CN116189103A - 基于视觉图像分析的设备监控自动控制方法及控制系统 - Google Patents
基于视觉图像分析的设备监控自动控制方法及控制系统 Download PDFInfo
- Publication number
- CN116189103A CN116189103A CN202310490677.7A CN202310490677A CN116189103A CN 116189103 A CN116189103 A CN 116189103A CN 202310490677 A CN202310490677 A CN 202310490677A CN 116189103 A CN116189103 A CN 116189103A
- Authority
- CN
- China
- Prior art keywords
- value
- monitoring
- image
- equipment
- analysis
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Testing And Monitoring For Control Systems (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及图像识别领域,具体涉及基于视觉图像分析的设备监控自动控制方法及控制系统,用于解决现有的设备监控自动控制系统无法对生产线中的每个设备的工作状况的实时监测,及时获知设备运行的安全状况,在出现故障时能够及时采取处理,进而仍然无法做到高效的发现问题并及时作出应急反应的问题;该设备监控自动控制方法通过两次对监控设备进行异常判断,能够精确地对监控设备的状态进行判断,因此,能够及时获取监控设备的情况,智能化程度高、异常发现速度快,避免异常的监控设备坚持使用造成严重的经济损失,而且只对初步异常的监控设备进行进一步的异常判断,无需采集过多的数据,避免数据处理量大造成巨大的经济成本。
Description
技术领域
本发明涉及图像识别领域,具体涉及基于视觉图像分析的设备监控自动控制方法及控制系统。
背景技术
在现有的工业自动控制领域,常用的技术手段是采用传感器探测温度、高度、密度、重量、液面高度等参数,进而作出判断,进一步实现控制动作,申请号为CN202211675225.8的专利公开了一种基于视觉图像分析的设备监控自动控制系统,所述自动控制系统包括摄像系统、图像识别系统、容错指令系统,执行系统;摄像系统拍摄目标图像,所述目标图像进入图像识别系统,所述图像识别系统通过识别目标图像产生判断结果,所述判断结果进入容错指令系统,容错指令系统按照一定逻辑筛选出输出结果,执行系统根据所述输出结果执行自动控制动作;所述图像识别系统包括参数优化神经网络模块,图像识别神经网络模块,所述参数优化神经网络模块通过训练样本得到优化的参数w和b;该发明方法能够实现老旧工业产线的部分工业自动化要求,提高产线的工作效率、可靠性及安全性;解决了老旧产线无法自动化抬犁问题。实现了现场无人值守要求,但仍然存在以下不足之处:该设备监控自动控制系统无法对生产线中的每个设备的工作状况的实时监测,及时获知设备运行的安全状况,在出现故障时能够及时采取处理,进而仍然无法做到高效的发现问题并及时作出应急反应。
发明内容
为了克服上述的技术问题,本发明的目的在于提供基于视觉图像分析的设备监控自动控制方法及控制系统:通过图像获取模块对生产线中的设备进行拍摄,获得标准图片、分析视频,通过图像分析模块根据分析视频获得分析图像,并根据分析图像与标准图片获得监测图像,并根据监测图像获得监面值和监控设备,通过自动控制平台根据监控设备生成设备监控指令,通过设备监控模块接收到设备监控指令后获取监控设备的运行参数,通过自动控制平台根据监面值、运行参数获得异常系数,通过异常报警模块根据异常系数进行异常报警处理,解决了现有的设备监控自动控制系统无法对生产线中的每个设备的工作状况的实时监测,及时获知设备运行的安全状况,在出现故障时能够及时采取处理,进而仍然无法做到高效的发现问题并及时作出应急反应的问题。
本发明的目的可以通过以下技术方案实现:
基于视觉图像分析的设备监控自动控制系统,包括:
图像获取模块,用于对生产线中的设备进行拍摄,获得标准图片、分析视频,并将标准图片、分析视频发送至图像分析模块;
图像分析模块,用于根据分析视频获得分析图像i,并根据分析图像i与标准图片获得监测图像,并根据监测图像获得监面值JM和监控设备,并将监面值JM以及监控设备发送至自动控制平台;
自动控制平台,用于根据监控设备生成设备监控指令,并将设备监控指令发送至设备监控模块;还用于根据监面值JM、运行参数获得异常系数YC,并将异常系数YC发送至异常报警模块;
设备监控模块,用于接收到设备监控指令后获取监控设备的运行参数,并将运行参数发送至自动控制平台;其中,运行参数包括温差值WC、电偏值DP以及音强值YQ;
异常报警模块,用于根据异常系数YC进行异常报警处理。
作为本发明进一步的方案:所述图像获取模块获得标准图片、分析视频的具体过程如下所示:
图像获取模块包括若干个高清摄像头,每个高清摄像头分别对应拍摄生产线中的一个设备;
通过高清摄像头拍摄每个设备初始运行状态下的照片并将其标记为标准图片;
通过高清摄像头拍摄每个设备正常工作运行状态下的视频并将其标记为分析视频;
将标准图片、分析视频发送至图像分析模块。
作为本发明进一步的方案:所述图像分析模块获得监面值JM和监控设备的具体过程如下所示:
按照预设分析时间段将分析视频进行截取形成图像,并依次标记为分析图像i,i=1、……、n,n为自然数;
获取分析图像i与标准图片均在同一位置出现的相同轮廓图像并将其标记为重合图像,将分析图像i中的重合图像进行消除,将余下轮廓图像标记为监测图像;
获取监测图像的面积并将其标记为监面值JM;
将监面值JM与预设的监面阈值JMy进行比较:
若监面值JM>预设的监面阈值JMy,则将监面值JM对应的设备标记为监控设备,并将监面值JM以及监控设备发送至自动控制平台。
作为本发明进一步的方案:所述自动控制平台获得异常系数YC的具体过程如下所示:
将监面值JM、温差值WC、电偏值DP以及音强值YQ代入公式得到异常系数YC,其中,s1、s2、s3、s4分别为监面值JM、温差值WC、电偏值DP以及音强值YQ的预设权重系数,且s1>s3>s1>s4>2.55;
将异常系数YC发送至异常报警模块。
作为本发明进一步的方案:所述设备监控模块获取运行参数的具体过程如下所示:
接收到设备监控指令后获取监控设备的表面温度与内部温度,获取两者之间的差值并将其标记为温差值WC;
获取监控设备的初始运行状态下单位时间内的工作电压,求取平均值,并将其标记为均压值JY;获取监控设备正常工作运行状态下的实时工作电压,并将其标记为实压值SY,并获取实压值SY与均压值JY两者之间的差值并将其标记为压差值YC,并获取压差值YC与均压值JY之间的比值并将其标记为偏压值PY;获取监控设备的初始运行状态下单位时间内的工作电流,求取平均值,并将其标记为均流值JL;获取监控设备正常工作运行状态下的实时工作电流,并将其标记为实流值SL,并获取实流值SL与均流值JL两者之间的差值并将其标记为流差值LC,并获取流差值LC与均流值JL之间的比值并将其标记为偏流值PL;将偏压值PY、偏流值PL代入公式得到电偏值DP,其中,f1、f2分别为偏压值PY、偏流值PL的预设比例系数,且f1+f2=1,0<f1<f2<1,取f1=0.39,f2=0.61;
获取监控设备发出的声音强度值并将其标记为音强值YQ;
将温差值WC、电偏值DP以及音强值YQ发送至自动控制平台。
作为本发明进一步的方案:基于视觉图像分析的设备监控自动控制方法,包括以下步骤:
步骤一:图像获取模块包括若干个高清摄像头,每个高清摄像头分别对应拍摄生产线中的一个设备,通过高清摄像头拍摄每个设备初始运行状态下的照片并将其标记为标准图片;
步骤二:图像获取模块通过高清摄像头拍摄每个设备正常工作运行状态下的视频并将其标记为分析视频;
步骤三:图像获取模块将标准图片、分析视频发送至图像分析模块;
步骤四:图像分析模块按照预设分析时间段将分析视频进行截取形成图像,并依次标记为分析图像i,i=1、……、n,n为自然数;
步骤五:图像分析模块获取分析图像i与标准图片均在同一位置出现的相同轮廓图像并将其标记为重合图像,将分析图像i中的重合图像进行消除,将余下轮廓图像标记为监测图像;
步骤六:图像分析模块获取监测图像的面积并将其标记为监面值JM;
步骤七:图像分析模块将监面值JM与预设的监面阈值JMy进行比较:若监面值JM>预设的监面阈值JMy,则将监面值JM对应的设备标记为监控设备,并将监面值JM以及监控设备发送至自动控制平台;
步骤八:自动控制平台接收到监控设备根据监控设备生成设备监控指令,并将设备监控指令发送至设备监控模块;
步骤九:设备监控模块接收到设备监控指令后获取监控设备的表面温度与内部温度,获取两者之间的差值并将其标记为温差值WC;
步骤十:设备监控模块获取监控设备的初始运行状态下单位时间内的工作电压,求取平均值,并将其标记为均压值JY;获取监控设备正常工作运行状态下的实时工作电压,并将其标记为实压值SY,并获取实压值SY与均压值JY两者之间的差值并将其标记为压差值YC,并获取压差值YC与均压值JY之间的比值并将其标记为偏压值PY;获取监控设备的初始运行状态下单位时间内的工作电流,求取平均值,并将其标记为均流值JL;获取监控设备正常工作运行状态下的实时工作电流,并将其标记为实流值SL,并获取实流值SL与均流值JL两者之间的差值并将其标记为流差值LC,并获取流差值LC与均流值JL之间的比值并将其标记为偏流值PL;将偏压值PY、偏流值PL代入公式得到电偏值DP,其中,f1、f2分别为偏压值PY、偏流值PL的预设比例系数,且f1+f2=1,0<f1<f2<1,取f1=0.39,f2=0.61;/>
步骤十一:设备监控模块获取监控设备发出的噪音的声音强度值并将其标记为音强值YQ;
步骤十二:设备监控模块将温差值WC、电偏值DP以及音强值YQ发送至自动控制平台;
步骤十三:自动控制平台将监面值JM、温差值WC、电偏值DP以及音强值YQ代入公式得到异常系数YC,其中,s1、s2、s3、s4分别为监面值JM、温差值WC、电偏值DP以及音强值YQ的预设权重系数,且s1>s3>s1>s4>2.55;
步骤十四:自动控制平台将异常系数YC发送至异常报警模块;
步骤十五:异常报警模块将异常系数YC与预设的异常阈值YCy进行比较,其中,异常阈值YCy包括一级异常阈值YC1、二级异常阈值YC2:
若异常系数YC>二级异常阈值YC2,则进行铃声警报并关停异常系数YC所对应的监控设备;
若一级异常阈值YC1≤异常系数YC≤二级异常阈值YC2,则进行铃声警报;
若异常系数YC<一级异常阈值YC1,则不进行任何操作。
本发明的有益效果:本发明的基于视觉图像分析的设备监控自动控制方法及控制系统,通过图像获取模块对生产线中的设备进行拍摄,获得标准图片、分析视频,通过图像分析模块根据分析视频获得分析图像,并根据分析图像与标准图片获得监测图像,并根据监测图像获得监面值和监控设备,通过自动控制平台根据监控设备生成设备监控指令,通过设备监控模块接收到设备监控指令后获取监控设备的运行参数,通过自动控制平台根据监面值、运行参数获得异常系数,通过异常报警模块根据异常系数进行异常报警处理;该设备监控自动控制方法首先通过分析图像与标准图片对比获得监面值,通过监面值初步对设备的状态进行异常判断,之后获得运行参数,温差值用于衡量监控设备的温度异常情况,电偏值用于衡量监控设备的用电异常情况,音强值用于衡量监控设备的噪音异常情况,而经过监面值、温差值、电偏值以及音强值分析得到的异常系数用于进一步综合对设备的状态进行异常判断,之后对监控设备进行异常报警处理;该设备监控自动控制方法通过两次对监控设备进行异常判断,能够精确地对监控设备的状态进行判断,因此,能够及时获取监控设备的情况,智能化程度高、异常发现速度快,避免异常的监控设备坚持使用造成严重的经济损失,而且只对初步异常的监控设备进行进一步的异常判断,无需采集过多的数据,避免数据处理量大造成巨大的经济成本。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明中基于视觉图像分析的设备监控自动控制系统的原理框图。
具体实施方式
下面将结合本发明实施例,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作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。
实施例1:请参阅图1所示,本实施例为基于视觉图像分析的设备监控自动控制系统,包括图像获取模块、图像分析模块、自动控制平台、设备监控模块以及异常报警模块;
其中,所述图像获取模块用于对生产线中的设备进行拍摄,获得标准图片、分析视频,并将标准图片、分析视频发送至图像分析模块;
其中,所述图像分析模块用于根据分析视频获得分析图像i,并根据分析图像i与标准图片获得监测图像,并根据监测图像获得监面值JM和监控设备,并将监面值JM以及监控设备发送至自动控制平台;
其中,所述自动控制平台用于根据监控设备生成设备监控指令,并将设备监控指令发送至设备监控模块;还用于根据监面值JM、运行参数获得异常系数YC,并将异常系数YC发送至异常报警模块;
其中,所述设备监控模块用于接收到设备监控指令后获取监控设备的运行参数,并将运行参数发送至自动控制平台;其中,运行参数包括温差值WC、电偏值DP以及音强值YQ;
其中,所述异常报警模块用于根据异常系数YC进行异常报警处理。
实施例2:请参阅图1所示,本实施例为基于视觉图像分析的设备监控自动控制方法,包括以下步骤:
步骤一:图像获取模块包括若干个高清摄像头,每个高清摄像头分别对应拍摄生产线中的一个设备,通过高清摄像头拍摄每个设备初始运行状态下的照片并将其标记为标准图片;
步骤二:图像获取模块通过高清摄像头拍摄每个设备正常工作运行状态下的视频并将其标记为分析视频;
步骤三:图像获取模块将标准图片、分析视频发送至图像分析模块;
步骤四:图像分析模块按照预设分析时间段将分析视频进行截取形成图像,并依次标记为分析图像i,i=1、……、n,n为自然数;
步骤五:图像分析模块获取分析图像i与标准图片均在同一位置出现的相同轮廓图像并将其标记为重合图像,将分析图像i中的重合图像进行消除,将余下轮廓图像标记为监测图像;
步骤六:图像分析模块获取监测图像的面积并将其标记为监面值JM;
步骤七:图像分析模块将监面值JM与预设的监面阈值JMy进行比较:
若监面值JM>预设的监面阈值JMy,则将监面值JM对应的设备标记为监控设备,并将监面值JM以及监控设备发送至自动控制平台;
步骤八:自动控制平台接收到监控设备根据监控设备生成设备监控指令,并将设备监控指令发送至设备监控模块;
步骤九:设备监控模块接收到设备监控指令后获取监控设备的表面温度与内部温度,获取两者之间的差值并将其标记为温差值WC;
步骤十:设备监控模块获取监控设备的初始运行状态下单位时间内的工作电压,求取平均值,并将其标记为均压值JY;获取监控设备正常工作运行状态下的实时工作电压,并将其标记为实压值SY,并获取实压值SY与均压值JY两者之间的差值并将其标记为压差值YC,并获取压差值YC与均压值JY之间的比值并将其标记为偏压值PY;获取监控设备的初始运行状态下单位时间内的工作电流,求取平均值,并将其标记为均流值JL;获取监控设备正常工作运行状态下的实时工作电流,并将其标记为实流值SL,并获取实流值SL与均流值JL两者之间的差值并将其标记为流差值LC,并获取流差值LC与均流值JL之间的比值并将其标记为偏流值PL;将偏压值PY、偏流值PL代入公式得到电偏值DP,其中,f1、f2分别为偏压值PY、偏流值PL的预设比例系数,且f1+f2=1,0<f1<f2<1,取f1=0.39,f2=0.61;
步骤十一:设备监控模块获取监控设备发出的噪音的声音强度值并将其标记为音强值YQ;
步骤十二:设备监控模块将温差值WC、电偏值DP以及音强值YQ发送至自动控制平台;
步骤十三:自动控制平台将监面值JM、温差值WC、电偏值DP以及音强值YQ代入公式得到异常系数YC,其中,s1、s2、s3、s4分别为监面值JM、温差值WC、电偏值DP以及音强值YQ的预设权重系数,且s1>s3>s1>s4>2.55;
步骤十四:自动控制平台将异常系数YC发送至异常报警模块;
步骤十五:异常报警模块将异常系数YC与预设的异常阈值YCy进行比较,其中,异常阈值YCy包括一级异常阈值YC1、二级异常阈值YC2:
若异常系数YC>二级异常阈值YC2,则进行铃声警报并关停异常系数YC所对应的监控设备;
若一级异常阈值YC1≤异常系数YC≤二级异常阈值YC2,则进行铃声警报;
若异常系数YC<一级异常阈值YC1,则不进行任何操作。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.基于视觉图像分析的设备监控自动控制系统,其特征在于,包括:
图像获取模块,用于对生产线中的设备进行拍摄,获得标准图片、分析视频,并将标准图片、分析视频发送至图像分析模块;
图像分析模块,用于根据分析视频获得分析图像,并根据分析图像与标准图片获得监测图像,并根据监测图像获得监面值和监控设备,并将监面值以及监控设备发送至自动控制平台;
自动控制平台,用于根据监控设备生成设备监控指令,并将设备监控指令发送至设备监控模块;还用于根据监面值、运行参数获得异常系数,并将异常系数发送至异常报警模块;
设备监控模块,用于接收到设备监控指令后获取监控设备的运行参数,并将运行参数发送至自动控制平台;其中,运行参数包括温差值、电偏值以及音强值;
异常报警模块,用于根据异常系数进行异常报警处理。
2.根据权利要求1所述的基于视觉图像分析的设备监控自动控制系统,其特征在于,所述图像获取模块获得标准图片、分析视频的具体过程如下所示:
图像获取模块包括若干个高清摄像头,每个高清摄像头分别对应拍摄生产线中的一个设备;
通过高清摄像头拍摄每个设备初始运行状态下的照片并将其标记为标准图片;
通过高清摄像头拍摄每个设备正常工作运行状态下的视频并将其标记为分析视频;
将标准图片、分析视频发送至图像分析模块。
3.根据权利要求1所述的基于视觉图像分析的设备监控自动控制系统,其特征在于,所述图像分析模块获得监面值和监控设备的具体过程如下所示:
按照预设分析时间段将分析视频进行截取形成图像,并依次标记为分析图像;
获取分析图像与标准图片均在同一位置出现的相同轮廓图像并将其标记为重合图像,将分析图像中的重合图像进行消除,将余下轮廓图像标记为监测图像;
获取监测图像的面积并将其标记为监面值;
将监面值与预设的监面阈值进行比较:
若监面值>预设的监面阈值,则将监面值对应的设备标记为监控设备,并将监面值以及监控设备发送至自动控制平台。
4.根据权利要求1所述的基于视觉图像分析的设备监控自动控制系统,其特征在于,所述自动控制平台获得异常系数的具体过程如下所示:
将监面值、温差值、电偏值以及音强值经过分析得到异常系数;
将异常系数发送至异常报警模块。
5.根据权利要求1所述的基于视觉图像分析的设备监控自动控制系统,其特征在于,所述设备监控模块获取运行参数的具体过程如下所示:
接收到设备监控指令后获取监控设备的表面温度与内部温度,获取两者之间的差值并将其标记为温差值;
获取监控设备的初始运行状态下单位时间内的工作电压,求取平均值,并将其标记为均压值;获取监控设备正常工作运行状态下的实时工作电压,并将其标记为实压值,并获取实压值与均压值两者之间的差值并将其标记为压差值,并获取压差值与均压值之间的比值并将其标记为偏压值;获取监控设备的初始运行状态下单位时间内的工作电流,求取平均值,并将其标记为均流值;获取监控设备正常工作运行状态下的实时工作电流,并将其标记为实流值,并获取实流值与均流值两者之间的差值并将其标记为流差值,并获取流差值与均流值之间的比值并将其标记为偏流值;将偏压值、偏流值经过分析得到电偏值;
获取监控设备发出的声音强度值并将其标记为音强值;
将温差值、电偏值以及音强值发送至自动控制平台。
6.基于视觉图像分析的设备监控自动控制方法,其特征在于,包括以下步骤:
步骤一:图像获取模块包括若干个高清摄像头,每个高清摄像头分别对应拍摄生产线中的一个设备,通过高清摄像头拍摄每个设备初始运行状态下的照片并将其标记为标准图片;
步骤二:图像获取模块通过高清摄像头拍摄每个设备正常工作运行状态下的视频并将其标记为分析视频;
步骤三:图像获取模块将标准图片、分析视频发送至图像分析模块;
步骤四:图像分析模块按照预设分析时间段将分析视频进行截取形成图像,并依次标记为分析图像;
步骤五:图像分析模块获取分析图像与标准图片均在同一位置出现的相同轮廓图像并将其标记为重合图像,将分析图像中的重合图像进行消除,将余下轮廓图像标记为监测图像;
步骤六:图像分析模块获取监测图像的面积并将其标记为监面值;
步骤七:图像分析模块将监面值与预设的监面阈值进行比较:
若监面值>预设的监面阈值,则将监面值对应的设备标记为监控设备,并将监面值以及监控设备发送至自动控制平台;
步骤八:自动控制平台接收到监控设备根据监控设备生成设备监控指令,并将设备监控指令发送至设备监控模块;
步骤九:设备监控模块接收到设备监控指令后获取监控设备的表面温度与内部温度,获取两者之间的差值并将其标记为温差值;
步骤十:设备监控模块获取监控设备的初始运行状态下单位时间内的工作电压,求取平均值,并将其标记为均压值;获取监控设备正常工作运行状态下的实时工作电压,并将其标记为实压值,并获取实压值与均压值两者之间的差值并将其标记为压差值,并获取压差值与均压值之间的比值并将其标记为偏压值;获取监控设备的初始运行状态下单位时间内的工作电流,求取平均值,并将其标记为均流值;获取监控设备正常工作运行状态下的实时工作电流,并将其标记为实流值,并获取实流值与均流值两者之间的差值并将其标记为流差值,并获取流差值与均流值之间的比值并将其标记为偏流值;将偏压值、偏流值经过分析得到电偏值;
步骤十一:设备监控模块获取监控设备发出的声音强度值并将其标记为音强值;
步骤十二:设备监控模块将温差值、电偏值以及音强值发送至自动控制平台;
步骤十三:自动控制平台将监面值、温差值、电偏值以及音强值经过分析得到异常系数;
步骤十四:自动控制平台将异常系数发送至异常报警模块;
步骤十五:异常报警模块将异常系数与预设的异常阈值进行比较,其中,异常阈值包括一级异常阈值、二级异常阈值:
若异常系数>二级异常阈值,则进行铃声警报并关停异常系数所对应的监控设备;
若一级异常阈值≤异常系数≤二级异常阈值,则进行铃声警报;
若异常系数<一级异常阈值,则不进行任何操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310490677.7A CN116189103B (zh) | 2023-05-04 | 2023-05-04 | 基于视觉图像分析的设备监控自动控制方法及控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310490677.7A CN116189103B (zh) | 2023-05-04 | 2023-05-04 | 基于视觉图像分析的设备监控自动控制方法及控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116189103A true CN116189103A (zh) | 2023-05-30 |
CN116189103B CN116189103B (zh) | 2023-07-14 |
Family
ID=86452782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310490677.7A Active CN116189103B (zh) | 2023-05-04 | 2023-05-04 | 基于视觉图像分析的设备监控自动控制方法及控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116189103B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116865450A (zh) * | 2023-08-22 | 2023-10-10 | 深圳市艾能聚科技有限公司 | 基于大数据驱动的变配电站智能监控系统及方法 |
CN117291996A (zh) * | 2023-11-23 | 2023-12-26 | 深圳市磐锋精密技术有限公司 | 基于图像数据处理的运动控制视觉校准系统 |
CN117476040A (zh) * | 2023-12-25 | 2024-01-30 | 深圳市鑫闻达电子有限公司 | 一种音频识别方法及识别系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101570640B1 (ko) * | 2015-02-03 | 2015-11-20 | 주식회사 주왕산업 | 열화상 카메라를 이용한 고압배전반, 저압배전반, 분전반, 모터제어반의 원격 감시 시스템 |
CN107272637A (zh) * | 2017-06-06 | 2017-10-20 | 武汉瑞科兴业科技有限公司 | 一种视频监控系统故障自检自恢复控制系统及方法 |
CN111352003A (zh) * | 2020-05-25 | 2020-06-30 | 北京中航科电测控技术股份有限公司 | 一种用于电气设备故障的分析系统 |
-
2023
- 2023-05-04 CN CN202310490677.7A patent/CN116189103B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101570640B1 (ko) * | 2015-02-03 | 2015-11-20 | 주식회사 주왕산업 | 열화상 카메라를 이용한 고압배전반, 저압배전반, 분전반, 모터제어반의 원격 감시 시스템 |
CN107272637A (zh) * | 2017-06-06 | 2017-10-20 | 武汉瑞科兴业科技有限公司 | 一种视频监控系统故障自检自恢复控制系统及方法 |
CN111352003A (zh) * | 2020-05-25 | 2020-06-30 | 北京中航科电测控技术股份有限公司 | 一种用于电气设备故障的分析系统 |
Non-Patent Citations (1)
Title |
---|
国家标准化管理委员会: "电压偏差", pages 1 - 4, Retrieved from the Internet <URL:https://baike.baidu.com/item/%E7%94%B5%E5%8E%8B%E5%81%8F%E5%B7%AE/10796293> * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116865450A (zh) * | 2023-08-22 | 2023-10-10 | 深圳市艾能聚科技有限公司 | 基于大数据驱动的变配电站智能监控系统及方法 |
CN116865450B (zh) * | 2023-08-22 | 2024-03-29 | 深圳市艾能聚科技有限公司 | 基于大数据驱动的变配电站智能监控系统及方法 |
CN117291996A (zh) * | 2023-11-23 | 2023-12-26 | 深圳市磐锋精密技术有限公司 | 基于图像数据处理的运动控制视觉校准系统 |
CN117291996B (zh) * | 2023-11-23 | 2024-02-09 | 深圳市磐锋精密技术有限公司 | 基于图像数据处理的运动控制视觉校准系统 |
CN117476040A (zh) * | 2023-12-25 | 2024-01-30 | 深圳市鑫闻达电子有限公司 | 一种音频识别方法及识别系统 |
CN117476040B (zh) * | 2023-12-25 | 2024-03-29 | 深圳市鑫闻达电子有限公司 | 一种音频识别方法及识别系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116189103B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116189103B (zh) | 基于视觉图像分析的设备监控自动控制方法及控制系统 | |
CN106595551B (zh) | 基于深度学习的输电线路覆冰图像中覆冰厚度检测方法 | |
CN108416294A (zh) | 一种基于深度学习的风机叶片故障智能识别方法 | |
CN111882810B (zh) | 一种火灾识别与预警方法及其系统 | |
CN110021133B (zh) | 全天候消防火灾巡逻预警监控系统及火灾图像检测方法 | |
CN112927461B (zh) | 一种新能源汽车充电桩预警决策方法及装置 | |
CN111832398B (zh) | 一种无人机影像的配电线路杆塔导地线断股图像检测方法 | |
CN112584135A (zh) | 监控设备故障识别方法、装置、设备及存储介质 | |
CN110349134A (zh) | 一种基于多标签卷积神经网络的管道病害图像分类方法 | |
CN116152202A (zh) | 基于图像识别技术和红外热成像技术的设备外观检测系统 | |
CN114331997A (zh) | 一种基于图像识别的导线缺陷监测方法 | |
CN105335981B (zh) | 一种基于图像的货物监控方法 | |
CN114627388A (zh) | 输电线路异物检测设备及其异物检测方法 | |
CN116951328B (zh) | 基于大数据的排水管线运行智慧监控系统 | |
CN117633522A (zh) | 一种电池大模型云平台预警方法及系统 | |
CN111368739A (zh) | 一种基于双流卷积神经网络的暴力行为识别方法 | |
CN110956086A (zh) | 一种基于图像识别技术的机房设备在线识别方法 | |
CN115171006B (zh) | 基于深度学习的自动识别人员进入电力危险区的检测方法 | |
CN105187821A (zh) | 一种视频质量智能诊断分析系统 | |
CN113225525B (zh) | 一种室内监控方法及系统 | |
CN113343841A (zh) | 电力隧道异常情况的确定方法和装置 | |
CN111988569A (zh) | 一种变电站工业视频监控画面着火现象监控方法及系统 | |
CN112132819A (zh) | 一种基于人工智能的通信网管监控方法 | |
JPH1042274A (ja) | 異常監視方法および装置 | |
CN112383137A (zh) | 基于机器视觉和热成像技术的变压器台区监控系统及方法 |
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 |