CN115797878A - 基于图像处理的设备操作安全检测方法、系统及相关设备 - Google Patents
基于图像处理的设备操作安全检测方法、系统及相关设备 Download PDFInfo
- Publication number
- CN115797878A CN115797878A CN202310103972.2A CN202310103972A CN115797878A CN 115797878 A CN115797878 A CN 115797878A CN 202310103972 A CN202310103972 A CN 202310103972A CN 115797878 A CN115797878 A CN 115797878A
- Authority
- CN
- China
- Prior art keywords
- information
- safety
- image
- training
- acquiring
- 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.)
- Granted
Links
Images
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于图像处理的设备操作安全检测方法、系统及相关设备,方法包括:获取语音指导信息,根据上述语音指导信息获取目标操作信息,并根据上述目标操作信息获取操作安全条件;向被监测对象输出上述语音指导信息,获取上述被监测对象对应的操作等待时间和操作图像;根据上述待执行操作、上述操作等待时间和上述操作图像获取上述被监测对象对应的实际操作信息和安全判断信息;根据上述目标操作信息、上述操作安全条件、上述实际操作信息和上述安全判断信息对上述被监测对象进行设备操作安全检测,获得安全检测结果。本发明方案有利于提高设备操作安全检测的准确性和效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及的是一种基于图像处理的设备操作安全检测方法、系统及相关设备。
背景技术
随着科学技术的发展,各个领域所应用的设备越来越多。例如,在模块化建筑生产领域,需要使用到激光切合机械臂、焊接机械臂、翻转设备等。在其它领域也有其它对应的生产设备。其中,部分设备在使用过程中需要操作人员根据指导信息进行手动操作或调整,而对于操作人员的操作过程需要进行安全检测,以免出现操作不当引起的安全事故。
现有技术中,通常需要配备安全员对操作人员的设备操作过程进行安全检测,以在操作人员操作失误时及时提醒或制止。现有技术的问题在于,通过人工进行操作安全检测时需要消耗大量的人力资源。且安全员需要实时关注指导信息,根据指导信息判断操作人员是否操作错误,而安全员难以持续准确的获知指导信息和操作人员的操作动作并进行安全检测,例如当一个安全员需要检测多个设备和多个操作人员的操作时难以同时确定所有设备的指导信息和所有操作人员的操作动作并进行判断,且人工判断的准确性有限,不利于提高设备操作安全检测的准确性,从而不利于提高设备操作的安全性。
因此,现有技术还有待改进和发展。
发明内容
本发明的主要目的在于提供一种基于图像处理的设备操作安全检测方法、系统及相关设备,旨在解决现有技术中通过人工进行操作安全检测的方案需要消耗大量的人力资源,且不利于提高设备操作安全检测的准确性和设备操作的安全性的问题。
为了实现上述目的,本发明第一方面提供一种基于图像处理的设备操作安全检测方法,其中,上述基于图像处理的设备操作安全检测方法包括:
获取语音指导信息,根据上述语音指导信息获取目标操作信息,并根据上述目标操作信息获取操作安全条件,其中,上述目标操作信息包括目标设备和待执行操作,上述操作安全条件包括距离安全条件和反应灵敏度条件;
向被监测对象输出上述语音指导信息,获取上述被监测对象对应的操作等待时间和操作图像;
根据上述待执行操作、上述操作等待时间和上述操作图像获取上述被监测对象对应的实际操作信息和安全判断信息,其中,上述实际操作信息包括实际操作设备和实际执行操作,上述安全判断信息包括距离判断数据和反应灵敏度判断数据,上述反应灵敏度判断数据根据上述待执行操作和上述操作等待时间确定;
根据上述目标操作信息、上述操作安全条件、上述实际操作信息和上述安全判断信息对上述被监测对象进行设备操作安全检测,获得安全检测结果。
可选的,上述获取语音指导信息,根据上述语音指导信息获取目标操作信息,包括:
获取语音指导信息,对上述语音指导信息进行语音文字转换,获取指导文本;
通过已训练的文本校准模型对上述指导文本进行校准并获得校准文本;
通过已训练的标准词替换模型对上述校准文本进行标准词替换处理并获得标准化文本;
根据上述标准化文本,通过已训练的操作信息识别模型进行操作识别获得目标操作信息。
可选的,上述操作信息识别模型根据如下步骤进行训练:
将操作训练数据中的训练标准化文本输入上述操作信息识别模型,通过上述操作信息识别模型进行操作识别获得训练目标操作信息,其中,上述操作训练数据包括多组操作训练信息组,每一组操作训练信息组包括训练标准化文本和标注目标操作信息;
根据上述训练目标操作信息和上述标注目标操作信息,对上述操作信息识别模型的模型参数进行调整,并继续执行上述将操作训练数据中的训练标准化文本输入上述操作信息识别模型的步骤,直至满足第一预设训练条件,以得到已训练的操作信息识别模型。
可选的,上述操作等待时间是从向上述被监测对象输出上述语音指导信息开始到监测到上述被监测对象开始操作的等待时间,上述操作安全条件还包括温度安全条件,上述安全判断信息还包括温度判断数据,上述操作图像包括深度图像、RGB图像和热力分布图像。
可选的,上述根据上述待执行操作、上述操作等待时间和上述操作图像获取上述被监测对象对应的实际操作信息,包括:
根据上述RGB图像和上述深度图像,通过已训练的图像特征识别模型获取上述被监测对象对应的实际操作信息;
根据上述深度图像获取上述距离判断数据;
获取上述待执行操作对应的预设标准时间范围,根据上述预设标准时间范围和上述操作等待时间计算获得上述反应灵敏度判断数据;
根据上述热力分布图像获取上述温度判断数据。
可选的,上述图像特征识别模型根据如下步骤进行训练:
将图像训练数据中的训练RGB图像和训练深度图像输入上述图像特征识别模型,通过上述图像特征识别模型进行特征识别获得训练实际操作信息,其中,上述图像训练数据包括多组图像训练信息组,每一组图像训练信息组包括训练RGB图像、训练深度图像和标注实际操作信息;
根据上述训练实际操作信息和上述标注实际操作信息,对上述图像特征识别模型的模型参数进行调整,并继续执行上述将图像训练数据中的训练RGB图像和训练深度图像输入上述图像特征识别模型的步骤,直至满足第二预设训练条件,以得到已训练的图像特征识别模型。
可选的,上述根据上述目标操作信息、上述操作安全条件、上述实际操作信息和上述安全判断信息对上述被监测对象进行设备操作安全检测,获得安全检测结果,包括:
当上述实际操作设备与上述目标设备不同或上述实际执行操作与上述待执行操作不同时,将操作有误作为上述安全检测结果并输出告警信息;
当上述实际操作设备与上述目标设备相同且上述实际执行操作与上述待执行操作相同时,若上述安全判断信息满足上述操作安全条件,则将操作安全作为上述安全检测结果,若上述安全判断信息不满足上述操作安全条件,则将存在操作风险作为上述安全检测结果。
本发明第二方面提供一种基于图像处理的设备操作安全检测系统,其中,上述基于图像处理的设备操作安全检测系统包括:
语音处理模块,用于获取语音指导信息,根据上述语音指导信息获取目标操作信息,并根据上述目标操作信息获取操作安全条件,其中,上述目标操作信息包括目标设备和待执行操作,上述操作安全条件包括距离安全条件和反应灵敏度条件;
数据获取模块,用于向被监测对象输出上述语音指导信息,获取上述被监测对象对应的操作等待时间和操作图像;
数据处理模块,用于根据上述待执行操作、上述操作等待时间和上述操作图像获取上述被监测对象对应的实际操作信息和安全判断信息,其中,上述实际操作信息包括实际操作设备和实际执行操作,上述安全判断信息包括距离判断数据和反应灵敏度判断数据,上述反应灵敏度判断数据根据上述待执行操作和上述操作等待时间确定;
安全检测模块,用于根据上述目标操作信息、上述操作安全条件、上述实际操作信息和上述安全判断信息对上述被监测对象进行设备操作安全检测,获得安全检测结果。
本发明第三方面提供一种智能终端,上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的基于图像处理的设备操作安全检测程序,上述基于图像处理的设备操作安全检测程序被上述处理器执行时实现上述任意一种基于图像处理的设备操作安全检测方法的步骤。
本发明第四方面提供一种计算机可读存储介质,上述计算机可读存储介质上存储有基于图像处理的设备操作安全检测程序,上述基于图像处理的设备操作安全检测程序被处理器执行时实现上述任意一种基于图像处理的设备操作安全检测方法的步骤。
由上可见,本发明方案中,获取语音指导信息,根据上述语音指导信息获取目标操作信息,并根据上述目标操作信息获取操作安全条件,其中,上述目标操作信息包括目标设备和待执行操作,上述操作安全条件包括距离安全条件和反应灵敏度条件;向被监测对象输出上述语音指导信息,获取上述被监测对象对应的操作等待时间和操作图像;根据上述待执行操作、上述操作等待时间和上述操作图像获取上述被监测对象对应的实际操作信息和安全判断信息,其中,上述实际操作信息包括实际操作设备和实际执行操作,上述安全判断信息包括距离判断数据和反应灵敏度判断数据,上述反应灵敏度判断数据根据上述待执行操作和上述操作等待时间确定;根据上述目标操作信息、上述操作安全条件、上述实际操作信息和上述安全判断信息对上述被监测对象进行设备操作安全检测,获得安全检测结果。
与现有技术中相比,本发明方案中,可以根据语音指导信息自动获取对应的目标操作信息和操作安全条件,并且进一步结合操作等待时间和操作图像自动进行安全检测。具体的,将获得的实际操作信息和安全判断信息与目标操作信息及操作安全条件进行对比,即可以获得安全检测结果。可见,本发明方案无需安全员进行人工检测,无需设置安全员,因此有利于降低人力资源消耗。且可以实现自动、快速的安全检测,可以分别针对每一个设备和每一个操作人员(即被监测对象)进行实时安全检测,有利于提高设备操作安全检测的准确性和效率,还有利于提高设备操作的安全性。
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,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种基于图像处理的设备操作安全检测方法的流程示意图;
图2是本发明实施例提供的一种基于图像处理的设备操作安全检测系统的结构示意图;
图3是本发明实施例提供的一种智能终端的内部结构原理框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于分类到”。类似的,短语“如果确定”或“如果分类到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦分类到[所描述的条件或事件]”或“响应于分类到[所描述条件或事件]”。
下面结合本发明实施例的附图,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的一部分实施例,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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其它不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
随着科学技术的发展,各个领域所应用的设备越来越多。例如,在模块化建筑生产领域,需要使用到激光切合机械臂、焊接机械臂、翻转设备等。在其它领域也有其它对应的生产设备。其中,部分设备在使用过程中需要操作人员根据指导信息进行手动操作或调整,而对于操作人员的操作过程需要进行安全检测,以免出现操作不当引起的安全事故。
现有技术中,通常需要配备安全员对操作人员的设备操作过程进行安全检测,以在操作人员操作失误时及时提醒或制止。现有技术的问题在于,通过人工进行操作安全检测时需要消耗大量的人力资源。且安全员需要实时关注指导信息,根据指导信息判断操作人员是否操作错误,而安全员难以持续准确的获知指导信息和操作人员的操作动作并进行安全检测,例如当一个安全员需要检测多个设备和多个操作人员的操作时难以同时确定所有设备的指导信息和所有操作人员的操作动作并进行判断,且人工判断的准确性有限,不利于提高设备操作安全检测的准确性,从而不利于提高设备操作的安全性。同时,也难以实现对所有操作人员的操作进行实时检测。
为了解决上述多个问题中的至少一个问题,本发明方案中,获取语音指导信息,根据上述语音指导信息获取目标操作信息,并根据上述目标操作信息获取操作安全条件,其中,上述目标操作信息包括目标设备和待执行操作,上述操作安全条件包括距离安全条件和反应灵敏度条件;向被监测对象输出上述语音指导信息,获取上述被监测对象对应的操作等待时间和操作图像;根据上述待执行操作、上述操作等待时间和上述操作图像获取上述被监测对象对应的实际操作信息和安全判断信息,其中,上述实际操作信息包括实际操作设备和实际执行操作,上述安全判断信息包括距离判断数据和反应灵敏度判断数据,上述反应灵敏度判断数据根据上述待执行操作和上述操作等待时间确定;根据上述目标操作信息、上述操作安全条件、上述实际操作信息和上述安全判断信息对上述被监测对象进行设备操作安全检测,获得安全检测结果。
与现有技术中相比,本发明方案中,可以根据语音指导信息自动获取对应的目标操作信息和操作安全条件,并且进一步结合操作等待时间和操作图像自动进行安全检测。具体的,将获得的实际操作信息和安全判断信息与目标操作信息及操作安全条件进行对比,即可以获得安全检测结果。可见,本发明方案无需安全员进行人工检测,无需设置安全员,因此有利于降低人力资源消耗。且可以实现自动、快速的安全检测,可以分别针对每一个设备和每一个操作人员(即被监测对象)进行实时安全检测,有利于提高设备操作安全检测的准确性和效率,还有利于提高设备操作的安全性。
同时,本发明中,还考虑到操作人员(即被监测对象)在长时间操作之后可能会出现注意力不集中或疲劳的情况,结合反应灵敏度进行安全检测。当操作人员的反应灵敏度较低时,同样认为存在安全问题,可以及时提醒操作人员,避免出现安全事故。
示例性方法
如图1所示,本发明实施例提供一种基于图像处理的设备操作安全检测方法,具体的,上述方法包括如下步骤:
步骤S100,获取语音指导信息,根据上述语音指导信息获取目标操作信息,并根据上述目标操作信息获取操作安全条件,其中,上述目标操作信息包括目标设备和待执行操作,上述操作安全条件包括距离安全条件和反应灵敏度条件。
其中,上述语音指导信息是用于指导被监测对象进行操作的语音,其中,上述语音指导信息可以由一个远程指导用户输入,或者由指导机器人输入,在此不作具体限定。上述被监测对象可以是一个操作用户,也可以是一个语音控制的智能机器人,在此也不作具体限定。本实施例中以指导对象是远程指导人员、被监测对象是设备的操作人员为例进行具体说明。
在获取到语音指导信息之后,根据语音指导信息获取对应的目标操作信息,上述目标操作信息包括远程指导用户想要指导被监测对象控制的设备以及具体需要执行的操作。上述目标设备即为被监测对象需要控制的设备,例如数控机床、激光切合机械臂、焊接机械臂、翻转设备等,对应的待执行操作是针对目标设备的具体需要执行的操作,例如按哪个按键,将某个部件的角度调整为多少度等。本实施例中,可以通过语义识别的方式从语音指导信息中提取获得目标操作信息。
进一步的,根据提取获得的目标操作信息可以获得对应的操作安全条件,具体的操作安全条件可以预先根据各个操作设备及其对应的操作确定,例如在调整激光切合机械臂的切割位置时,操作人员的手不能过于靠近激光切合机械臂。具体的,上述操作安全条件包括距离安全条件和反应灵敏度条件,距离安全条件用于限定被监测对象在进行设备操作时的安全距离,反应灵敏度条件则用于限定被监测对象针对不同的目标操作的反应灵敏度。针对不同的目标设备以及不同的待执行操作,对应的距离安全条件和反应灵敏度条件不同。需要说明的是,上述操作安全条件也可以实时输入和调整,在此不作具体限定。
具体的,上述获取语音指导信息,根据上述语音指导信息获取目标操作信息,包括:获取语音指导信息,对上述语音指导信息进行语音文字转换,获取指导文本;通过已训练的文本校准模型对上述指导文本进行校准并获得校准文本;通过已训练的标准词替换模型对上述校准文本进行标准词替换处理并获得标准化文本;根据上述标准化文本,通过已训练的操作信息识别模型进行操作识别获得目标操作信息。
其中,语音文字转换可以通过现有技术中的方案进行,获得指导文本之后,先通过已训练文本校准模型进行文本校准。其中,上述文本校准模型用于对文本中的错别字、转换出来的错误标点符号或误码进行语义校准,获得校准本文。然后通过已训练的标准词替换模型进行标准词替换处理,其中,标准词替换模型用于将校准文本中的各种同义词替换成对应的标准词,例如,机械手、机械抓手等同义词都可以替换为对应的标准词机械臂,具体替换方式可以根据实际需求进行设置和调整,在此不作具体限定。
现有技术中,通常仅使用一个模型进行语音处理,本实施例中分别训练三个模型进行三种不同的语音处理操作,从而提高语音识别和处理的准确性,并最终提高获得目标操作信息的准确性。
在一种应用场景中,针对不同的语音输入对象,可以训练不同的文本校准模型、标准词替换模型和操作信息识别模型,以进一步提高模型处理的准确性。本实施例中以不同的语音输入对象使用同样的文本校准模型、标准词替换模型和操作信息识别模型为例进行说明,对应的,文本校准模型、标准词替换模型和操作信息识别模型在训练时使用的数据也包括不同语音输入对象的对应的语音的数据。
其中,在对文本校准模型进行训练时,输入的数据包括需要进行校准的训练指导文本,模型的输出数据为校准后的训练校准文本,根据训练指导文本对应的标注校准文本和训练校准文本之间的损失值,对文本校准模型的模型参数进行调整,直到该模型的训练迭代次数达到对应的校准迭代阈值,或者损失值小于对应的校准损失阈值。
在对标准词替换模型进行训练时,输入的数据包括需要进行标准词替换处理的训练校准文本,模型的输出数据为处理后的训练标准化文本,根据训练校准文本对应的标注标准化文本和训练标准化文本之间的损失值,对标准词替换模型的模型参数进行调整,直到该模型的训练迭代次数达到对应的标准化迭代阈值,或者损失值达到小于对应的标准化损失阈值。
其中,上述文本校准模型和标准词替换模型的具体训练过程也可以参照如下所述的针对操作信息识别模型的训练过程,在此不做赘述。具体的,上述操作信息识别模型根据如下步骤进行训练:将操作训练数据中的训练标准化文本输入上述操作信息识别模型,通过上述操作信息识别模型进行操作识别获得训练目标操作信息,其中,上述操作训练数据包括多组操作训练信息组,每一组操作训练信息组包括训练标准化文本和标注目标操作信息;根据上述训练目标操作信息和上述标注目标操作信息,对上述操作信息识别模型的模型参数进行调整,并继续执行上述将操作训练数据中的训练标准化文本输入上述操作信息识别模型的步骤,直至满足第一预设训练条件,以得到已训练的操作信息识别模型。
需要说明的是,上述操作信息识别模型基于语义推理获得对应的目标操作信息。上述训练目标操作信息包括预测出来的目标设备和待执行操作,上述标注目标操作信息则包括标注出来的目标设备和待执行操作。根据上述训练目标操作信息和上述标注目标操作信息之间的损失调整模型参数,可以使得该模型的预测结构更接近真实结果,直到达到训练停止的条件(即第一预设训练条件)。上述第一训练条件包括对应的损失值小于操作信息识别训练损失阈值或迭代训练次数达到操作信息识别训练迭代阈值,还可以包括其它条件,在此不做具体限定。
步骤S200,向被监测对象输出上述语音指导信息,获取上述被监测对象对应的操作等待时间和操作图像。
其中,上述被监测对象是根据语音指导信息进行设备操作的对象,也是需要进行安全检测的对象。具体的,被监测对象在获取到语音指导信息之后,会按照语音指导信息进行自己认为正确的设备操作。此时,获取被监测对象对应的操作等待时间和操作图像。其中,操作等待时间根据计时器确定,操作图像则通过预先设置的多个摄像头采集获得。
具体的,上述操作等待时间是从向上述被监测对象输出上述语音指导信息开始到监测到上述被监测对象开始操作的等待时间,上述操作安全条件还包括温度安全条件,上述安全判断信息还包括温度判断数据,上述操作图像包括深度图像、RGB图像和热力分布图像。
上述温度安全条件用于限定设备运行时的温度和/或被监测对象的体温,例如,可以预先设置多种温度安全条件。具体的,可以设置不得有任意一个区域的温度高于第一阈值,被监测对象的温度不得高于第二阈值,目标设备的不同区域的温度不能超过对应的目标阈值等,在此不作具体限定。上述操作图像是从被监测对象开始操作之后采集的图像,在一种应用场景中,可以对多个时刻进行连续图像采集,本实施例中以对一个时刻的图像进行分析为例进行具体说明,但针对多个时刻的连续图像进行采集和处理的过程也可以参照本实施。
需要说明的是,上述反应灵敏度条件即可以包括用于限定被监测对象的反应灵敏度的条件,还可以包括用于限定目标设备被操作时的反应灵敏度的条件,本实施例中以仅包括用于限定被监测对象的反应灵敏度的条件为例进行说明,但不作为具体限定。
步骤S300,根据上述待执行操作、上述操作等待时间和上述操作图像获取上述被监测对象对应的实际操作信息和安全判断信息,其中,上述实际操作信息包括实际操作设备和实际执行操作,上述安全判断信息包括距离判断数据和反应灵敏度判断数据,上述反应灵敏度判断数据根据上述待执行操作和上述操作等待时间确定。
需要说明的是,被监测对象在接收到语音指导信息并进行设备操作时,执行的是自己认为正确的操作,但并不一定与真实的目标操作信息相匹配,且操作过程中也不一定能严格遵守安全条件的要求,因此需要获取用户实际操作过程中的信息(即实际操作信息和安全判断信息)。
具体的,上述根据上述待执行操作、上述操作等待时间和上述操作图像获取上述被监测对象对应的实际操作信息,包括:根据上述RGB图像和上述深度图像,通过已训练的图像特征识别模型获取上述被监测对象对应的实际操作信息;根据上述深度图像获取上述距离判断数据;获取上述待执行操作对应的预设标准时间范围,根据上述预设标准时间范围和上述操作等待时间计算获得上述反应灵敏度判断数据;根据上述热力分布图像获取上述温度判断数据。
其中,上述图像特征识别模型可以基于YOLOV5物体识别算法进行特征识别,准确识别出被监测对象和对应的实际操作设备。需要说明的是,距离判断数据还可以结合深度图像和被监测对象身上部署的可穿戴传感设备确定,上述可穿戴传感设备基于WIFI和蓝牙等室内通讯手段,支持工厂内位置感知。
上述预设标准时间范围是预先设置的针对待执行操作的一个合理的等待时间范围,不同待执行操作根据其理解复杂度不同,对应的与设备标准时间范围是不同的。例如,像按某一个键这种简单的操作,对应的预设标准时间范围较短,因为没有理解难度,用户可以马上执行。而对于拆除某一部件,装上新的某部件这种操作,用户需要先进行理解,因此对应的预设标准时间范围较长。当被监测对象的操作等待时间落入预设标准时间范围时,说明符合要求,可以将反应灵敏度的值设置为预设的较大值(例如10)。而当操作等待时间超出预设标准时间范围时(即大于该范围的最大值时),可以将反应灵敏度的值设置为较小值,例如,设置为操作等待时间与该范围的最大值的差值的倒数。需要说明的是,本实施例中,反应灵敏度的值越高代表反应越快,即越符合要求。
进一步的,上述距离判断数据包括被监测对象的各个身体部位与实际操作设备之间的距离值,上述反应灵敏度判断数据包括被监测对象的反应灵敏度值,上述温度判断数据包括设备温度和/或被监测对象温度,其中,设备温度可以包括实际操作设备对应的不同区域或不同部件的温度。
进一步的,本实施例中,上述图像特征识别模型根据如下步骤进行训练:将图像训练数据中的训练RGB图像和训练深度图像输入上述图像特征识别模型,通过上述图像特征识别模型进行特征识别获得训练实际操作信息,其中,上述图像训练数据包括多组图像训练信息组,每一组图像训练信息组包括训练RGB图像、训练深度图像和标注实际操作信息;根据上述训练实际操作信息和上述标注实际操作信息,对上述图像特征识别模型的模型参数进行调整,并继续执行上述将图像训练数据中的训练RGB图像和训练深度图像输入上述图像特征识别模型的步骤,直至满足第二预设训练条件,以得到已训练的图像特征识别模型。
具体的,在上述图像特征识别模型进行特征识别时,先识别出人体和设备,然后判断对应的人体操作的是什么设备以及具体进行何种操作。上述图像训练数据是用于对图像特征识别模型进行训练的数据。上述第二预设训练条件是图像特征识别模型的训练迭代次数达到该模型对应的迭代次数阈值,或者上述训练实际操作信息和上述标注实际操作信息之间的损失值小于该模型对应的损失阈值,还可以包括其它训练停止条件,在此不作具体限定。
步骤S400,根据上述目标操作信息、上述操作安全条件、上述实际操作信息和上述安全判断信息对上述被监测对象进行设备操作安全检测,获得安全检测结果。
其中,上述安全检测结果用于指示用户(即被监测对象)对于设备的操作是否有安全风险。具体的,上述根据上述目标操作信息、上述操作安全条件、上述实际操作信息和上述安全判断信息对上述被监测对象进行设备操作安全检测,获得安全检测结果,包括:当上述实际操作设备与上述目标设备不同或上述实际执行操作与上述待执行操作不同时,将操作有误作为上述安全检测结果并输出告警信息;当上述实际操作设备与上述目标设备相同且上述实际执行操作与上述待执行操作相同时,若上述安全判断信息满足上述操作安全条件,则将操作安全作为上述安全检测结果,若上述安全判断信息不满足上述操作安全条件,则将存在操作风险作为上述安全检测结果。
本实施例中,先对操作设备和执行的操作进行判断,如果实际操作的设备与目标设备不同或者实际执行操作与待执行操作不同,说明被监测对象完全没有理解语音指导信息或者没有按照语音指导信息操作,此时的安全风险较大,因此不仅将操作有误作为安全检测结果,还输出告警信息(例如进行语音告警),以便被监测对象及时发现自己的操作有误,避免出现安全事故。
当上述实际操作设备与上述目标设备相同且上述实际执行操作与上述待执行操作相同时,如果上述安全判断信息满足上述操作安全条件,则说明用户的操作完全符合要求,此时将操作安全作为上述安全检测结果;如果上述安全判断信息不满足上述操作安全条件,则将存在操作风险作为上述安全检测结果,则说明被监测对象的操作还是存在一定的风险,例如灵敏度不高说明被监测对象反应迟钝,可能存在疲劳操作的风险;或者被监测对象体温过高,则说明被监测对象可能发烧;又如距离过近,则也可能存在安全隐患。因此,此时可以根据实际安全风险进行输出提示,以便被监测对象及时调整。
在一种具体应用场景中,可以融合先进计算机视觉和可穿戴感知设备对模块化建筑生产线进行安全检测。具体的,在模块化建筑工作站内布置一批高清摄像头,持续采集生产装备和产线工人图像,作为训练原始数据(通过在视频帧中标注工人物体框和工作站装备物体框,进一步标注不同类型的建筑模块生产装备(如激光切割机械臂、焊接机械臂、翻转设备等)。基于上述数据训练YOLOV5物体识别算法,该算法可以准确识别出大场景尺度下的多个产线工人和不同类型的设备。在产线工人身上部署可穿戴传感设备,基于WIFI和蓝牙等室内通讯手段,支持工厂内位置感知。基于装配式工程安全防护逻辑设计预警算法,基于模块化建筑生产条件(例如工作站布局、设备风险系数、潜在健康危害等)和典型场景(如有些加工过程不允许人体部位出现在加工范围内,有些加工过程需要人为调整,但人体部位必须与设备保持安全距离),针对识别到的不同目标(如人体手部和设备)进行设备操作安全检测。如果不允许人体出现,则根据人体部位占据图像程度计算风险指标;如果允许人体部位出现,则计算人体部位和风险设备距离作为风险指标,设计阶梯型的风险阈值,进行超限实时报警。
由上可见,本发明方案中,可以根据语音指导信息自动获取对应的目标操作信息和操作安全条件,并且进一步结合操作等待时间和操作图像自动进行安全检测。具体的,将获得的实际操作信息和安全判断信息与目标操作信息及操作安全条件进行对比,即可以获得安全检测结果。可见,本发明方案无需安全员进行人工检测,无需设置安全员,因此有利于降低人力资源消耗。且可以实现自动、快速的安全检测,可以分别针对每一个设备和每一个操作人员(即被监测对象)进行实时安全检测,有利于提高设备操作安全检测的准确性和效率,还有利于提高设备操作的安全性。
示例性设备
如图2中所示,对应于上述基于图像处理的设备操作安全检测方法,本发明实施例还提供一种基于图像处理的设备操作安全检测系统,上述基于图像处理的设备操作安全检测系统包括:
语音处理模块510,用于获取语音指导信息,根据上述语音指导信息获取目标操作信息,并根据上述目标操作信息获取操作安全条件,其中,上述目标操作信息包括目标设备和待执行操作,上述操作安全条件包括距离安全条件和反应灵敏度条件;
数据获取模块520,用于向被监测对象输出上述语音指导信息,获取上述被监测对象对应的操作等待时间和操作图像;
数据处理模块530,用于根据上述待执行操作、上述操作等待时间和上述操作图像获取上述被监测对象对应的实际操作信息和安全判断信息,其中,上述实际操作信息包括实际操作设备和实际执行操作,上述安全判断信息包括距离判断数据和反应灵敏度判断数据,上述反应灵敏度判断数据根据上述待执行操作和上述操作等待时间确定;
安全检测模块540,用于根据上述目标操作信息、上述操作安全条件、上述实际操作信息和上述安全判断信息对上述被监测对象进行设备操作安全检测,获得安全检测结果。
具体的,本实施例中,上述基于图像处理的设备操作安全检测系统及其各模块的具体功能可以参照上述基于图像处理的设备操作安全检测方法中的对应描述,在此不再赘述。
需要说明的是,上述基于图像处理的设备操作安全检测系统的各个模块的划分方式并不唯一,在此也不作为具体限定。
基于上述实施例,本发明还提供了一种智能终端,其原理框图可以如图3所示。上述智能终端包括处理器及存储器。该智能终端的存储器包括基于图像处理的设备操作安全检测程序,存储器为基于图像处理的设备操作安全检测程序的运行提供环境。该基于图像处理的设备操作安全检测程序被处理器执行时实现上述任意一种基于图像处理的设备操作安全检测方法的步骤。需要说明的是,上述智能终端还可以包括其它功能模块或单元,在此不作具体限定。
本领域技术人员可以理解,图3中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的智能终端的限定,具体地智能终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本发明实施例还提供一种计算机可读存储介质,上述计算机可读存储介质上存储有基于图像处理的设备操作安全检测程序,上述基于图像处理的设备操作安全检测程序被处理器执行时实现本发明实施例提供的任意一种基于图像处理的设备操作安全检测方法的步骤。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述系统的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各实例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的系统/智能终端和方法,可以通过其它的方式实现。例如,以上所描述的系统/智能终端实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以由另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
上述集成的模块/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存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述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。上述计算机可读介质可以包括:能够携带上述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,RandomAccess 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,上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于图像处理的设备操作安全检测方法,其特征在于,所述方法包括:
获取语音指导信息,根据所述语音指导信息获取目标操作信息,并根据所述目标操作信息获取操作安全条件,其中,所述目标操作信息包括目标设备和待执行操作,所述操作安全条件包括距离安全条件和反应灵敏度条件;
向被监测对象输出所述语音指导信息,获取所述被监测对象对应的操作等待时间和操作图像;
根据所述待执行操作、所述操作等待时间和所述操作图像获取所述被监测对象对应的实际操作信息和安全判断信息,其中,所述实际操作信息包括实际操作设备和实际执行操作,所述安全判断信息包括距离判断数据和反应灵敏度判断数据,所述反应灵敏度判断数据根据所述待执行操作和所述操作等待时间确定;
根据所述目标操作信息、所述操作安全条件、所述实际操作信息和所述安全判断信息对所述被监测对象进行设备操作安全检测,获得安全检测结果。
2.根据权利要求1所述的基于图像处理的设备操作安全检测方法,其特征在于,所述获取语音指导信息,根据所述语音指导信息获取目标操作信息,包括:
获取语音指导信息,对所述语音指导信息进行语音文字转换,获取指导文本;
通过已训练的文本校准模型对所述指导文本进行校准并获得校准文本;
通过已训练的标准词替换模型对所述校准文本进行标准词替换处理并获得标准化文本;
根据所述标准化文本,通过已训练的操作信息识别模型进行操作识别获得目标操作信息。
3.根据权利要求2所述的基于图像处理的设备操作安全检测方法,其特征在于,所述操作信息识别模型根据如下步骤进行训练:
将操作训练数据中的训练标准化文本输入所述操作信息识别模型,通过所述操作信息识别模型进行操作识别获得训练目标操作信息,其中,所述操作训练数据包括多组操作训练信息组,每一组操作训练信息组包括训练标准化文本和标注目标操作信息;
根据所述训练目标操作信息和所述标注目标操作信息,对所述操作信息识别模型的模型参数进行调整,并继续执行所述将操作训练数据中的训练标准化文本输入所述操作信息识别模型的步骤,直至满足第一预设训练条件,以得到已训练的操作信息识别模型。
4.根据权利要求1所述的基于图像处理的设备操作安全检测方法,其特征在于,所述操作等待时间是从向所述被监测对象输出所述语音指导信息开始到监测到所述被监测对象开始操作的等待时间,所述操作安全条件还包括温度安全条件,所述安全判断信息还包括温度判断数据,所述操作图像包括深度图像、RGB图像和热力分布图像。
5.根据权利要求4所述的基于图像处理的设备操作安全检测方法,其特征在于,所述根据所述待执行操作、所述操作等待时间和所述操作图像获取所述被监测对象对应的实际操作信息,包括:
根据所述RGB图像和所述深度图像,通过已训练的图像特征识别模型获取所述被监测对象对应的实际操作信息;
根据所述深度图像获取所述距离判断数据;
获取所述待执行操作对应的预设标准时间范围,根据所述预设标准时间范围和所述操作等待时间计算获得所述反应灵敏度判断数据;
根据所述热力分布图像获取所述温度判断数据。
6.根据权利要求5所述的基于图像处理的设备操作安全检测方法,其特征在于,所述图像特征识别模型根据如下步骤进行训练:
将图像训练数据中的训练RGB图像和训练深度图像输入所述图像特征识别模型,通过所述图像特征识别模型进行特征识别获得训练实际操作信息,其中,所述图像训练数据包括多组图像训练信息组,每一组图像训练信息组包括训练RGB图像、训练深度图像和标注实际操作信息;
根据所述训练实际操作信息和所述标注实际操作信息,对所述图像特征识别模型的模型参数进行调整,并继续执行所述将图像训练数据中的训练RGB图像和训练深度图像输入所述图像特征识别模型的步骤,直至满足第二预设训练条件,以得到已训练的图像特征识别模型。
7.根据权利要求1-6任意一项所述的基于图像处理的设备操作安全检测方法,其特征在于,所述根据所述目标操作信息、所述操作安全条件、所述实际操作信息和所述安全判断信息对所述被监测对象进行设备操作安全检测,获得安全检测结果,包括:
当所述实际操作设备与所述目标设备不同或所述实际执行操作与所述待执行操作不同时,将操作有误作为所述安全检测结果并输出告警信息;
当所述实际操作设备与所述目标设备相同且所述实际执行操作与所述待执行操作相同时,若所述安全判断信息满足所述操作安全条件,则将操作安全作为所述安全检测结果,若所述安全判断信息不满足所述操作安全条件,则将存在操作风险作为所述安全检测结果。
8.一种基于图像处理的设备操作安全检测系统,其特征在于,所述系统包括:
语音处理模块,用于获取语音指导信息,根据所述语音指导信息获取目标操作信息,并根据所述目标操作信息获取操作安全条件,其中,所述目标操作信息包括目标设备和待执行操作,所述操作安全条件包括距离安全条件和反应灵敏度条件;
数据获取模块,用于向被监测对象输出所述语音指导信息,获取所述被监测对象对应的操作等待时间和操作图像;
数据处理模块,用于根据所述待执行操作、所述操作等待时间和所述操作图像获取所述被监测对象对应的实际操作信息和安全判断信息,其中,所述实际操作信息包括实际操作设备和实际执行操作,所述安全判断信息包括距离判断数据和反应灵敏度判断数据,所述反应灵敏度判断数据根据所述待执行操作和所述操作等待时间确定;
安全检测模块,用于根据所述目标操作信息、所述操作安全条件、所述实际操作信息和所述安全判断信息对所述被监测对象进行设备操作安全检测,获得安全检测结果。
9.一种智能终端,其特征在于,所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于图像处理的设备操作安全检测程序,所述基于图像处理的设备操作安全检测程序被所述处理器执行时实现如权利要求1-7任意一项所述基于图像处理的设备操作安全检测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有基于图像处理的设备操作安全检测程序,所述基于图像处理的设备操作安全检测程序被处理器执行时实现如权利要求1-7任意一项所述基于图像处理的设备操作安全检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310103972.2A CN115797878B (zh) | 2023-02-13 | 2023-02-13 | 基于图像处理的设备操作安全检测方法、系统及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310103972.2A CN115797878B (zh) | 2023-02-13 | 2023-02-13 | 基于图像处理的设备操作安全检测方法、系统及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115797878A true CN115797878A (zh) | 2023-03-14 |
CN115797878B CN115797878B (zh) | 2023-05-23 |
Family
ID=85430978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310103972.2A Active CN115797878B (zh) | 2023-02-13 | 2023-02-13 | 基于图像处理的设备操作安全检测方法、系统及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115797878B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108227565A (zh) * | 2017-12-12 | 2018-06-29 | 深圳和而泰数据资源与云技术有限公司 | 一种信息处理方法、终端及计算机可读介质 |
CN111696557A (zh) * | 2020-06-23 | 2020-09-22 | 深圳壹账通智能科技有限公司 | 语音识别结果的校准方法、装置、设备及存储介质 |
CN113888024A (zh) * | 2021-10-26 | 2022-01-04 | 广东电网有限责任公司 | 操作监控方法、装置、电子设备及存储介质 |
WO2022141225A1 (en) * | 2020-12-30 | 2022-07-07 | SZ DJI Technology Co., Ltd. | Methods, apparatus, and systems for operating device based on speech command |
CN114758416A (zh) * | 2022-04-07 | 2022-07-15 | 南方电网数字电网研究院有限公司 | 状态监测方法、装置、设备、存储介质和程序产品 |
CN114885133A (zh) * | 2022-07-04 | 2022-08-09 | 中科航迈数控软件(深圳)有限公司 | 基于深度图像的设备安全实时监控方法、系统及相关设备 |
-
2023
- 2023-02-13 CN CN202310103972.2A patent/CN115797878B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108227565A (zh) * | 2017-12-12 | 2018-06-29 | 深圳和而泰数据资源与云技术有限公司 | 一种信息处理方法、终端及计算机可读介质 |
CN111696557A (zh) * | 2020-06-23 | 2020-09-22 | 深圳壹账通智能科技有限公司 | 语音识别结果的校准方法、装置、设备及存储介质 |
WO2022141225A1 (en) * | 2020-12-30 | 2022-07-07 | SZ DJI Technology Co., Ltd. | Methods, apparatus, and systems for operating device based on speech command |
CN113888024A (zh) * | 2021-10-26 | 2022-01-04 | 广东电网有限责任公司 | 操作监控方法、装置、电子设备及存储介质 |
CN114758416A (zh) * | 2022-04-07 | 2022-07-15 | 南方电网数字电网研究院有限公司 | 状态监测方法、装置、设备、存储介质和程序产品 |
CN114885133A (zh) * | 2022-07-04 | 2022-08-09 | 中科航迈数控软件(深圳)有限公司 | 基于深度图像的设备安全实时监控方法、系统及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115797878B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508580B (zh) | 交通信号灯识别方法和装置 | |
EP3591521B1 (en) | Assistance system, method, and program for assisting a user in fulfilling a task | |
CN110889339B (zh) | 基于头肩检测的危险区域分级预警方法与系统 | |
CN111857470B (zh) | 一种生产设备的无人值守控制方法、装置和控制器 | |
CN111931605B (zh) | 一种核电厂高风险操作智能监护系统及方法 | |
CN115981240B (zh) | 数控机床故障原因确定方法、装置、设备及介质 | |
CN114885133A (zh) | 基于深度图像的设备安全实时监控方法、系统及相关设备 | |
CN114022767A (zh) | 一种电梯楼层定位方法、装置、终端设备及存储介质 | |
CN110728287A (zh) | 图像识别方法及装置、电子设备、存储介质 | |
CN115393566A (zh) | 电力设备的故障识别与预警方法、装置、存储介质、设备 | |
CN113888024A (zh) | 操作监控方法、装置、电子设备及存储介质 | |
CN113468048B (zh) | 系统测试方法、装置、设备及计算机可读存储介质 | |
CN112822440B (zh) | 生物样本制备监控方法、应用服务器、系统及存储介质 | |
CN115797878A (zh) | 基于图像处理的设备操作安全检测方法、系统及相关设备 | |
CN111638672B (zh) | 一种工业机台的自动控制系统 | |
CN113095638A (zh) | 一种程序式作业施工导航与安全监控系统及方法 | |
CN104793609A (zh) | 一种自适应光学电控系统自检及故障诊断专家系统 | |
CN115964115A (zh) | 基于预训练强化学习的数控机床交互方法及相关设备 | |
CN114567535A (zh) | 一种基于增强现实的产品交互与故障诊断方法 | |
CN114332695A (zh) | 电梯开关门的识别方法、设备及存储介质 | |
CN114683910A (zh) | 换电提示方法、系统、设备及可读存储介质 | |
CN112733722A (zh) | 姿态识别方法、装置、系统及计算机可读存储介质 | |
CN115392505B (zh) | 一种汽车配件自动安装机器人的异常处理系统及方法 | |
CN114407025B (zh) | 一种机器人急停模式自动控制方法、装置及机器人 | |
CN111667626B (zh) | 一种基于边缘设备的安全帽和安全带检测识别系统 |
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 |