CN115861321A - 应用于工业互联网的生产环境检测方法及系统 - Google Patents
应用于工业互联网的生产环境检测方法及系统 Download PDFInfo
- Publication number
- CN115861321A CN115861321A CN202310172987.4A CN202310172987A CN115861321A CN 115861321 A CN115861321 A CN 115861321A CN 202310172987 A CN202310172987 A CN 202310172987A CN 115861321 A CN115861321 A CN 115861321A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- environment
- pixel point
- production environment
- 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
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
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本申请提供了一种应用于工业互联网的生产环境检测方法、系统、计算机可读介质及电子设备。该应用于工业互联网的生产环境检测方法包括:获取生产环境中的环境图像,提取环境图像中各像素点对应的像素信息,并确定各像素点对应的相邻像素点;基于像素点及其相邻像素点的像素信息,对环境图像进行增强处理,得到增强图像;通过预先训练得到的检测模型,检测所述增强图像中的目标特征;基于所述目标特征,确定生产环境是否存在异常。通过实时的获取环境图像并对图像进行增强和检测,以判断生产环境中是否存在异常情况,提高了生产环境检测精确性和效率,进而增强了工业生产的效率和可靠性。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种应用于工业互联网的生产环境检测方法、系统、计算机可读介质及电子设备。
背景技术
在很多工业生产过程中,需要对生产设备、生产环境等区域进行周期性的检测和管理,但是现有的生产环境往往复杂多变,经常需要进行人为的检测,这种方式效率较低,需要较高的人力成本。往往会造成异常检测进度跟不上工业生产的情况,进而造成工业生产效率较低、可靠性较低的问题。
发明内容
本申请的实施例提供了一种应用于工业互联网的生产环境检测方法、系统、计算机可读介质及电子设备,进而至少在一定程度上可以提高生产环境检测的效率和精确性。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请的一个方面,提供了一种应用于工业互联网的生产环境检测方法,包括:获取生产环境中的环境图像;提取所述环境图像中各像素点对应的像素信息,并确定各像素点对应的相邻像素点;基于所述像素点及其相邻像素点的像素信息,对所述环境图像进行增强处理,得到增强图像;通过预先训练得到的检测模型,检测所述增强图像中的目标特征;基于所述目标特征,确定生产环境是否存在异常。
在本申请中,基于前述方案,所述获取生产环境中的环境图像之前,还包括:通过布设在环境中的摄像装置采集生产环境中的环境图像;将所述摄像装置对应的装置标识和所述环境图像关联存储至数据库中。
在本申请中,基于前述方案,所述将所述摄像装置对应的装置标识和所述环境图像关联存储至数据库中,包括:基于所述摄像装置对应的拍摄对象,获取拍摄对象的对象标识;识别所述环境图像对应的目标拍摄对象;将所述目标拍摄对象的对象标识与所述环境图像关联存储。
在本申请中,基于前述方案,所述提取所述环境图像中各像素点对应的像素信息,确定各像素点对应的相邻像素点,包括:从所述环境图像中确定各像素点对应的像素信息;基于预设的窗口距离,在所述像素点的周围像素点中进行遍历,确定所述像素点对应的至少两个相邻像素点。
在本申请中,基于前述方案,所述基于所述像素点及其相邻像素点的像素信息,对所述环境图像进行增强处理,得到增强图像,包括:基于所述像素点及其相邻像素点的像素信息,确定所述像素点与所述相邻像素点之间的相关系数;基于所述相关系数和所述像素点的像素信息,确定所述像素点对应的增强像素;基于各像素点的增强像素,生成所述增强图像。
在本申请中,基于前述方案,所述通过预先训练得到的检测模型,检测所述增强图像中的目标特征,包括:将所述增强图像输入预先训练得到的检测模型中,进行特征提取,得到所述增强图像中的目标特征。
在本申请中,基于前述方案,所述基于所述目标特征,确定生产环境是否存在异常,包括:对所述目标特征进行分类,确定各目标特征对应的特征类型;基于所述特征类型及其对应的类型因子,求取异常参数;基于异常参数和参数阈值,确定生产环境是否存在异常。
在本申请中,基于前述方案,所述基于所述目标特征,确定生产环境是否存在异常之后,还包括:生成异常告警信息,并将所述异常告警信息发送至管理终端。
根据本申请的一个方面,提供了一种应用于工业互联网的生产环境检测系统,包括:
获取单元,用于获取生产环境中的环境图像;
像素单元,用于提取所述环境图像中各像素点对应的像素信息,并确定各像素点对应的相邻像素点;
增强单元,用于基于所述像素点及其相邻像素点的像素信息,对所述环境图像进行增强处理,得到增强图像;
检测单元,用于通过预先训练得到的检测模型,检测所述增强图像中的目标特征;
异常单元,用于基于所述目标特征,确定生产环境是否存在异常。
在本申请中,基于前述方案,所述获取生产环境中的环境图像之前,还包括:通过布设在环境中的摄像装置采集生产环境中的环境图像;将所述摄像装置对应的装置标识和所述环境图像关联存储至数据库中。
在本申请中,基于前述方案,所述将所述摄像装置对应的装置标识和所述环境图像关联存储至数据库中,包括:基于所述摄像装置对应的拍摄对象,获取拍摄对象的对象标识;识别所述环境图像对应的目标拍摄对象;将所述目标拍摄对象的对象标识与所述环境图像关联存储。
在本申请中,基于前述方案,所述提取所述环境图像中各像素点对应的像素信息,确定各像素点对应的相邻像素点,包括:从所述环境图像中确定各像素点对应的像素信息;基于预设的窗口距离,在所述像素点的周围像素点中进行遍历,确定所述像素点对应的至少两个相邻像素点。
在本申请中,基于前述方案,所述基于所述像素点及其相邻像素点的像素信息,对所述环境图像进行增强处理,得到增强图像,包括:基于所述像素点及其相邻像素点的像素信息,确定所述像素点与所述相邻像素点之间的相关系数;基于所述相关系数和所述像素点的像素信息,确定所述像素点对应的增强像素;基于各像素点的增强像素,生成所述增强图像。
在本申请中,基于前述方案,所述通过预先训练得到的检测模型,检测所述增强图像中的目标特征,包括:将所述增强图像输入预先训练得到的检测模型中,进行特征提取,得到所述增强图像中的目标特征。
在本申请中,基于前述方案,所述基于所述目标特征,确定生产环境是否存在异常,包括:对所述目标特征进行分类,确定各目标特征对应的特征类型;基于所述特征类型及其对应的类型因子,求取异常参数;基于异常参数和参数阈值,确定生产环境是否存在异常。
根据本申请的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的应用于工业互联网的生产环境检测方法。
根据本申请的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的应用于工业互联网的生产环境检测方法。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的应用于工业互联网的生产环境检测方法。
在本申请的技术方案中,通过获取生产环境中的环境图像,提取环境图像中各像素点对应的像素信息,并确定各像素点对应的相邻像素点;基于像素点及其相邻像素点的像素信息,对环境图像进行增强处理,得到增强图像;通过预先训练得到的检测模型,检测所述增强图像中的目标特征;基于所述目标特征,确定生产环境是否存在异常。通过实时的获取环境图像并对图像进行增强和检测,以判断生产环境中是否存在异常情况,提高了生产环境检测精确性和效率,进而增强了工业生产的效率和可靠性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出了根据本申请的一个实施例的应用于工业互联网的生产环境检测方法的流程图。
图2示意性示出了根据本申请的一个实施例的图像增强的流程图。
图3示意性示出了根据本申请的一个实施例的应用于工业互联网的生产环境检测系统的示意图。
图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、系统、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
图1示出了根据本申请的一个实施例的应用于工业互联网的生产环境检测方法的流程图。参照图1所示,该应用于工业互联网的生产环境检测方法至少包括步骤S110至步骤S150,详细介绍如下:
在步骤S110中,获取生产环境中的环境图像。
在本申请一实施例中,获取生产环境中的环境图像之前,通过布设在环境中的摄像装置采集生产环境中的环境图像;将所述摄像装置对应的装置标识和所述环境图像关联存储至数据库中。
通过在工业环境中布设摄像装置来采集生产环境中的图像,同时本实施例中的摄像装置都有对应的装置标识,用于通过摄像装置的装置标识将环境图像进行关联存储,便于从数据库中进行索引和查找,提高图像获取的效率和准确性。
在本申请的一个实施例中,将所述摄像装置对应的装置标识和所述环境图像关联存储至数据库中,包括:
基于所述摄像装置对应的拍摄对象,获取拍摄对象的对象标识;
识别所述环境图像对应的目标拍摄对象;
将所述目标拍摄对象的对象标识与所述环境图像关联存储。
在本申请一时实施例中,摄像装置的摄像组件是可以活动的,因此每个摄像装置可以获取到多个生产区域的图像。本实施例中通过摄像装置自动识别和拍摄环境中的对象,同时根据摄像装置的拍摄角度来确定各拍摄角度下的环境对象,并确定其对象标识。通过识别环境图像中的目标拍摄对象,以将目标拍摄对象的对象标识和环境图像关联存储。
在步骤S120中,提取所述环境图像中各像素点对应的像素信息,并确定各像素点对应的相邻像素点。
在本申请的一个实施例中,通过对环境图像中的像素信息进行提取,之后基于环境图像中的像素信息,确定各像素点对应的相邻像素点。
可选的,本实施例中的像素信息可以包括像素值或灰度值等信息。
在本申请的一个实施例中,提取所述环境图像中各像素点对应的像素信息,确定各像素点对应的相邻像素点,包括:
从所述环境图像中确定各像素点对应的像素信息;
基于预设的窗口距离,在所述像素点的周围像素点中进行遍历,确定所述像素点对应的至少两个相邻像素点。
在本申请一实施例中,基于环境图像确定其中各像素点对应的像素信息,以进行图像分析。本实施例中预设有窗口距离,用于基于窗口距离确定像素点对应的相邻像素点。具体的,通过基于窗口距离在像素点的周围像素点中进行遍历,确定与该像素点距离为该窗口距离的像素点作为相邻像素点。
需要说明的是,本实施例中的相邻像素点的数量可以为两个或者两个以上。
在步骤S130中,基于所述像素点及其相邻像素点的像素信息,对所述环境图像进行增强处理,得到增强图像。
在本申请的一个实施例中,在获取到像素点和相邻像素点的像素信息之后,对环境图像进行增强处理得到增强图像,以放大图像中的特征信息。
在本申请的一个实施例中,如图2所示,基于所述像素点及其相邻像素点的像素信息,对所述环境图像进行增强处理,得到增强图像,包括:
S210,基于所述像素点及其相邻像素点的像素信息,确定所述像素点与所述相邻像素点之间的相关系数;
S220,基于所述相关系数和所述像素点的像素信息,确定所述像素点对应的增强像素;
S230,基于各像素点的增强像素,生成所述增强图像。
其中,i和k分别表示相邻像素点的标识和数量,表示预设的归一化因子。本实施例中将像素点与其相邻像素点的信息结合,通过上述方式计算得到像素点与各相邻像素点之间的相关系数,用于通过各像素点之间的相关系数来衡量像素点之间的增强关系,即相关程度,进而通过相关系数对原像素点进行增强处理,确定所述像素点对应的增强像素为:
在上述计算过程中,通过基于像素点与相邻像素点之间的相关系数,作为像素点与其相邻像素点之间的增强程度,以通过相关系数来评估相邻像素点的像素值,并将像素点的像素值与相邻像素点的像素值进行加权求和,确定像素点对应的增强像素。最后基于各像素点对应的增强像素,生成环境图像对应的增强图像。通过上述方式提高了环境图像的对比度,使得图像特征更加清晰。
在步骤S140中,通过预先训练得到的检测模型,检测所述增强图像中的目标特征。
在本申请的一个实施例中,将所述增强图像输入预先训练得到的检测模型中,进行特征提取,得到所述增强图像中的目标特征。
在本申请一实施例中,基于神经网络模型训练得到检测模型,用于通过对图像检测进而提取其中的特征,得到增强图像中的目标特征。
本实施例中的目标特征包括:明显的图像特征、异常的图像特征等等。
在步骤S150中,基于所述目标特征,确定生产环境是否存在异常。
在本申请的一个实施例中,在提取得到目标特征之后,基于目标特征检测生产环境是否存在异常。
在本申请的一个实施例中,基于所述目标特征,确定生产环境是否存在异常,包括:
对所述目标特征进行分类,确定各目标特征对应的特征类型;
基于所述特征类型及其对应的类型因子,求取异常参数;
基于异常参数和参数阈值,确定生产环境是否存在异常。
在本申请一实施例中,在获取到目标特征之后,对所述目标特征进行分类,确定各目标特征对应的特征类型。本实施例中的特征类型包括环境特征、设备特征等类型。针对各特征类型预设有其对应的类型因子。之后基于特征类型及其对应的类型因子,求取异常参数/>为:
其中,n和m表示目标特征的标识和数量。我们在计算得到异常参数之后,基于预设的参数阈值进行对比,若异常参数大于或者等于参数阈值,则判断生产环境存在异常。
在本申请一实施例中,基于所述目标特征,确定生产环境是否存在异常之后,还包括:生成异常告警信息,并将所述异常告警信息发送至管理终端。以保证异常可以及时的告知管理人员进行处理,保证工业生产的可靠性。
在本申请的技术方案中,通过获取生产环境中的环境图像,提取环境图像中各像素点对应的像素信息,并确定各像素点对应的相邻像素点;基于像素点及其相邻像素点的像素信息,对环境图像进行增强处理,得到增强图像;通过预先训练得到的检测模型,检测所述增强图像中的目标特征;基于所述目标特征,确定生产环境是否存在异常。通过实时的获取环境图像并对图像进行增强和检测,以判断生产环境中是否存在异常情况,提高了生产环境检测精确性和效率,进而增强了工业生产的效率和可靠性。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的应用于工业互联网的生产环境检测方法。可以理解的是,所述装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该装置为一个应用软件;该装置可以用于执行本申请实施例提供的方法中的相应步骤。对于本申请装置实施例中未披露的细节,请参照本申请上述的应用于工业互联网的生产环境检测方法的实施例。
图3示出了根据本申请的一个实施例的应用于工业互联网的生产环境检测系统的框图。
参照图3所示,根据本申请的一个实施例的应用于工业互联网的生产环境检测系统,包括:
获取单元310,用于获取生产环境中的环境图像;
像素单元320,用于提取所述环境图像中各像素点对应的像素信息,并确定各像素点对应的相邻像素点;
增强单元330,用于基于所述像素点及其相邻像素点的像素信息,对所述环境图像进行增强处理,得到增强图像;
检测单元340,用于通过预先训练得到的检测模型,检测所述增强图像中的目标特征;
异常单元350,用于基于所述目标特征,确定生产环境是否存在异常。
在本申请中,基于前述方案,所述获取生产环境中的环境图像之前,还包括:通过布设在环境中的摄像装置采集生产环境中的环境图像;将所述摄像装置对应的装置标识和所述环境图像关联存储至数据库中。
在本申请中,基于前述方案,所述将所述摄像装置对应的装置标识和所述环境图像关联存储至数据库中,包括:基于所述摄像装置对应的拍摄对象,获取拍摄对象的对象标识;识别所述环境图像对应的目标拍摄对象;将所述目标拍摄对象的对象标识与所述环境图像关联存储。
在本申请中,基于前述方案,所述提取所述环境图像中各像素点对应的像素信息,确定各像素点对应的相邻像素点,包括:从所述环境图像中确定各像素点对应的像素信息;基于预设的窗口距离,在所述像素点的周围像素点中进行遍历,确定所述像素点对应的至少两个相邻像素点。
在本申请中,基于前述方案,所述基于所述像素点及其相邻像素点的像素信息,对所述环境图像进行增强处理,得到增强图像,包括:基于所述像素点及其相邻像素点的像素信息,确定所述像素点与所述相邻像素点之间的相关系数;基于所述相关系数和所述像素点的像素信息,确定所述像素点对应的增强像素;基于各像素点的增强像素,生成所述增强图像。
在本申请中,基于前述方案,所述通过预先训练得到的检测模型,检测所述增强图像中的目标特征,包括:将所述增强图像输入预先训练得到的检测模型中,进行特征提取,得到所述增强图像中的目标特征。
在本申请中,基于前述方案,所述基于所述目标特征,确定生产环境是否存在异常,包括:对所述目标特征进行分类,确定各目标特征对应的特征类型;基于所述特征类型及其对应的类型因子,求取异常参数;基于异常参数和参数阈值,确定生产环境是否存在异常。
在本申请的技术方案中,通过获取生产环境中的环境图像,提取环境图像中各像素点对应的像素信息,并确定各像素点对应的相邻像素点;基于像素点及其相邻像素点的像素信息,对环境图像进行增强处理,得到增强图像;通过预先训练得到的检测模型,检测所述增强图像中的目标特征;基于所述目标特征,确定生产环境是否存在异常。通过实时的获取环境图像并对图像进行增强和检测,以判断生产环境中是否存在异常情况,提高了生产环境检测精确性和效率,进而增强了工业生产的效率和可靠性。
图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图4示出的电子设备的计算机系统400仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统400包括中央处理单元(Central Processing Unit,CPU)401,其可以根据存储在只读存储器(Read-Only Memory,ROM)402中的程序或者从储存部分408加载到随机访问存储器(Random Access Memory,RAM)403中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 403中,还存储有系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(Input/Output,I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分407;包括硬盘等的储存部分408;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入储存部分408。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的方法。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种应用于工业互联网的生产环境检测方法,其特征在于,包括:
获取生产环境中的环境图像;
提取所述环境图像中各像素点对应的像素信息,并确定各像素点对应的相邻像素点;
基于所述像素点及其相邻像素点的像素信息,对所述环境图像进行增强处理,得到增强图像;
通过预先训练得到的检测模型,检测所述增强图像中的目标特征;
基于所述目标特征,确定生产环境是否存在异常。
2.根据权利要求1所述的方法,其特征在于,获取生产环境中的环境图像之前,还包括:
通过布设在环境中的摄像装置采集生产环境中的环境图像;
将所述摄像装置对应的装置标识和所述环境图像关联存储至数据库中。
3.根据权利要求2所述的方法,其特征在于,将所述摄像装置对应的装置标识和所述环境图像关联存储至数据库中,包括:
基于所述摄像装置对应的拍摄对象,获取拍摄对象的对象标识;
识别所述环境图像对应的目标拍摄对象;
将所述目标拍摄对象的对象标识与所述环境图像关联存储。
4.根据权利要求1所述的方法,其特征在于,提取所述环境图像中各像素点对应的像素信息,确定各像素点对应的相邻像素点,包括:
从所述环境图像中确定各像素点对应的像素信息;
基于预设的窗口距离,在所述像素点的周围像素点中进行遍历,确定所述像素点对应的至少两个相邻像素点。
5.根据权利要求1所述的方法,其特征在于,基于所述像素点及其相邻像素点的像素信息,对所述环境图像进行增强处理,得到增强图像,包括:
基于所述像素点及其相邻像素点的像素信息,确定所述像素点与所述相邻像素点之间的相关系数;
基于所述相关系数和所述像素点的像素信息,确定所述像素点对应的增强像素;
基于各像素点的增强像素,生成所述增强图像。
6.根据权利要求1所述的方法,其特征在于,通过预先训练得到的检测模型,检测所述增强图像中的目标特征,包括:
将所述增强图像输入预先训练得到的检测模型中,进行特征提取,得到所述增强图像中的目标特征。
7.根据权利要求1所述的方法,其特征在于,基于所述目标特征,确定生产环境是否存在异常,包括:
对所述目标特征进行分类,确定各目标特征对应的特征类型;
基于所述特征类型及其对应的类型因子,求取异常参数;
基于异常参数和参数阈值,确定生产环境是否存在异常。
8.根据权利要求1所述的方法,其特征在于,基于所述目标特征,确定生产环境是否存在异常之后,还包括:
生成异常告警信息,并将所述异常告警信息发送至管理终端。
9.一种应用于工业互联网的生产环境检测系统,其特征在于,包括:
获取单元,用于获取生产环境中的环境图像;
像素单元,用于提取所述环境图像中各像素点对应的像素信息,并确定各像素点对应的相邻像素点;
增强单元,用于基于所述像素点及其相邻像素点的像素信息,对所述环境图像进行增强处理,得到增强图像;
检测单元,用于通过预先训练得到的检测模型,检测所述增强图像中的目标特征;
异常单元,用于基于所述目标特征,确定生产环境是否存在异常。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至8中任一项所述的应用于工业互联网的生产环境检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310172987.4A CN115861321B (zh) | 2023-02-28 | 2023-02-28 | 应用于工业互联网的生产环境检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310172987.4A CN115861321B (zh) | 2023-02-28 | 2023-02-28 | 应用于工业互联网的生产环境检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115861321A true CN115861321A (zh) | 2023-03-28 |
CN115861321B CN115861321B (zh) | 2023-09-05 |
Family
ID=85659145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310172987.4A Active CN115861321B (zh) | 2023-02-28 | 2023-02-28 | 应用于工业互联网的生产环境检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115861321B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016004309A (ja) * | 2014-06-13 | 2016-01-12 | 富士ゼロックス株式会社 | 画像処理装置、画像処理方法、画像処理システムおよびプログラム |
WO2017067526A1 (zh) * | 2015-10-23 | 2017-04-27 | 努比亚技术有限公司 | 图像增强方法及移动终端 |
US20170337687A1 (en) * | 2015-11-30 | 2017-11-23 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for computer aided diagnosis |
US20180338082A1 (en) * | 2017-05-16 | 2018-11-22 | Apple Inc. | Target Image Quality Enhancement Using A Guide Image |
US20200151496A1 (en) * | 2018-11-09 | 2020-05-14 | Canon Virginia, Inc. | Devices, systems, and methods for anomaly detection |
KR20200127439A (ko) * | 2019-05-02 | 2020-11-11 | 삼성전자주식회사 | 영상 처리 방법 및 장치 |
CN112419167A (zh) * | 2020-09-28 | 2021-02-26 | 重庆港宇高科技开发有限公司 | 图像增强方法、装置及存储介质 |
US20210158488A1 (en) * | 2018-04-16 | 2021-05-27 | Shenzhen China Star Optelectronics Technology Co., Ltd | Image edge processing method, electronic device, and computer readable storage medium |
CN113343779A (zh) * | 2021-05-14 | 2021-09-03 | 南方电网调峰调频发电有限公司 | 环境异常检测方法、装置、计算机设备和存储介质 |
CN113888663A (zh) * | 2021-10-15 | 2022-01-04 | 推想医疗科技股份有限公司 | 重建模型训练方法、异常检测方法、装置、设备及介质 |
WO2022110712A1 (zh) * | 2020-11-30 | 2022-06-02 | 平安科技(深圳)有限公司 | 图像增强方法、装置、电子设备及计算机可读存储介质 |
CN115035113A (zh) * | 2022-08-11 | 2022-09-09 | 深圳市通泰详特种电线电缆有限公司 | 基于x射线的手机数据线生产缺陷无损检测方法 |
-
2023
- 2023-02-28 CN CN202310172987.4A patent/CN115861321B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016004309A (ja) * | 2014-06-13 | 2016-01-12 | 富士ゼロックス株式会社 | 画像処理装置、画像処理方法、画像処理システムおよびプログラム |
WO2017067526A1 (zh) * | 2015-10-23 | 2017-04-27 | 努比亚技术有限公司 | 图像增强方法及移动终端 |
US20170337687A1 (en) * | 2015-11-30 | 2017-11-23 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for computer aided diagnosis |
US20180338082A1 (en) * | 2017-05-16 | 2018-11-22 | Apple Inc. | Target Image Quality Enhancement Using A Guide Image |
US20210158488A1 (en) * | 2018-04-16 | 2021-05-27 | Shenzhen China Star Optelectronics Technology Co., Ltd | Image edge processing method, electronic device, and computer readable storage medium |
US20200151496A1 (en) * | 2018-11-09 | 2020-05-14 | Canon Virginia, Inc. | Devices, systems, and methods for anomaly detection |
KR20200127439A (ko) * | 2019-05-02 | 2020-11-11 | 삼성전자주식회사 | 영상 처리 방법 및 장치 |
CN112419167A (zh) * | 2020-09-28 | 2021-02-26 | 重庆港宇高科技开发有限公司 | 图像增强方法、装置及存储介质 |
WO2022110712A1 (zh) * | 2020-11-30 | 2022-06-02 | 平安科技(深圳)有限公司 | 图像增强方法、装置、电子设备及计算机可读存储介质 |
CN113343779A (zh) * | 2021-05-14 | 2021-09-03 | 南方电网调峰调频发电有限公司 | 环境异常检测方法、装置、计算机设备和存储介质 |
CN113888663A (zh) * | 2021-10-15 | 2022-01-04 | 推想医疗科技股份有限公司 | 重建模型训练方法、异常检测方法、装置、设备及介质 |
CN115035113A (zh) * | 2022-08-11 | 2022-09-09 | 深圳市通泰详特种电线电缆有限公司 | 基于x射线的手机数据线生产缺陷无损检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115861321B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11392792B2 (en) | Method and apparatus for generating vehicle damage information | |
CN108171203B (zh) | 用于识别车辆的方法和装置 | |
CN111242097A (zh) | 一种人脸识别方法、装置、计算机可读介质及电子设备 | |
CN109446061B (zh) | 一种页面检测方法、计算机可读存储介质及终端设备 | |
CN108304816B (zh) | 身份识别方法、装置、存储介质及电子设备 | |
CN110780965B (zh) | 基于视觉的流程自动化方法、设备及可读存储介质 | |
CN115018840B (zh) | 精密铸件裂纹检测方法、系统及装置 | |
CN111814776B (zh) | 一种图像处理方法、设备、服务器及存储介质 | |
CN111783665A (zh) | 一种动作识别方法、装置、存储介质和电子设备 | |
CN115122155A (zh) | 基于工业互联网大数据的机床远程诊断方法及系统 | |
CN115665188A (zh) | 应用于工业互联网制造的传感器数据处理的方法及系统 | |
CN116311214B (zh) | 车牌识别方法和装置 | |
CN111767915A (zh) | 车牌检测方法、装置、设备及存储介质 | |
CN112052813A (zh) | 染色体间易位识别方法、装置、电子设备及可读存储介质 | |
CN115082752A (zh) | 基于弱监督的目标检测模型训练方法、装置、设备及介质 | |
CN112085721A (zh) | 基于人工智能的水淹车定损方法、装置、设备及存储介质 | |
EP3376438A1 (en) | A system and method for detecting change using ontology based saliency | |
CN108629310B (zh) | 一种工程管理监督方法及装置 | |
CN111008953A (zh) | 一种数字病理图像质控的方法及装置 | |
CN115083008A (zh) | 运动目标检测方法、装置、设备及存储介质 | |
CN113052019A (zh) | 目标跟踪方法及装置、智能设备和计算机存储介质 | |
CN115293735A (zh) | 一种无人工厂工业互联网平台监测管理方法及系统 | |
CN115861321B (zh) | 应用于工业互联网的生产环境检测方法及系统 | |
CN110796651A (zh) | 图像质量的预测方法及装置、电子设备、存储介质 | |
CN115223157A (zh) | 一种基于循环神经网络的电网设备铭牌光学字符识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |