CN116416574A - 基于视频的流水线加工作业分析方法及系统 - Google Patents
基于视频的流水线加工作业分析方法及系统 Download PDFInfo
- Publication number
- CN116416574A CN116416574A CN202310339750.0A CN202310339750A CN116416574A CN 116416574 A CN116416574 A CN 116416574A CN 202310339750 A CN202310339750 A CN 202310339750A CN 116416574 A CN116416574 A CN 116416574A
- Authority
- CN
- China
- Prior art keywords
- processing
- list
- fatigue
- time length
- video
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 64
- 230000002159 abnormal effect Effects 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000005856 abnormality Effects 0.000 claims description 64
- 238000003754 machining Methods 0.000 claims description 58
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
-
- 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
- G06V40/174—Facial expression recognition
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了基于视频的流水线加工作业分析方法及系统,属于人工智能技术领域,要解决的技术问题为:如何对流水线加工作业状态进行分析监管、以实现流水线高效持续作业。包括如下步骤:通过摄像头采集流水线加工作业,得到视频图像;基于视图图像、对流水线加工作业的加工步骤、加工顺序、加工时长和疲劳作业进行识别分析,判断是否存在加工步骤异常、加工顺序异常、加工时长异常以及疲劳作业的情况,如果存在,形成对应的清单;对于加工步骤异常清单、加工时长清单、加工时长异常清单中记载的作业产品,将作业产品加入定检清单以进行定向抽检,对于疲劳作业异常清单中记载的作业人员,形成对应的告警信息并提示管理员合理安排作业人员工作。
Description
技术领域
本发明涉及人工智能技术领域,具体地说是基于视频的流水线加工作业分析方法及系统。
背景技术
新经济时代,人工智能、大数据、云服务等创新技术的应用已成为各行各业发展的核心力量之一,AI创新技术的融合更是推动了传统产业的转型与升级。
当前,针对流水线加工工人各加工步骤,自动化、智能化水平不足,传统的人工管理模式,难以快速确定问题,精准采取处置措施,暴露出加工作业管理能力的短板。
如何对流水线加工作业状态进行分析监管、以实现流水线高效持续作业,是需要解决的技术问题。
发明内容
本发明的技术任务是针对以上不足,提供基于视频的流水线加工作业分析方法及系统,来解决如何对流水线加工作业状态进行分析监管、以实现流水线高效持续作业的问题。
第一方面,本发明一种基于视频的流水线加工作业分析方法,包括如下步骤:
视图图像采集:通过摄像头采集流水线加工作业,得到视频图像;
流水线状态识别分析:基于视图图像、对流水线加工作业的加工步骤、加工顺序、加工时长和疲劳作业进行识别分析,判断是否存在加工步骤异常、加工顺序异常、加工时长异常以及疲劳作业的情况,如果存在,形成对应的加工步骤异常清单、加工顺序时长清单、加工时长异常清单以及疲劳作业清单;
异常处置:基于加工步骤异常清单、加工时长清单、加工时长异常清单以及疲劳作业异常清单,对于加工步骤异常清单、加工时长清单、加工时长异常清单中记载的作业产品,将作业产品加入定检清单以进行定向抽检,对于疲劳作业异常清单中记载的作业人员,形成对应的告警信息并提示管理员合理安排作业人员工作。
作为优选,通过配置于厂房顶端、左斜侧和右斜侧三个角度的高清摄像头采集流水线加工作业,得到视频图像。
作为优选,流水线状态识别分析,包括如下操作:
加工步骤识别分析:以视频图像为输入,对视频图像中作业产品的颜色、大小和位置变化进行识别分析,得到加工步骤,对于每个加工步骤,用于基于预配置的加工流程、判断所述加工步骤是否异常,并将异常的加工步骤记录至加工步骤异常清单;
加工时长识别分析:对于每个加工步骤,预配置有加工时长标准,基于视图图像分析所述加工步骤的加工时长,并基于预配置的加工时长标准
加工顺序:基于预配置的加工顺序规则、对相邻加工步骤之间的顺序进行评价,判断加工顺序是否异常,并将异常的加工顺序记录至加工顺序异常清单;
疲劳作业识别分析:以视图图像为输入、通过预训练的疲劳识别模型对视频图像中作业人员进行微表情识别,并结合作业人员的连续工作时长,识别分析作业人员疲劳情况,将进行疲劳作业的作业人员加入疲劳作业清单。
作为优选,以视频图像为输入、对视频图像中作业产品的颜色和大小进行识别时,通过摄像头内置的颜色识别方法判断作业产品的颜色变化,并通过摄像头内置的大小识别方法判断作业产品的大小变化;
以视频图像为输入、对视频图像中作业产品的位置进行识别时,通过画线的方式、判断作业产品与预设基准线的相对位置,以判定作业产品的位置变化;
以视频图像为输入、通过预训练的表情识别模型对视频图像中作业人员进行微表情识别,判断作业人员的微表情,并基于微表情和作业人员的连续工作时长进行疲劳作业判定。
第二方面,本发明一种基于视频的流水线加工作业分析系统,用于通过如第一方面任一项所述的基于视频的流水线加工作业分析方法对流水线加工作业进行分析,所述系统包括:
采集模块,所述采集模块用于通过摄像头采集流水线加工作业,得到视频图像;
分析模块,所述分析模块用于基于视图图像、对流水线加工作业的加工步骤、加工顺序、加工时长和疲劳作业进行识别分析,判断是否存在加工步骤异常、加工顺序异常、加工时长异常以及疲劳作业的情况,如果存在,形成对应的加工步骤异常清单、加工顺序时长清单、加工时长异常清单以及疲劳作业清单;
异常处置模块,所述异常处置模块用于基于加工步骤异常清单、加工时长清单、加工时长异常清单以及疲劳作业异常清单,对于加工步骤异常清单、加工时长清单、加工时长异常清单中记载的作业产品,将作业产品加入定检清单以进行定向抽检,对于疲劳作业异常清单中记载的作业人员,形成对应的告警信息并提示管理员合理安排作业人员工作。
作为优选,所述采集模块用于通过配置于厂房顶端、左斜侧和右斜侧三个角度的高清摄像头采集流水线加工作业,得到视频图像。
作为优选,所述分析模块用于执行如下操作:
加工步骤识别分析:以视频图像为输入,对视频图像中作业产品的颜色、大小和位置变化进行识别分析,得到加工步骤,对于每个加工步骤,用于基于预配置的加工流程、判断所述加工步骤是否异常,并将异常的加工步骤记录至加工步骤异常清单;
加工时长识别分析:对于每个加工步骤,预配置有加工时长标准,基于视图图像分析所述加工步骤的加工时长,并基于预配置的加工时长标准
加工顺序:基于预配置的加工顺序规则、对相邻加工步骤之间的顺序进行评价,判断加工顺序是否异常,并将异常的加工顺序记录至加工顺序异常清单;
疲劳作业识别分析:以视图图像为输入、通过预训练的疲劳识别模型对视频图像中作业人员进行微表情识别,并结合作业人员的连续工作时长,识别分析作业人员疲劳情况,将进行疲劳作业的作业人员加入疲劳作业清单。
作为优选,以视频图像为输入、对视频图像中作业产品的颜色和大小进行识别时,所述分析模块用于通过摄像头内置的颜色识别方法判断作业产品的颜色变化,并通过摄像头内置的大小识别方法判断作业产品的大小变化;
以视频图像为输入、对视频图像中作业产品的位置进行识别时,所述分析模块用于通过画线的方式、判断作业产品与预设基准线的相对位置,以判定作业产品的位置变化;
以视频图像为输入、通过预训练的表情识别模型对视频图像中作业人员进行微表情识别,判断作业人员的微表情,并基于微表情和作业人员的连续工作时长进行疲劳作业判定。
本发明的基于视频的流水线加工作业分析方法及系统具有以下优点:
1、对流水线加工作业的视频图像进行分析,对加工步骤、加工顺序、加工时长和疲劳作业进行识别分析,如果存在加工步骤异常、加工顺序异常、加工时长异常以及疲劳作业的情况,则形成对应的常清单并进行告警,实现智能化分析加工作业异常情况,快速处置解决,促进流水线作业工作效率提升;
2、对流水线作业管理和产品生产品质管理提供了科学有效的新思路和手段,能够有效提升流水线作业效率。
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,对于本领域的普通技术人员来讲,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。
下面结合附图对本发明进一步说明。
图1为实施例1一种基于视频的流水线加工作业分析方法的流程框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互结合。
本发明实施例提供基于视频的流水线加工作业分析方法及系统,用于解决如何对流水线加工作业状态进行分析监管、以实现流水线高效持续作业的技术问题。
实施例1:
本发明一种基于视频的流水线加工作业分析方法,包括如下步骤:
S100、视图图像采集:通过摄像头采集流水线加工作业,得到视频图像;
S200、流水线状态识别分析:基于视图图像、对流水线加工作业的加工步骤、加工顺序、加工时长和疲劳作业进行识别分析,判断是否存在加工步骤异常、加工顺序异常、加工时长异常以及疲劳作业的情况,如果存在,形成对应的加工步骤异常清单、加工顺序时长清单、加工时长异常清单以及疲劳作业清单;
S300、异常处置:基于加工步骤异常清单、加工时长清单、加工时长异常清单以及疲劳作业异常清单,对于加工步骤异常清单、加工时长清单、加工时长异常清单中记载的作业产品,将作业产品加入定检清单以进行定向抽检,对于疲劳作业异常清单中记载的作业人员,形成对应的告警信息并提示管理员合理安排作业人员工作。
本实施例步骤S100中通过配置于厂房顶端、左斜侧和右斜侧三个角度的高清摄像头采集流水线加工作业,得到视频图像。
本实施例步骤S200流水线状态识别分析,包括如下操作:
(1)加工步骤识别分析:以视频图像为输入,对视频图像中作业产品的颜色、大小和位置变化进行识别分析,得到加工步骤,对于每个加工步骤,用于基于预配置的加工流程、判断所述加工步骤是否异常,并将异常的加工步骤记录至加工步骤异常清单;
(2)加工时长识别分析:对于每个加工步骤,预配置有加工时长标准,基于视图图像分析所述加工步骤的加工时长,并基于预配置的加工时长标准
(3)加工顺序:基于预配置的加工顺序规则、对相邻加工步骤之间的顺序进行评价,判断加工顺序是否异常,并将异常的加工顺序记录至加工顺序异常清单;
(4)疲劳作业识别分析:以视图图像为输入、通过预训练的疲劳识别模型对视频图像中作业人员进行微表情识别,并结合作业人员的连续工作时长,识别分析作业人员疲劳情况,将进行疲劳作业的作业人员加入疲劳作业清单。
其中,以视频图像为输入、对视频图像中作业产品的颜色和大小进行识别时,通过摄像头内置的颜色识别方法判断作业产品的颜色变化,并通过摄像头内置的大小识别方法判断作业产品的大小变化。
以视频图像为输入、对视频图像中作业产品的位置进行识别时,通过画线的方式、判断作业产品与预设基准线的相对位置,以判定作业产品的位置变化。
以视频图像为输入、通过预训练的表情识别模型对视频图像中作业人员进行微表情识别,判断作业人员的微表情,并基于微表情和作业人员的连续工作时长进行疲劳作业判定。
本实施例中,上述方法或模型均采用现有可实现其功能的方法或模型。
本实施例,步骤S300针对异常情况,执行如下:
(1)针对加工步骤异常、加工顺序异常的情况,直接输出加工异常列表;
(2)针对时间偏差占比超出30%,认为本次作业时长异常,对应识别本次作业产品ID号,加入定向抽检清单,优先抽查该产品;
(3)针对疲劳识别的情况,实时发布疲劳状态告警信息,提供给管理员,指导管理员合理安排工人作业。
实施例2:
本发明一种基于视频的流水线加工作业分析系统,包括采集模块、分析模块和异常处置模块,该系统通过实施例1公开的方法对流水线加工作业进行分析。
采集模块用于通过摄像头采集流水线加工作业,得到视频图像。
本实施例中采集模块用于通过配置于厂房顶端、左斜侧和右斜侧三个角度的高清摄像头采集流水线加工作业,得到视频图像。
分析模块用于基于视图图像、对流水线加工作业的加工步骤、加工顺序、加工时长和疲劳作业进行识别分析,判断是否存在加工步骤异常、加工顺序异常、加工时长异常以及疲劳作业的情况,如果存在,形成对应的加工步骤异常清单、加工顺序时长清单、加工时长异常清单以及疲劳作业清单。
本实施例中分析模块用于执行如下进行流水线状态识别分析:
(1)加工步骤识别分析:以视频图像为输入,对视频图像中作业产品的颜色、大小和位置变化进行识别分析,得到加工步骤,对于每个加工步骤,用于基于预配置的加工流程、判断所述加工步骤是否异常,并将异常的加工步骤记录至加工步骤异常清单;
(2)加工时长识别分析:对于每个加工步骤,预配置有加工时长标准,基于视图图像分析所述加工步骤的加工时长,并基于预配置的加工时长标准
(3)加工顺序:基于预配置的加工顺序规则、对相邻加工步骤之间的顺序进行评价,判断加工顺序是否异常,并将异常的加工顺序记录至加工顺序异常清单;
(4)疲劳作业识别分析:以视图图像为输入、通过预训练的疲劳识别模型对视频图像中作业人员进行微表情识别,并结合作业人员的连续工作时长,识别分析作业人员疲劳情况,将进行疲劳作业的作业人员加入疲劳作业清单。
其中,以视频图像为输入、对视频图像中作业产品的颜色和大小进行识别时,分析模块用于通过摄像头内置的颜色识别方法判断作业产品的颜色变化,并通过摄像头内置的大小识别方法判断作业产品的大小变化。
以视频图像为输入、对视频图像中作业产品的位置进行识别时,分析模块用于通过画线的方式、判断作业产品与预设基准线的相对位置,以判定作业产品的位置变化。
以视频图像为输入、分析模块用于通过预训练的表情识别模型对视频图像中作业人员进行微表情识别,判断作业人员的微表情,并基于微表情和作业人员的连续工作时长进行疲劳作业判定。
本实施例中,上述方法或模型均采用现有可实现其功能的方法或模型。
异常处置模块用于基于加工步骤异常清单、加工时长清单、加工时长异常清单以及疲劳作业异常清单,对于加工步骤异常清单、加工时长清单、加工时长异常清单中记载的作业产品,将作业产品加入定检清单以进行定向抽检,对于疲劳作业异常清单中记载的作业人员,形成对应的告警信息并提示管理员合理安排作业人员工作。
本实施例中,针对异常情况,异常处置模块用于执行如下:
(1)针对加工步骤异常、加工顺序异常的情况,直接输出加工异常列表;
(2)针对时间偏差占比超出30%,认为本次作业时长异常,对应识别本次作业产品ID号,加入定向抽检清单,优先抽查该产品;
(3)针对疲劳识别的情况,实时发布疲劳状态告警信息,提供给管理员,指导管理员合理安排工人作业。
上文通过附图和优选实施例对本发明进行了详细展示和说明,然而本发明不限于这些已揭示的实施例,基与上述多个实施例本领域技术人员可以知晓,可以组合上述不同实施例中的代码审核手段得到本发明更多的实施例,这些实施例也在本发明的保护范围之内。
Claims (8)
1.一种基于视频的流水线加工作业分析方法,其特征在于,包括如下步骤:
视图图像采集:通过摄像头采集流水线加工作业,得到视频图像;
流水线状态识别分析:基于视图图像、对流水线加工作业的加工步骤、加工顺序、加工时长和疲劳作业进行识别分析,判断是否存在加工步骤异常、加工顺序异常、加工时长异常以及疲劳作业的情况,如果存在,形成对应的加工步骤异常清单、加工顺序时长清单、加工时长异常清单以及疲劳作业清单;
异常处置:基于加工步骤异常清单、加工时长清单、加工时长异常清单以及疲劳作业异常清单,对于加工步骤异常清单、加工时长清单、加工时长异常清单中记载的作业产品,将作业产品加入定检清单以进行定向抽检,对于疲劳作业异常清单中记载的作业人员,形成对应的告警信息并提示管理员合理安排作业人员工作。
2.根据权利要求1所述的基于视频的流水线加工作业分析方法,其特征在于,通过配置于厂房顶端、左斜侧和右斜侧三个角度的高清摄像头采集流水线加工作业,得到视频图像。
3.根据权利要求1所述的基于视频的流水线加工作业分析方法,其特征在于,流水线状态识别分析,包括如下操作:
加工步骤识别分析:以视频图像为输入,对视频图像中作业产品的颜色、大小和位置变化进行识别分析,得到加工步骤,对于每个加工步骤,用于基于预配置的加工流程、判断所述加工步骤是否异常,并将异常的加工步骤记录至加工步骤异常清单;
加工时长识别分析:对于每个加工步骤,预配置有加工时长标准,基于视图图像分析所述加工步骤的加工时长,并基于预配置的加工时长标准
加工顺序:基于预配置的加工顺序规则、对相邻加工步骤之间的顺序进行评价,判断加工顺序是否异常,并将异常的加工顺序记录至加工顺序异常清单;
疲劳作业识别分析:以视图图像为输入、通过预训练的疲劳识别模型对视频图像中作业人员进行微表情识别,并结合作业人员的连续工作时长,识别分析作业人员疲劳情况,将进行疲劳作业的作业人员加入疲劳作业清单。
4.根据权利要求3所述的基于视频的流水线加工作业分析方法,其特征在于,以视频图像为输入、对视频图像中作业产品的颜色和大小进行识别时,通过摄像头内置的颜色识别方法判断作业产品的颜色变化,并通过摄像头内置的大小识别方法判断作业产品的大小变化;
以视频图像为输入、对视频图像中作业产品的位置进行识别时,通过画线的方式、判断作业产品与预设基准线的相对位置,以判定作业产品的位置变化;
以视频图像为输入、通过预训练的表情识别模型对视频图像中作业人员进行微表情识别,判断作业人员的微表情,并基于微表情和作业人员的连续工作时长进行疲劳作业判定。
5.一种基于视频的流水线加工作业分析系统,其特征在于,用于通过如权利要求1-4任一项所述的基于视频的流水线加工作业分析方法对流水线加工作业进行分析,所述系统包括:
采集模块,所述采集模块用于通过摄像头采集流水线加工作业,得到视频图像;
分析模块,所述分析模块用于基于视图图像、对流水线加工作业的加工步骤、加工顺序、加工时长和疲劳作业进行识别分析,判断是否存在加工步骤异常、加工顺序异常、加工时长异常以及疲劳作业的情况,如果存在,形成对应的加工步骤异常清单、加工顺序时长清单、加工时长异常清单以及疲劳作业清单;
异常处置模块,所述异常处置模块用于基于加工步骤异常清单、加工时长清单、加工时长异常清单以及疲劳作业异常清单,对于加工步骤异常清单、加工时长清单、加工时长异常清单中记载的作业产品,将作业产品加入定检清单以进行定向抽检,对于疲劳作业异常清单中记载的作业人员,形成对应的告警信息并提示管理员合理安排作业人员工作。
6.根据权利要求5所述的基于视频的流水线加工作业分析系统,其特征在于,所述采集模块用于通过配置于厂房顶端、左斜侧和右斜侧三个角度的高清摄像头采集流水线加工作业,得到视频图像。
7.根据权利要求5所述的基于视频的流水线加工作业分析系统,其特征在于,所述分析模块用于执行如下操作:
加工步骤识别分析:以视频图像为输入,对视频图像中作业产品的颜色、大小和位置变化进行识别分析,得到加工步骤,对于每个加工步骤,用于基于预配置的加工流程、判断所述加工步骤是否异常,并将异常的加工步骤记录至加工步骤异常清单;
加工时长识别分析:对于每个加工步骤,预配置有加工时长标准,基于视图图像分析所述加工步骤的加工时长,并基于预配置的加工时长标准
加工顺序:基于预配置的加工顺序规则、对相邻加工步骤之间的顺序进行评价,判断加工顺序是否异常,并将异常的加工顺序记录至加工顺序异常清单;
疲劳作业识别分析:以视图图像为输入、通过预训练的疲劳识别模型对视频图像中作业人员进行微表情识别,并结合作业人员的连续工作时长,识别分析作业人员疲劳情况,将进行疲劳作业的作业人员加入疲劳作业清单。
8.根据权利要求5所述的基于视频的流水线加工作业分析系统,其特征在于,以视频图像为输入、对视频图像中作业产品的颜色和大小进行识别时,所述分析模块用于通过摄像头内置的颜色识别方法判断作业产品的颜色变化,并通过摄像头内置的大小识别方法判断作业产品的大小变化;
以视频图像为输入、对视频图像中作业产品的位置进行识别时,所述分析模块用于通过画线的方式、判断作业产品与预设基准线的相对位置,以判定作业产品的位置变化;
以视频图像为输入、通过预训练的表情识别模型对视频图像中作业人员进行微表情识别,判断作业人员的微表情,并基于微表情和作业人员的连续工作时长进行疲劳作业判定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310339750.0A CN116416574A (zh) | 2023-03-31 | 2023-03-31 | 基于视频的流水线加工作业分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310339750.0A CN116416574A (zh) | 2023-03-31 | 2023-03-31 | 基于视频的流水线加工作业分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116416574A true CN116416574A (zh) | 2023-07-11 |
Family
ID=87055921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310339750.0A Pending CN116416574A (zh) | 2023-03-31 | 2023-03-31 | 基于视频的流水线加工作业分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116416574A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757562A (zh) * | 2023-08-22 | 2023-09-15 | 国联江森自控绿色科技(无锡)有限公司 | 一种具有自学习能力的智能制造调度方法 |
-
2023
- 2023-03-31 CN CN202310339750.0A patent/CN116416574A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757562A (zh) * | 2023-08-22 | 2023-09-15 | 国联江森自控绿色科技(无锡)有限公司 | 一种具有自学习能力的智能制造调度方法 |
CN116757562B (zh) * | 2023-08-22 | 2023-12-05 | 国联江森自控绿色科技(无锡)有限公司 | 一种具有自学习能力的智能制造调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537301B (zh) | 一种铝合金压铸产品全工序精准追溯方法 | |
CN110990386A (zh) | 一种工业互联网平台监测数据传输交换方法及系统 | |
US20110166912A1 (en) | Plant analysis system | |
US10423669B2 (en) | Manufacturing process visualization apparatus and method | |
CN103823458A (zh) | 设备远程诊断装置及其诊断方法与系统 | |
CN109299758A (zh) | 一种智能巡检方法、电子设备、智能巡检系统和存储介质 | |
CN116416574A (zh) | 基于视频的流水线加工作业分析方法及系统 | |
US20200118259A1 (en) | Automated defect detection for wire rope using image processing techniques | |
EP2363767A1 (en) | Process analysis system | |
CN110378273B (zh) | 一种监测作业流程的方法和装置 | |
CN113822385B (zh) | 基于图像的输煤异常监测方法、装置、设备及存储介质 | |
CN115331002A (zh) | 一种基于ar眼镜实现热力站故障远程处理方法 | |
CN111126196A (zh) | 一种设备漏油检测方法 | |
CN116187725B (zh) | 一种用于锻造自动线的锻造设备管理系统 | |
CN115056228B (zh) | 一种机器人的异常监控和处理系统及方法 | |
Pierleoni et al. | A machine vision system for manual assembly line monitoring | |
JP2004280324A (ja) | 生産ラインの稼動状況解析装置、稼動状況解析方法、稼動状況解析プログラム及び稼動状況解析システム | |
CN112329953B (zh) | 一种工业炉全流程智能诊断和优化运行系统 | |
Isaka et al. | Next generation of global production management using sensing and analysis technology | |
CN110889395A (zh) | 基于机器学习的机械运动识别方法及系统 | |
CN113837672B (zh) | 基于工业互联网的设备维护管理方法 | |
CN105988430A (zh) | 生成生产过程语义模型的方法和装置 | |
Williams | The readiness and compatibility of a modern anode handling and cleaning system for industry 4.0 technologies | |
KR20210014452A (ko) | 제조 공정 비정상 데이터 탐지 시스템 | |
CN114125373A (zh) | 用于生产过程的监控方法及装置、电器设备生产线 |
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 |