- 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
Links
Images
Classifications
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明涉及生产监控技术领域,具体公开了一种工业自动化设备的物联网集中监控方法及装置,所述方法包括获取含有相应监控端参数的图像信息;接收监控端发送的含有监控端参数的图像信息,对所述图像信息进行区域识别;所述监控端参数包括监控端编号;根据区域识别结果向监控端发送监控指令,获取监控端基于监控指令获取的细节图像;根据所述细节图像生成监控报告。本发明技术方案通过多个自由度较高的图像获取设备,获取整个区域的图像,实时更新区域模型,并对区域模型进行设备区和人员区的切分,基于切分结果进一步获取细节图像,能够起到极好地参考作用,降低监管人员的监管疲劳度。
Description
技术领域
本发明涉及生产监控技术领域,具体是一种工业自动化设备的物联网集中监控方法及装置。
背景技术
随着社会的进步以及科技的发展,工业自动化进程是大势所趋;现有的对于生产过程的自动化开发逐渐完善,但是对于监控过程,大都依赖于最基础的摄像头,监管人员根据摄像头获取到的图像对区域进行监管。可以想到,这一过程的灵活度很低,尽管在现有技术中,存在枪球联动的图像获取技术,能够扩充监管人员的查询视角,但是监管人员在分析图像时,依旧很困难。
发明内容
本发明的目的在于提供一种工业自动化设备的物联网集中监控方法及装置,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种工业自动化设备的物联网集中监控方法,所述方法包括:
接收用户输入的环境参数,根据所述环境参数确定图像获取模式,将所述图像获取模式向监控端发送;监控端在接收到图像获取模式时,获取含有相应监控端参数的图像信息;
接收监控端发送的含有监控端参数的图像信息,对所述图像信息进行区域识别;所述监控端参数包括监控端编号;
根据区域识别结果向监控端发送监控指令,获取监控端基于监控指令获取的细节图像;
根据所述细节图像生成监控报告。
作为本发明进一步的方案:所述监控端在接收到图像获取模式时,获取含有相应监控端参数的图像信息的步骤包括:
对采集到的图像信息进行光电转换,对光电转换数据进行统计,得到直方图;
获取判断所述直方图分布变化,判断是否有雾霾以及雾霾浓度;其中,在非雾霾场景下图像直方图分布比较均匀,在雾霾场景下图像直方图基本集中在中间区域,雾霾越重,直方图越集中;
当从所述直方图中判断出有雾霾时,将所述图像获取模式确定为透雾模式。
作为本发明进一步的方案:所述接收监控端发送的含有监控端参数的图像信息,对所述图像信息进行区域识别的步骤包括:
接收监控端发送的含有监控端参数的图像信息,读取所述监控端参数中的监控端编号;
根据所述监控端编号获取监控端的位置信息,根据所述位置信息和所述监控端参数确定图像信息的范围信息;所述范围信息由相对于车间的点位信息描述;
根据所述范围信息将所述图像信息填充至预设的环境模型;
对所述环境模型进行区域识别;其中,区域识别过程生成区域标签,所述区域标签包括设备区和人员区。
作为本发明进一步的方案:所述根据所述范围信息将所述图像信息填充至预设的环境模型的步骤包括:
读取所述范围信息中的点位信息,根据所述点位信息定位环境模型中的待填充区域;
提取待填充区域内的已存图像,将所述图像信息与所述已存图像进行比对,根据比对结果计算相似度;
当所述相似度达到预设的相似度阈值时,将所述图像信息填充至预设的环境模型;
当所述相似度小于预设的相似度阈值时,对所述环境模型进行修正式填充。
作为本发明进一步的方案:所述当所述相似度小于预设的相似度阈值时,对所述环境模型进行修正式填充的步骤包括:
当所述相似度小于预设的相似度阈值时,根据所述范围信息查询监控端参数,读取所述监控端参数中的监控端编号;
基于所述监控端编号向相应的监控端发送含有采集频率的循环采集指令,得到图像组;
将所述图像组输入训练好的特征值分析模型,得到与所述图像组对应的数值组;
计算所述数值组中的众数,读取所述众数对应的图像,作为图像信息填充至环境模型。
作为本发明进一步的方案:所述根据区域识别结果向监控端发送监控指令,获取监控端基于监控指令获取的细节图像的步骤包括:
当区域识别过程得到的标签为设备区时,在环境模型中截取设备区图像,获取与设备区图像相关的范围信息;
对所述设备区图像进行轮廓识别,确定设备尺寸,根据所述设备尺寸和位置信息确定监控端的监控参数;
根据范围信息定位监控端,将所述监控参数向相应的监控端发送。
作为本发明进一步的方案:所述根据区域识别结果向监控端发送监控指令,获取监控端基于监控指令获取的细节图像的步骤还包括:
当区域识别过程得到的标签为人员区时,在环境模型中截取人员区图像,获取与人员区图像相关的范围信息;
根据范围信息定位监控端,向定位的监控端发送热源信息获取指令,接收监控端反馈的含有热源信息的图像信息。
本发明技术方案还提供了一种工业自动化设备的物联网集中监控装置,所述装置包括:
图像信息获取模块,用于图像接收用户输入的环境参数,根据所述环境参数确定图像获取模式,将所述图像获取模式向监控端发送;监控端在接收到图像获取模式时,获取含有相应监控端参数的图像信息;
区域识别模块,用于接收监控端发送的含有监控端参数的图像信息,对所述图像信息进行区域识别;所述监控端参数包括监控端编号;
细节图像获取模块,用于根据区域识别结果向监控端发送监控指令,获取监控端基于监控指令获取的细节图像;
报告生成模块,用于根据所述细节图像生成监控报告。
作为本发明进一步的方案:所述区域识别模块包括:
编号读取单元,用于接收监控端发送的含有监控端参数的图像信息,读取所述监控端参数中的监控端编号;
范围确定单元,用于根据所述监控端编号获取监控端的位置信息,根据所述位置信息和所述监控端参数确定图像信息的范围信息;所述范围信息由相对于车间的点位信息描述;
图像填充单元,用于根据所述范围信息将所述图像信息填充至预设的环境模型;
处理执行单元,用于对所述环境模型进行区域识别;其中,区域识别过程生成区域标签,所述区域标签包括设备区和人员区。
作为本发明进一步的方案:所述图像填充单元包括:
定位子单元,用于读取所述范围信息中的点位信息,根据所述点位信息定位环境模型中的待填充区域;
计算子单元,用于提取待填充区域内的已存图像,将所述图像信息与所述已存图像进行比对,根据比对结果计算相似度;
插入子单元,用于当所述相似度达到预设的相似度阈值时,将所述图像信息填充至预设的环境模型;
修正子单元,用于当所述相似度小于预设的相似度阈值时,对所述环境模型进行修正式填充。
与现有技术相比,本发明的有益效果是:本发明技术方案通过多个自由度较高的图像获取设备,获取整个区域的图像,实时更新区域模型,并对区域模型进行设备区和人员区的切分,基于切分结果进一步获取细节图像,能够起到极好地参考作用,降低监管人员的监管疲劳度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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。
图1为工业自动化设备的物联网集中监控方法的流程框图。
图2为工业自动化设备的物联网集中监控方法的第一子流程框图。
图3为工业自动化设备的物联网集中监控方法的第二子流程框图。
图4为工业自动化设备的物联网集中监控方法的第三子流程框图。
图5为工业自动化设备的物联网集中监控方法的第四子流程框图。
图6为工业自动化设备的物联网集中监控装置的组成结构框图。
图7为工业自动化设备的物联网集中监控装置中区域识别模块的组成结构框图。
图8为区域识别模块中图像填充单元的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
图1为工业自动化设备的物联网集中监控方法的流程框图,本发明实施例中,一种工业自动化设备的物联网集中监控方法,所述方法包括步骤S100至步骤S400:
步骤S100:接收用户输入的环境参数,根据所述环境参数确定图像获取模式,将所述图像获取模式向监控端发送;监控端在接收到图像获取模式时,获取含有相应监控端参数的图像信息;
本发明技术方案共有两个端口,一个是总控中心,用于完成步骤S100至步骤S400的功能,还有一个是监控端,监控端可以是硬件,也可以是软件,当所述监控端为硬件时,可以是多功能图像获取设备,功能包括热量分析功能以及模式调节功能,所述模式调节功能用于匹配不同的环境;当所述监控端为软件时,所述监控端安装在上述多功能图像获取设备中。步骤S100是总控中心与工作人员的交互过程,工作人员输入环境参数,然后总控中心确定图像获取模式,监控端根据这一图像获取模式获取图像信息。
步骤S200:接收监控端发送的含有监控端参数的图像信息,对所述图像信息进行区域识别;所述监控端参数包括监控端编号;
接收到监控端反馈的图像信息后,需要对图像信息进行区域识别;在同一车间中,监控过程主要分为两个过程,一是对设备进行监控,二是对工作人员进行监控,而传统的监控系统往往不对这两个过程进行区分,这也是本发明技术方案的创新点所在。
步骤S300:根据区域识别结果向监控端发送监控指令,获取监控端基于监控指令获取的细节图像;
步骤S400:根据所述细节图像生成监控报告;
对图像信息进行区域识别之后,可以确定设备区域和人员区域,然后再通过监控端对这两个区域进行进一步的数据采集,根据采集到的数据可以生成监控报告;至于监控报告的类型,与实际情况的相关程度较大,比如,有的企业会检测设备的变形程度,有的企业会关注工作人员的活动频率,这些都视具体情况而定。
进一步的,所述监控端在接收到图像获取模式时,获取含有相应监控端参数的图像信息的步骤包括:
对采集到的图像信息进行光电转换,对光电转换数据进行统计,得到直方图;
获取判断所述直方图分布变化,判断是否有雾霾以及雾霾浓度;其中,在非雾霾场景下图像直方图分布比较均匀,在雾霾场景下图像直方图基本集中在中间区域,雾霾越重,直方图越集中;
当从所述直方图中判断出有雾霾时,将所述图像获取模式确定为透雾模式。
需要说明的是,有些车间中,空气中可能会有一些雾汽,这些雾汽会影响监控端获取到的图像质量,因此,监控端对应的图像获取模式往往包括透雾模式;对于透雾模式的选取标准,则由监控端“自主”决定,上述内容就提供了一种“自主”决定的技术方案。
图2为工业自动化设备的物联网集中监控方法的第一子流程框图,所述接收监控端发送的含有监控端参数的图像信息,对所述图像信息进行区域识别的步骤包括步骤S201至步骤S204:
步骤S201:接收监控端发送的含有监控端参数的图像信息,读取所述监控端参数中的监控端编号;
步骤S202:根据所述监控端编号获取监控端的位置信息,根据所述位置信息和所述监控端参数确定图像信息的范围信息;所述范围信息由相对于车间的点位信息描述;
步骤S203:根据所述范围信息将所述图像信息填充至预设的环境模型;
步骤S204:对所述环境模型进行区域识别;其中,区域识别过程生成区域标签,所述区域标签包括设备区和人员区。
监控端的数量不唯一,同一监控端的角度与放大倍数不同,获取的图像信息是不同的;不同监控端的位置不同,获取的图像信息大概率也是不同的;因此,在接收到监控端发送的图像信息时,需要对图像信息进行一个统一,统一的方式就是借助上述的环境模型,所述环境模型由监控区域的实际情况等比确定;各监控端获取到图像信息时,依次填充环境模型。
图3为工业自动化设备的物联网集中监控方法的第二子流程框图,所述根据所述范围信息将所述图像信息填充至预设的环境模型的步骤包括步骤S2031至步骤S2034:
步骤S2031:读取所述范围信息中的点位信息,根据所述点位信息定位环境模型中的待填充区域;
步骤S2032:提取待填充区域内的已存图像,将所述图像信息与所述已存图像进行比对,根据比对结果计算相似度;
步骤S2033:当所述相似度达到预设的相似度阈值时,将所述图像信息填充至预设的环境模型;
步骤S2034:当所述相似度小于预设的相似度阈值时,对所述环境模型进行修正式填充。
步骤S2031至步骤S2034对模型填充过程进行了具体的限定,当接收到监控端发送的含有监控端参数的图像信息时,根据该监控端的位置、角度及放大倍数可以确定一个监控范围,也就是上述范围信息,根据这个范围信息在环境模型中查找对应区域,进行填充即可。
值得一提的是,随着时间的推移,环境模型一定是持续更新的,在更新过程中,增设了一个图像信息的检测过程,其原理就是,根据与已有图像的相似度来判断新的图像信息是否失真。
进一步的,所述当所述相似度小于预设的相似度阈值时,对所述环境模型进行修正式填充的步骤包括:
当所述相似度小于预设的相似度阈值时,根据所述范围信息查询监控端参数,读取所述监控端参数中的监控端编号;
基于所述监控端编号向相应的监控端发送含有采集频率的循环采集指令,得到图像组;
将所述图像组输入训练好的特征值分析模型,得到与所述图像组对应的数值组;
计算所述数值组中的众数,读取所述众数对应的图像,作为图像信息填充至环境模型。
上述内容对相似度不足的情况,进行了具体的说明,相似度不足,就说明新的图像信息出现了大的变化,因此,让监控端持续的多次获取图像信息,根据多次获取到的图像信息可以判断是大的变化是否是可持续的,这样可以有效避免由于各种原因导致的单个图像失真的问题。
图4为工业自动化设备的物联网集中监控方法的第三子流程框图,所述根据区域识别结果向监控端发送监控指令,获取监控端基于监控指令获取的细节图像的步骤包括步骤S301至步骤S303:
步骤S301:当区域识别过程得到的标签为设备区时,在环境模型中截取设备区图像,获取与设备区图像相关的范围信息;
步骤S302:对所述设备区图像进行轮廓识别,确定设备尺寸,根据所述设备尺寸和位置信息确定监控端的监控参数;
步骤S303:根据范围信息定位监控端,将所述监控参数向相应的监控端发送。
上述内容是对设备区图像的进一步分析,其目的就是放大,放大每一个设备,使得设备在图像信息中的占比尽量的大一些,为后续的分析过程提供基础。
图5为工业自动化设备的物联网集中监控方法的第四子流程框图,所述根据区域识别结果向监控端发送监控指令,获取监控端基于监控指令获取的细节图像的步骤还包括步骤S304至步骤S305:
步骤S304:当区域识别过程得到的标签为人员区时,在环境模型中截取人员区图像,获取与人员区图像相关的范围信息;
步骤S305:根据范围信息定位监控端,向定位的监控端发送热源信息获取指令,接收监控端反馈的含有热源信息的图像信息。
步骤S304至步骤S305是对人员区的进一步分析,工作人员最主要的信息是运动信息,通过热源分析,可以清晰的获取工作人员的运动轨迹,进而为后续的分析过程提供基础。
实施例2
图6为工业自动化设备的物联网集中监控装置的组成结构框图,本发明实施例中,一种工业自动化设备的物联网集中监控装置,所述装置10包括:
图像信息获取模块11,用于图像接收用户输入的环境参数,根据所述环境参数确定图像获取模式,将所述图像获取模式向监控端发送;监控端在接收到图像获取模式时,获取含有相应监控端参数的图像信息;
区域识别模块12,用于接收监控端发送的含有监控端参数的图像信息,对所述图像信息进行区域识别;所述监控端参数包括监控端编号;
细节图像获取模块13,用于根据区域识别结果向监控端发送监控指令,获取监控端基于监控指令获取的细节图像;
报告生成模块14,用于根据所述细节图像生成监控报告。
图7为工业自动化设备的物联网集中监控装置中区域识别模块12的组成结构框图,所述区域识别模块12包括:
编号读取单元121,用于接收监控端发送的含有监控端参数的图像信息,读取所述监控端参数中的监控端编号;
范围确定单元122,用于根据所述监控端编号获取监控端的位置信息,根据所述位置信息和所述监控端参数确定图像信息的范围信息;所述范围信息由相对于车间的点位信息描述;
图像填充单元123,用于根据所述范围信息将所述图像信息填充至预设的环境模型;
处理执行单元124,用于对所述环境模型进行区域识别;其中,区域识别过程生成区域标签,所述区域标签包括设备区和人员区。
图8为区域识别模块中图像填充单元123的组成结构框图,所述图像填充单元123包括:
定位子单元1231,用于读取所述范围信息中的点位信息,根据所述点位信息定位环境模型中的待填充区域;
计算子单元1232,用于提取待填充区域内的已存图像,将所述图像信息与所述已存图像进行比对,根据比对结果计算相似度;
插入子单元1233,用于当所述相似度达到预设的相似度阈值时,将所述图像信息填充至预设的环境模型;
修正子单元1234,用于当所述相似度小于预设的相似度阈值时,对所述环境模型进行修正式填充。
所述工业自动化设备的物联网集中监控方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述工业自动化设备的物联网集中监控方法。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取介质中。基于这样的理解,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种工业自动化设备的物联网集中监控方法,其特征在于,所述方法包括:
接收用户输入的环境参数,根据所述环境参数确定图像获取模式,将所述图像获取模式向监控端发送;监控端在接收到图像获取模式时,获取含有相应监控端参数的图像信息;
接收监控端发送的含有监控端参数的图像信息,对所述图像信息进行区域识别;所述监控端参数包括监控端编号;
根据区域识别结果向监控端发送监控指令,获取监控端基于监控指令获取的细节图像;
根据所述细节图像生成监控报告。
2.根据权利要求1所述的工业自动化设备的物联网集中监控方法,其特征在于,所述监控端在接收到图像获取模式时,获取含有相应监控端参数的图像信息的步骤包括:
对采集到的图像信息进行光电转换,对光电转换数据进行统计,得到直方图;
获取判断所述直方图分布变化,判断是否有雾霾以及雾霾浓度;其中,在非雾霾场景下图像直方图分布比较均匀,在雾霾场景下图像直方图基本集中在中间区域,雾霾越重,直方图越集中;
当从所述直方图中判断出有雾霾时,将所述图像获取模式确定为透雾模式。
3.根据权利要求1所述的工业自动化设备的物联网集中监控方法,其特征在于,所述接收监控端发送的含有监控端参数的图像信息,对所述图像信息进行区域识别的步骤包括:
接收监控端发送的含有监控端参数的图像信息,读取所述监控端参数中的监控端编号;
根据所述监控端编号获取监控端的位置信息,根据所述位置信息和所述监控端参数确定图像信息的范围信息;所述范围信息由相对于车间的点位信息描述;
根据所述范围信息将所述图像信息填充至预设的环境模型;
对所述环境模型进行区域识别;其中,区域识别过程生成区域标签,所述区域标签包括设备区和人员区。
4.根据权利要求3所述的工业自动化设备的物联网集中监控方法,其特征在于,所述根据所述范围信息将所述图像信息填充至预设的环境模型的步骤包括:
读取所述范围信息中的点位信息,根据所述点位信息定位环境模型中的待填充区域;
提取待填充区域内的已存图像,将所述图像信息与所述已存图像进行比对,根据比对结果计算相似度;
当所述相似度达到预设的相似度阈值时,将所述图像信息填充至预设的环境模型;
当所述相似度小于预设的相似度阈值时,对所述环境模型进行修正式填充。
5.根据权利要求4所述的工业自动化设备的物联网集中监控方法,其特征在于,所述当所述相似度小于预设的相似度阈值时,对所述环境模型进行修正式填充的步骤包括:
当所述相似度小于预设的相似度阈值时,根据所述范围信息查询监控端参数,读取所述监控端参数中的监控端编号;
基于所述监控端编号向相应的监控端发送含有采集频率的循环采集指令,得到图像组;
将所述图像组输入训练好的特征值分析模型,得到与所述图像组对应的数值组;
计算所述数值组中的众数,读取所述众数对应的图像,作为图像信息填充至环境模型。
6.根据权利要求1所述的工业自动化设备的物联网集中监控方法,其特征在于,所述根据区域识别结果向监控端发送监控指令,获取监控端基于监控指令获取的细节图像的步骤包括:
当区域识别过程得到的标签为设备区时,在环境模型中截取设备区图像,获取与设备区图像相关的范围信息;
对所述设备区图像进行轮廓识别,确定设备尺寸,根据所述设备尺寸和位置信息确定监控端的监控参数;
根据范围信息定位监控端,将所述监控参数向相应的监控端发送。
7.根据权利要求6所述的工业自动化设备的物联网集中监控方法,其特征在于,所述根据区域识别结果向监控端发送监控指令,获取监控端基于监控指令获取的细节图像的步骤还包括:
当区域识别过程得到的标签为人员区时,在环境模型中截取人员区图像,获取与人员区图像相关的范围信息;
根据范围信息定位监控端,向定位的监控端发送热源信息获取指令,接收监控端反馈的含有热源信息的图像信息。
8.一种工业自动化设备的物联网集中监控装置,其特征在于,所述装置包括:
图像信息获取模块,用于图像接收用户输入的环境参数,根据所述环境参数确定图像获取模式,将所述图像获取模式向监控端发送;监控端在接收到图像获取模式时,获取含有相应监控端参数的图像信息;
区域识别模块,用于接收监控端发送的含有监控端参数的图像信息,对所述图像信息进行区域识别;所述监控端参数包括监控端编号;
细节图像获取模块,用于根据区域识别结果向监控端发送监控指令,获取监控端基于监控指令获取的细节图像;
报告生成模块,用于根据所述细节图像生成监控报告。
9.根据权利要求8所述的工业自动化设备的物联网集中监控装置,其特征在于,所述区域识别模块包括:
编号读取单元,用于接收监控端发送的含有监控端参数的图像信息,读取所述监控端参数中的监控端编号;
范围确定单元,用于根据所述监控端编号获取监控端的位置信息,根据所述位置信息和所述监控端参数确定图像信息的范围信息;所述范围信息由相对于车间的点位信息描述;
图像填充单元,用于根据所述范围信息将所述图像信息填充至预设的环境模型;
处理执行单元,用于对所述环境模型进行区域识别;其中,区域识别过程生成区域标签,所述区域标签包括设备区和人员区。
10.根据权利要求9所述的工业自动化设备的物联网集中监控装置,其特征在于,所述图像填充单元包括:
定位子单元,用于读取所述范围信息中的点位信息,根据所述点位信息定位环境模型中的待填充区域;
计算子单元,用于提取待填充区域内的已存图像,将所述图像信息与所述已存图像进行比对,根据比对结果计算相似度;
插入子单元,用于当所述相似度达到预设的相似度阈值时,将所述图像信息填充至预设的环境模型;
修正子单元,用于当所述相似度小于预设的相似度阈值时,对所述环境模型进行修正式填充。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211250133.5A CN115734072A (zh) | 2022-10-12 | 2022-10-12 | 一种工业自动化设备的物联网集中监控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211250133.5A CN115734072A (zh) | 2022-10-12 | 2022-10-12 | 一种工业自动化设备的物联网集中监控方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115734072A true CN115734072A (zh) | 2023-03-03 |
Family
ID=85293479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211250133.5A Pending CN115734072A (zh) | 2022-10-12 | 2022-10-12 | 一种工业自动化设备的物联网集中监控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115734072A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117176922A (zh) * | 2023-10-31 | 2023-12-05 | 安徽三禾一信息科技有限公司 | 一种基于物联网的智慧火电厂监测方法及系统 |
-
2022
- 2022-10-12 CN CN202211250133.5A patent/CN115734072A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117176922A (zh) * | 2023-10-31 | 2023-12-05 | 安徽三禾一信息科技有限公司 | 一种基于物联网的智慧火电厂监测方法及系统 |
CN117176922B (zh) * | 2023-10-31 | 2023-12-29 | 安徽三禾一信息科技有限公司 | 一种基于物联网的智慧火电厂监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113746758B (zh) | 一种动态识别流量协议的方法和终端 | |
CN114414935A (zh) | 基于大数据的配电网馈线故障区域自动化定位方法和系统 | |
WO2021232670A1 (zh) | 一种pcb元件识别方法及装置 | |
CN114581442B (zh) | 用于mes系统的产品检测方法及装置 | |
CN113963033B (zh) | 一种基于人工智能的电力设备异常检测方法和系统 | |
CN112883926A (zh) | 表格类医疗影像的识别方法及装置 | |
CN115734072A (zh) | 一种工业自动化设备的物联网集中监控方法及装置 | |
CN110232130B (zh) | 元数据管理谱系生成方法、装置、计算机设备和存储介质 | |
CN115858831A (zh) | 一种数据库用数据存储方法 | |
CN111124863A (zh) | 智能设备性能测试方法、装置及智能设备 | |
CN113807364A (zh) | 一种基于三光融合成像的电力设备缺陷检测方法及系统 | |
CN113886627A (zh) | 一种基于信息同步的移动通信系统 | |
CN113705468A (zh) | 基于人工智能的数字图像识别方法及相关设备 | |
CN112861934A (zh) | 一种嵌入式终端的图像分类方法、装置及嵌入式终端 | |
CN115086343B (zh) | 一种基于人工智能的物联网数据交互方法及系统 | |
US20230196558A1 (en) | Medicine image recognition method, electronic device and readable storage medium | |
CN115620317A (zh) | 一种电子工程文档真实性验证方法和系统 | |
Bylaiah | Leaf recognition and matching with Matlab | |
CN114648776A (zh) | 一种财务报销数据处理方法和处理系统 | |
Stela et al. | Facilitating the automatic characterisation, classification and description of biological images with the VisionBioShape package for R | |
CN110853115B (zh) | 一种开发流程页面的创建方法及设备 | |
CN114441538B (zh) | 一种大米在线检测系统及方法 | |
CN117576489B (zh) | 智能机器人鲁棒实时目标感知方法、装置、设备及介质 | |
CN117475448B (zh) | 图像处理模型的训练方法、图像处理方法及装置 | |
TWI814623B (zh) | 圖像識別方法、電腦設備及儲存介質 |
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 |