CN117314890A - 打扣加工的安全控制方法、装置、设备及存储介质 - Google Patents
打扣加工的安全控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117314890A CN117314890A CN202311472675.1A CN202311472675A CN117314890A CN 117314890 A CN117314890 A CN 117314890A CN 202311472675 A CN202311472675 A CN 202311472675A CN 117314890 A CN117314890 A CN 117314890A
- Authority
- CN
- China
- Prior art keywords
- image
- preset
- dotter
- target
- target 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000012545 processing Methods 0.000 title claims abstract description 24
- 238000003860 storage Methods 0.000 title claims description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 49
- 108091026890 Coding region Proteins 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000012423 maintenance Methods 0.000 claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 65
- 239000000463 material Substances 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 14
- 238000002788 crimping Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000009432 framing Methods 0.000 claims description 2
- 238000010009 beating Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000006378 damage Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及安全控制技术领域,提供了打扣加工的安全控制方法、装置、设备及存储介质,该方法包括在预设时间段内,通过预设的多个图像采集装置实时采集打扣机在多个预设位置的视频图像,并基于各个视频图像获取目标视频图像,所述目标视频图像对应的所述打扣机的部位存在异常;针对各个所述目标视频图像,对所述目标视频图像进行编码处理,得到所述目标视频图像的编码序列,并将所述编码序列输入预设的异常状态检测模型,以得到所述打扣机的异常状态信息;基于所述异常状态信息生成所述打扣机的安全控制方案,并将所述安全控制方案发送至维修工作人员。该方法实现了对打扣机的状态进行全面监控,有助于提高打扣机安全控制的精度和可靠性。
Description
技术领域
本申请涉及安全控制技术领域,尤其涉及一种打扣加工的安全控制方法、装置、设备及存储介质。
背景技术
在纽扣的加工过程中,为了提高生产效率和加工精度,通常采用自动化设备来加工纽扣。然而,由于打扣机在工作过程中具有较高的速度和力量,若发生异常情况,可能对操作人员和设备造成严重的伤害或损坏。因此,打扣加工过程中的安全控制变得非常重要。
目前已经存在一些打扣机的安全控制方法,例如通过传感器检测打扣机的位置和力度,以及通过控制系统对其进行实时监测和控制。然而,这些方法存在一些问题,如传感器的精度和可靠性有限,无法对打扣机的实时状态进行有效检测和控制。
发明内容
本申请提供一种打扣加工的安全控制方法、装置、设备及存储介质,以解决上述背景技术中提出的问题。
第一方面,本申请提供一种打扣加工的安全控制方法,包括:
在预设时间段内,通过预设的多个图像采集装置实时采集打扣机在多个预设位置的图像信息,得到图像信息集;所述图像信息集包括多个视频图像,各个所述视频图像对应一个所述图像采集装置在所述预设时间段内采集的图像信息;
将所述预设时间段分割为预设数量的时间间隔,针对各个所述图像采集装置,在所述图像信息集中确定所述图像采集装置对应的多个目标图像;其中,所述目标图像为所述图像采集装置在所述时间间隔处采集的图像;
基于各个所述图像采集装置分别对应的多个目标图像,在所述图像信息集中确定目标视频图像;其中,所述目标视频图像对应的所述打扣机的部位存在异常;
针对各个所述目标视频图像,对所述目标视频图像进行编码处理,得到所述目标视频图像的编码序列,并将所述编码序列输入预设的异常状态检测模型,以得到所述打扣机的异常状态信息;
基于所述异常状态信息生成所述打扣机的安全控制方案,并将所述安全控制方案发送至维修工作人员。
第二方面,本申请提供一种打扣加工的安全控制装置,包括:
采集模块,用于在预设时间段内,通过预设的多个图像采集装置实时采集打扣机在多个预设位置的图像信息,得到图像信息集;所述图像信息集包括多个视频图像,各个所述视频图像对应一个所述图像采集装置在所述预设时间段内采集的图像信息;
第一确定模块,用于将所述预设时间段分割为预设数量的时间间隔,针对各个所述图像采集装置,在所述图像信息集中确定所述图像采集装置对应的多个目标图像;其中,所述目标图像为所述图像采集装置在所述时间间隔处采集的图像;
第二确定模块,用于基于各个所述图像采集装置分别对应的多个目标图像,在所述图像信息集中确定目标视频图像;其中,所述目标视频图像对应的所述打扣机的部位存在异常;
输入模块,用于对所述目标视频图像进行编码处理,得到所述目标视频图像的编码序列,并将所述编码序列输入预设的异常状态检测模型,以得到所述打扣机的异常状态信息;
生成模块,用于基于所述异常状态信息生成所述打扣机的安全控制方案,并将所述安全控制方案发送至维修工作人员。
第三方面,本申请提供一种终端设备,所述终端设备包括处理器、存储器以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如上所述的打扣加工的安全控制方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如上所述的打扣加工的安全控制方法。
本申请提供了打扣加工的安全控制方法、装置、设备及存储介质,其中,所述方法包括在预设时间段内,通过预设的多个图像采集装置实时采集打扣机在多个预设位置的图像信息,得到图像信息集;所述图像信息集包括多个视频图像,各个所述视频图像对应一个所述图像采集装置在所述预设时间段内采集的图像信息;将所述预设时间段分割为预设数量的时间间隔,针对各个所述图像采集装置,在所述图像信息集中确定所述图像采集装置对应的多个目标图像;其中,所述目标图像为所述图像采集装置在所述时间间隔处采集的图像;基于各个所述图像采集装置分别对应的多个目标图像,在所述图像信息集中确定目标视频图像;其中,所述目标视频图像对应的所述打扣机的部位存在异常;针对各个所述目标视频图像,对所述目标视频图像进行编码处理,得到所述目标视频图像的编码序列,并将所述编码序列输入预设的异常状态检测模型,以得到所述打扣机的异常状态信息;基于所述异常状态信息生成所述打扣机的安全控制方案,并将所述安全控制方案发送至维修工作人员。该方法实现了对打扣机的状态进行全面监控,有助于提高打扣机安全控制的精度和可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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的前提下,还可以基于这些附图获得其他的附图。
图1为本申请实施例提供的打扣加工的安全控制方法的流程示意图;
图2为本申请实施例提供的打扣加工的安全控制装置的结构示意性框图;
图3为本申请实施例提供的终端设备的结构示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,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做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
附图中所示的流程图仅是示例说明,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、组合或部分合并,因此实际执行的顺序有可能基于实际情况改变。
还应当理解,在此本申请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申请。如在本申请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,在本申请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。
在纽扣的加工过程中,为了提高生产效率和加工精度,通常采用自动化设备来加工纽扣。然而,由于打扣机在工作过程中具有较高的速度和力量,若发生异常情况,可能对操作人员和设备造成严重的伤害或损坏。因此,打扣加工过程中的安全控制变得非常重要。
目前已经存在一些打扣机的安全控制方法,例如通过传感器检测打扣机的位置和力度,以及通过控制系统对其进行实时监测和控制。然而,这些方法存在一些问题,如传感器的精度和可靠性有限,无法对打扣机的实时状态进行有效检测和控制。为此,本申请实施例提供一种打扣加工的安全控制方法、装置、设备及存储介质,以解决上述问题。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述实施例及实施例中的特征可以相互结合。
请参阅图1,图1为本申请实施例提供的打扣加工的安全控制方法的流程示意图,如图1所示,本申请实施例提供的打扣加工的安全控制方法的流程示意图包括步骤S100至步骤S500。
步骤S100、在预设时间段内,通过预设的多个图像采集装置实时采集打扣机在多个预设位置的图像信息,得到图像信息集;所述图像信息集包括多个视频图像,各个所述视频图像对应一个所述图像采集装置在所述预设时间段内采集的图像信息。
需要说明的是,预设的多个图像采集装置协同工作,从而实现全方位地采集所述打扣机在预设时间段内的图像信息,进而实现对所述打扣机进行全面地监控。
步骤S200、将所述预设时间段分割为预设数量的时间间隔,针对各个所述图像采集装置,在所述图像信息集中确定所述图像采集装置对应的多个目标图像;其中,所述目标图像为所述图像采集装置在所述时间间隔处采集的图像。
需要说明的是,所述目标图像为所述图像采集装置在所述时间间隔处采集的图像是指,所述目标图像为所述图像采集装置在每个时间间隔的起始时刻和末端时刻采集到的图像。
示例性地,若所述预设时间段为0.1S,且将所述预设时间段分割为0S~0.02S、0.02S~0.04S、0.04S~0.06S、0.06S~0.08S、0.08S~0.1S,则所述目标图像为所述图像采集装置在0S、0.02S、0.04S、0.06S、0.08S和0.1S处采集到的图像。
步骤S300、基于各个所述图像采集装置分别对应的多个目标图像,在所述图像信息集中确定目标视频图像;其中,所述目标视频图像对应的所述打扣机的部位存在异常。
可以理解地,所述目标视频图像对应的所述打扣机的部位是指采集所述目标视频图像的所述图像采集装置对应的所述打扣机的部位。
需要说明的是,步骤S300包括步骤S310至步骤S360。
步骤S310、针对各个所述图像采集装置,将所述图像采集装置对应的多个目标图像按照各个所述目标图像对应的所述时间间隔的先后顺序进行排列,得到目标图像序列。
步骤S320、针对各个所述目标图像序列,获取所述目标图像序列中的各个所述目标图像的特征向量,并基于各个所述特征向量对应的所述目标图像的序列将各个所述特征向量进行排列,得到特征向量序列。
需要说明的是,获取各个所述目标图像序列中的所述目标图像的特征向量的方法可以是将所述目标图像输入预设的图像特征模型,其中,所述图像特征提取模型包括输入层、卷积层、生成层和输出层,所述输入层用于接收所述目标图像,所述卷积层用于对所述目标图像进行分析,以得到所述目标图像的图像特征,所述生成层用于基于所述图像特征生成所述图像的特征向量,所述输出层用于输出所述特征向量。
步骤S330、针对各个所述特征向量序列,计算相邻的两个所述特征向量的增量向量,并计算所述增量向量的增量熵。
可以理解地,所述特征向量序列对应的所述增量向量的数量等于所述特征向量序列对应的所述特征向量的数量减1。
需要说明的是,计算相邻的两个所述特征向量的增量向量的方法是利用后一个向量减去前一个向量,得到所述增量向量。
需要说明的是,通过式(1)和式(2)计算所述增量向量的增量熵。
(1)
(2)
其中,S为所述增量向量的增量熵,为所述增量向量的第i个元素值,/>为与所述增量向量对应的标准向量的第i个元素值,/>为所述增量向量的第i个元素的增量,/>为所述增量向量的第i个元素值对应的权重系数。
可以理解地,所述增量向量对应的标准向量是指所述增量向量对应的所述图像采集装置所对应的标准向量,针对每个所述图像采集装置设置一个标准向量,所述标准向量用于表示在所述打扣机处于安全状态时,相邻的两个所述特征向量所允许产生的变化,针对每个所述图像采集装置对应的标准向量,可通过所述打扣机在安全的工作状态下获取。
可以理解地,所述增量向量的每个元素用于表示图像的不同特征的变化,每个特征对于分析所述打扣机是否处于安全状态的影响程度是不同的,根据每个元素对分析打扣机是否处于安全状态的影响程度为所述增量向量内的各个元素设置不同的权重系数,有助于更加准确地分析所述打扣机是否处于安全状态。例如,所述增量向量为(a,b,c),元素a用于表示图像的色彩特征的变化、元素b用于表示图像的轮廓特征的变化、元素c用于表示图像的纹理特征的变化,所述图像的轮廓特征对分析打扣机是否处于安全状态的影响程度最大,因此,在增量向量(a,b,c)中,元素b对应的最大。
步骤S340、针对各个所述特征向量序列,基于各个所述增量熵对应的所述时间间隔的先后顺序,将所述增量熵进行排列,得到所述特征向量序列对应的增量熵向量。
可以理解地,每个时间间隔对应一个增量熵。
示例性地,所述预设时间段对应的时间间隔分别为0S~0.02S、0.02S~0.04S、0.04S~0.06S、0.06S~0.08S、0.08S~0.1S,且所述时间间隔0S~0.02S、0.02S~0.04S、0.04S~0.06S、0.06S~0.08S、0.08S~0.1S对应的增量熵分别为S1、S2、S3、S4、S5,则所述增量熵向量为(S1、S2、S3、S4、S5)。
步骤S350、计算各个所述增量熵向量的模数,并将所述模数与预设模数进行比较。
需要说明的是,关于向量的模数的计算方法为现有技术,这里不再赘述。
步骤S360、若所述模数大于所述预设模数,将所述模数对应的所述视频图像确定为目标视频图像。
可以理解地,在步骤S360中,所述模数对应的所述视频图像是指所述模数对应的所述增量熵向量所对应的所述视频图像,若所述模数大于所述预设模数,说明所述模数对应的所述目标视频图像不稳定,从而说明所述目标图像对应的打扣机的部位可能存在不安全因素。
步骤S400、针对各个所述目标视频图像,对所述目标视频图像进行编码处理,得到所述目标视频图像的编码序列,并将所述编码序列输入预设的异常状态检测模型,以得到所述打扣机的异常状态信息。
其中,所述异常状态检测模型包括输入层、特征提取层、卷积层和输出层,所述输入层用于接收所述编码序列,所述特征提取层用于提取所述编码序列的序列特征、所述卷积层用于对所述序列特征进行深度分析,以获取所述打扣机的异常状态信息,所述输出层用于输出所述异常状态信息。
其中,所述异常状态信息包括但不限于打扣机的某个零件松动、打扣机工作台上的钮扣组件的放置出现偏差、打扣机冲头的运动速度出现偏差、打扣机工作台上出现不明物体等异常和打扣机表面出现裂纹等异常。
可以理解地,通过对所述目标视频图像进行编码处理,得到所述目标视频图像的编码序列,然后将所述编码序列输入预设的异常状态检测模型,以得到所述打扣机的异常状态信息的方法相对于直接通过所述目标视频图像获取所述打扣机的异常状态信息的方法更加精确,有助于提高打扣加工的安全控制精度。
可以理解地,每个所述目标视频图像都有与其匹配的异常状态信息。
步骤S500、基于所述异常状态信息生成所述打扣机的安全控制方案,并将所述安全控制方案发送至维修工作人员。
其中,所述安全控制方案包括但不限于对打扣机的某个部件进行维修、调节打扣机冲头的速度、清理打扣机工作台上的不明物体、对打扣机上的裂纹进行修复等。
可以理解地,各个所述预设时间段是连续的,在各个所述预设时间段内均执行步骤S100至步骤S500的操作。
本实施例提供的方法,通过多个图像采集装置全方位地采集打扣机在预设时间段内的视频图像,并通过上述步骤S200至步骤S300的方法对所述视频图像进行分析,以确定目标视频图像,以及通过上述步骤S400至步骤S500的方法对所述目标视频图像进行分析,从而生成打扣机的安全控制方案,这一方面实现了对打扣机的状态进行实时监控,从而实时生成打扣机的安全控制方案,以便工作人员对打扣机及时进行维修,降低了打扣机的安全隐患,另一方面,实现了对打扣机的状态进行全面监控,这有助于提高打扣机安全控制的精度和可靠性。
在一些实施例中,所述对所述目标视频图像进行编码处理,得到所述目标视频图像的编码序列包括步骤S410至步骤S460。
步骤S410、在预设的编码数据库中获取与所述目标视频图像对应的编码规范。
可以理解地,所述目标视频图像对应的编码规范为所述目标视频图像对应的图像采集装置所对应的编码规范,所述编码数据库中存在多个映射关系,所述映射关系为所述图像采集装置的标识码与所述图像采集装置对应的编码规范的映射关系。
步骤S420、对所述目标视频图像进行分帧操作,得到所述目标视频图像的多个图像帧。
步骤S430、针对各个所述图像帧,基于预设的图像分割模块将所述图像帧分割为多个子图像区域,并将各个所述子图像区域输入预设的图像属性分析模型,得到各个所述子图像区域的图像属性。
其中,所述图像属性包括背景属性和实物属性,所述实物属性包括在所述目标视频图像中的各个部件属性。
其中,所述图像属性分析模型包括输入层、特征提取层、卷积层和输出层,所述输入层用于接收所述子图像区域,所述特征提取层用于提取所述子图像区域的图像特征,所述卷积层用于对所述图像特征进行分析,得到所述子图像区域的图像属性,所述输出层用于输出所述图像属性。
步骤S440、针对各个所述图像帧中的各个所述子图像区域,将所述子图像区域转化子图像区域数据流,并基于所述子图像区域的图像属性在所述编码规范中确定与所述子图像区域匹配的编码规则,基于所述编码规则对所述子图像区域数据流进行编码,得到所述子图像区域数据流的编码序列。
其中,采用离散余弦变换(英文简称:DCT)的编码算法将所述子图像区域转化为子图像区域数据流。
步骤S450、针对各个所述图像帧,基于所述图像帧的各个所述子图像区域的相对位置关系,拼接各个所述子图像区域数据流的编码序列,得到所述图像帧的编码序列。
步骤S460、基于各个所述图像帧对应的时间,拼接各个所述图像帧的编码序列,得到所述目标视频图像的编码序列。
本实施例提供的方法,通过对所述目标视频图像进行分帧操作,得到所述目标视频图像的多个图像帧,并针对各个所述图像帧,将所述图像帧分割为多个子图像区域,同时针对所述图像帧中的各个所述子图像区域,将所述子图像区域转化子图像区域数据流,并基于所述子图像区域的图像属性在所述编码规范中确定与所述子图像区域匹配的编码规则,基于所述编码规则对所述子图像区域数据流进行编码,得到所述子图像区域数据流的编码序列,有助于提高所述目标视频图像的编码序列的精确性,从而提高打扣加工安全控制的精确性。
在一些实施例中,所述打扣机包括工作台、冲头、承料组件和测距组件,所述测距组件包括基准端和反射式光电传感器,所述基准端设于所述冲头、所述反射式光电传感器设于所述承料组件,所述工作台用于放置纽扣的第一子组件,所述承料组件用于承载所述纽扣的第二子组件,所述承料组件设于所述冲头和所述工作台之间,所述冲头用于对所述承料组件和所述工作台施加冲击力,以将所述第一子组件和所述第二子组件进行组装,得到所述纽扣,所述测距组件用于测量所述冲头与所述承料组件之间的距离,所述冲头与所述承料组件在非工作状态下设有固定距离,所述方法还包括以下步骤:
在所述打扣机工作的过程中,当所述承料组件和所述冲头共同向所述工作台运动时,通过所述测距组件实时获取所述冲头与所述承料组件之间的第一距离,并将所述第一距离与所述固定距离进行比较,若所述第一距离等于所述固定距离,控制所述承料组件和所述冲头继续共同向所述工作台运动,直至所述承料组件因与所述工作台或所述工作台上的物体发生接触而向所述冲头运动;
在所述承料组件向所述冲头运动时,记录所述承料组件运动至与所述冲头接触时所需的时间长度,并将所述时间长度与预设时间长度进行比较;
若所述时间长度小于所述预设时间长度,控制所述打扣机停止工作,并向所述工作人员发出告警信息。
需要说明的是,若所述第一距离不等于所述固定距离,说明打扣机的工作状态出现异常,此时,需控制打扣机停止工作。
需要说明的是,所述预设时间长度为所述乘料组件与所述工作台接触后,向所述冲头运动至与所述冲头接触所需的时间,所述工作台上的物体可以是工作人员的手或其它实物,可以理解地,若所述时间长度小于所述预设时间长度,说明所述工作台上放置有物体,此时,若控制所述打扣机继续工作,会造成一定的安全隐患。
本实施例提供的方法,在打扣机工作的过程中,对所述乘料组件、所述工作台和所述冲头的工作状态进行实时监控,进一步提高了所述打扣机工作时的安全性。
请参阅图2,图2为本申请实施例提供的打扣加工的安全控制装置100的结构示意性框图,如图2所示,本申请实施例提供的打扣加工的安全控制装置100,包括:
采集模块110,用于在预设时间段内,通过预设的多个图像采集装置实时采集打扣机在多个预设位置的图像信息,得到图像信息集;所述图像信息集包括多个视频图像,各个所述视频图像对应一个所述图像采集装置在所述预设时间段内采集的图像信息。
第一确定模块120,用于将所述预设时间段分割为预设数量的时间间隔,针对各个所述图像采集装置,在所述图像信息集中确定所述图像采集装置对应的多个目标图像;其中,所述目标图像为所述图像采集装置在所述时间间隔处采集的图像。
第二确定模块130,用于基于各个所述图像采集装置分别对应的多个目标图像,在所述图像信息集中确定目标视频图像;其中,所述目标视频图像对应的所述打扣机的部位存在异常。
输入模块140,用于对所述目标视频图像进行编码处理,得到所述目标视频图像的编码序列,并将所述编码序列输入预设的异常状态检测模型,以得到所述打扣机的异常状态信息。
生成模块150,用于基于所述异常状态信息生成所述打扣机的安全控制方案,并将所述安全控制方案发送至维修工作人员。
需要说明的是,所属技术领域的技术人员可以清楚了解到,为了描述的方便和简洁,上述描述的装置和各个模块的具体工作过程,可以参考前述打扣加工的安全控制方法实施例中的对应过程,在此不再赘述。
上述实施例提供的打扣加工的安全控制装置100可以实现为一种计算机程序的形式,该计算机程序可以在如图3所示的终端设备200上运行。
请参阅图3,图3为本申请实施例提供的终端设备200的结构示意性框图,终端设备200包括处理器201和存储器202,处理器201和存储器202通过系统总线203连接,其中,存储器202可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储计算机程序。该计算机程序包括程序指令,该程序指令被处理器201执行时,可使得处理器201执行上述任一种打扣加工的安全控制方法。
处理器201用于提供计算和控制能力,支撑整个终端设备200的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器201执行时,可使得处理器201执行上述任一种打扣加工的安全控制方法。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所涉及的终端设备200的限定,具体的终端设备200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。
应当理解的是,处理器201可以是中央处理单元 (Central Processing Unit,CPU),该处理器201还可以是其他通用处理器、数字信号处理器 (Digital SignalProcessor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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。其中,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。
其中,在一些实施例中,处理器201用于运行存储在存储器中的计算机程序,以实现如下步骤:
在预设时间段内,通过预设的多个图像采集装置实时采集打扣机在多个预设位置的图像信息,得到图像信息集;所述图像信息集包括多个视频图像,各个所述视频图像对应一个所述图像采集装置在所述预设时间段内采集的图像信息;
将所述预设时间段分割为预设数量的时间间隔,针对各个所述图像采集装置,在所述图像信息集中确定所述图像采集装置对应的多个目标图像;其中,所述目标图像为所述图像采集装置在所述时间间隔处采集的图像;
基于各个所述图像采集装置分别对应的多个目标图像,在所述图像信息集中确定目标视频图像;其中,所述目标视频图像对应的所述打扣机的部位存在异常;
针对各个所述目标视频图像,对所述目标视频图像进行编码处理,得到所述目标视频图像的编码序列,并将所述编码序列输入预设的异常状态检测模型,以得到所述打扣机的异常状态信息;
基于所述异常状态信息生成所述打扣机的安全控制方案,并将所述安全控制方案发送至维修工作人员。
需要说明的是,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,上述描述的终端设备200的具体工作过程,可以参考前述打扣加工的安全控制方法的对应过程,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被一个或多个处理器执行时使所述一个或多个处理器实现如本申请实施例提供的打扣加工的安全控制方法。
其中,所述计算机可读存储介质可以是前述实施例终端设备200的内部存储单元,例如终端设备200的硬盘或内存。所述计算机可读存储介质也可以是终端设备200的外部存储设备,例如终端设备200配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种打扣加工的安全控制方法,其特征在于,所述方法包括:
在预设时间段内,通过预设的多个图像采集装置实时采集打扣机在多个预设位置的图像信息,得到图像信息集;所述图像信息集包括多个视频图像,各个所述视频图像对应一个所述图像采集装置在所述预设时间段内采集的图像信息;
将所述预设时间段分割为预设数量的时间间隔,针对各个所述图像采集装置,在所述图像信息集中确定所述图像采集装置对应的多个目标图像;其中,所述目标图像为所述图像采集装置在所述时间间隔处采集的图像;
基于各个所述图像采集装置分别对应的多个目标图像,在所述图像信息集中确定目标视频图像;其中,所述目标视频图像对应的所述打扣机的部位存在异常;
针对各个所述目标视频图像,对所述目标视频图像进行编码处理,得到所述目标视频图像的编码序列,并将所述编码序列输入预设的异常状态检测模型,以得到所述打扣机的异常状态信息;
基于所述异常状态信息生成所述打扣机的安全控制方案,并将所述安全控制方案发送至维修工作人员。
2.根据权利要求1所述的打扣加工的安全控制方法,其特征在于,所述基于各个所述图像采集装置分别对应的多个目标图像,在所述图像信息集中确定目标视频图像,包括:
针对各个所述图像采集装置,将所述图像采集装置对应的多个目标图像按照各个所述目标图像对应的所述时间间隔的先后顺序进行排列,得到目标图像序列;
针对各个所述目标图像序列,获取所述目标图像序列中的各个所述目标图像的特征向量,并基于各个所述特征向量对应的所述目标图像的序列将各个所述特征向量进行排列,得到特征向量序列;
针对各个所述特征向量序列,计算相邻的两个所述特征向量的增量向量,并计算所述增量向量的增量熵;
针对各个所述特征向量序列,基于各个所述增量熵对应的所述时间间隔的先后顺序,将所述增量熵进行排列,得到所述特征向量序列对应的增量熵向量;
计算各个所述增量熵向量的模数,并将所述模数与预设模数进行比较;
若所述模数大于所述预设模数,将所述模数对应的所述视频图像确定为目标视频图像。
3.根据权利要求2所述的打扣加工的安全控制方法,其特征在于,通过式(1)和式(2)计算所述增量向量的增量熵:
(1)
(2)
其中,S为所述增量向量的增量熵,为所述增量向量的第i个元素值,/>为与所述增量向量对应的标准向量的第i个元素值,/>为所述增量向量的第i个元素的增量,/>为所述增量向量的第i个元素值对应的权重系数。
4.根据权利要求1所述的打扣加工的安全控制方法,其特征在于,所述对所述目标视频图像进行编码处理,得到所述目标视频图像的编码序列,包括:
在预设的编码数据库中获取与所述目标视频图像对应的编码规范;
对所述目标视频图像进行分帧操作,得到所述目标视频图像的多个图像帧;
针对各个所述图像帧,基于预设的图像分割模块将所述图像帧分割为多个子图像区域,并将各个所述子图像区域输入预设的图像属性分析模型,得到各个所述子图像区域的图像属性;
针对各个所述图像帧中的各个所述子图像区域,将所述子图像区域转化子图像区域数据流,并基于所述子图像区域的图像属性在所述编码规范中确定与所述子图像区域匹配的编码规则,基于所述编码规则对所述子图像区域数据流进行编码,得到所述子图像区域数据流的编码序列;
针对各个所述图像帧,基于所述图像帧的各个所述子图像区域的相对位置关系,拼接各个所述子图像区域数据流的编码序列,得到所述图像帧的编码序列;
基于各个所述图像帧对应的时间,拼接各个所述图像帧的编码序列,得到所述目标视频图像的编码序列。
5.根据权利要求1所述的打扣加工的安全控制方法,其特征在于,所述打扣机包括工作台、冲头、承料组件和测距组件,所述测距组件包括基准端和反射式光电传感器,所述基准端设于所述冲头、所述反射式光电传感器设于所述承料组件,所述工作台用于放置纽扣的第一子组件,所述承料组件用于承载所述纽扣的第二子组件,所述承料组件设于所述冲头和所述工作台之间,所述冲头用于对所述承料组件和所述工作台施加冲击力,以将所述第一子组件和所述第二子组件进行组装,得到所述纽扣,所述测距组件用于测量所述冲头与所述承料组件之间的距离,所述冲头与所述承料组件在非工作状态下设有固定距离,所述方法还包括:
在所述打扣机工作的过程中,当所述承料组件和所述冲头共同向所述工作台运动时,通过所述测距组件实时获取所述冲头与所述承料组件之间的第一距离,并将所述第一距离与所述固定距离进行比较,若所述第一距离等于所述固定距离,控制所述承料组件和所述冲头继续共同向所述工作台运动,直至所述承料组件因与所述工作台或所述工作台上的物体发生接触而向所述冲头运动;
在所述承料组件向所述冲头运动时,记录所述承料组件运动至与所述冲头接触时所需的时间长度,并将所述时间长度与预设时间长度进行比较;
若所述时间长度小于所述预设时间长度,控制所述打扣机停止工作,并向所述工作人员发出告警信息。
6.一种打扣加工的安全控制装置,其特征在于,包括:
采集模块,用于在预设时间段内,通过预设的多个图像采集装置实时采集打扣机在多个预设位置的图像信息,得到图像信息集;所述图像信息集包括多个视频图像,各个所述视频图像对应一个所述图像采集装置在所述预设时间段内采集的图像信息;
第一确定模块,用于将所述预设时间段分割为预设数量的时间间隔,针对各个所述图像采集装置,在所述图像信息集中确定所述图像采集装置对应的多个目标图像;其中,所述目标图像为所述图像采集装置在所述时间间隔处采集的图像;
第二确定模块,用于基于各个所述图像采集装置分别对应的多个目标图像,在所述图像信息集中确定目标视频图像;其中,所述目标视频图像对应的所述打扣机的部位存在异常;
输入模块,用于对所述目标视频图像进行编码处理,得到所述目标视频图像的编码序列,并将所述编码序列输入预设的异常状态检测模型,以得到所述打扣机的异常状态信息;
生成模块,用于基于所述异常状态信息生成所述打扣机的安全控制方案,并将所述安全控制方案发送至维修工作人员。
7.一种终端设备,其特征在于,所述终端设备包括处理器、存储器以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如权利要求1至5中任一项所述的打扣加工的安全控制方法。
8.一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计算机程序,其中所述计算机程序被处理器执行时,实现如权利要求1至5中任一项所述的打扣加工的安全控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311472675.1A CN117314890B (zh) | 2023-11-07 | 2023-11-07 | 打扣加工的安全控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311472675.1A CN117314890B (zh) | 2023-11-07 | 2023-11-07 | 打扣加工的安全控制方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117314890A true CN117314890A (zh) | 2023-12-29 |
CN117314890B CN117314890B (zh) | 2024-04-23 |
Family
ID=89260432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311472675.1A Active CN117314890B (zh) | 2023-11-07 | 2023-11-07 | 打扣加工的安全控制方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117314890B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117571950A (zh) * | 2024-01-16 | 2024-02-20 | 深圳市家乐士净水科技有限公司 | 基于物联网的生活用水质量检测方法及相关装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010055426A1 (en) * | 2008-11-11 | 2010-05-20 | Koninklijke Philips Electronics, N.V. | Ultrasonic lesion identification using temporal parametric contrast images |
US20160104279A1 (en) * | 2014-10-10 | 2016-04-14 | Cedars-Sinai Medical Center | Method and system for "push-button" comprehensive cardiac mr examination using continuous self-gated 3d radial imaging |
CN106683106A (zh) * | 2015-03-03 | 2017-05-17 | 上海联影医疗科技有限公司 | 一种晶体像素查找表生成的方法 |
US20180245979A1 (en) * | 2017-02-24 | 2018-08-30 | Datacolor Inc. Usa | Color separation in images |
WO2019121397A1 (en) * | 2017-12-22 | 2019-06-27 | Robert Bosch Gmbh | System and method for determining occupancy |
CN111107107A (zh) * | 2019-12-31 | 2020-05-05 | 奇安信科技集团股份有限公司 | 网络行为的检测方法、装置、计算机设备和存储介质 |
CN113052444A (zh) * | 2021-03-12 | 2021-06-29 | 岳西县海创饰品有限公司 | 一种塑料纽扣生产线生产管理系统 |
CN113518256A (zh) * | 2021-07-23 | 2021-10-19 | 腾讯科技(深圳)有限公司 | 视频处理方法、装置、电子设备及计算机可读存储介质 |
CN113554662A (zh) * | 2020-04-23 | 2021-10-26 | 辉达公司 | 使用一个或更多个神经网络进行图像分割 |
WO2021217859A1 (zh) * | 2020-04-30 | 2021-11-04 | 平安国际智慧城市科技股份有限公司 | 目标异常识别方法、装置、电子设备及存储介质 |
WO2021259005A1 (zh) * | 2020-06-23 | 2021-12-30 | 平安科技(深圳)有限公司 | 视频微表情识别方法、装置、计算机设备及存储介质 |
CN114845069A (zh) * | 2021-02-02 | 2022-08-02 | 武汉Tcl集团工业研究院有限公司 | 视频处理方法、装置、电子设备及存储介质 |
CN115019242A (zh) * | 2022-08-05 | 2022-09-06 | 中电科新型智慧城市研究院有限公司 | 一种交通场景的异常事件检测方法、装置和处理设备 |
CN115035576A (zh) * | 2022-05-31 | 2022-09-09 | 深圳市北科瑞声科技股份有限公司 | 基于人脸视频的用户情绪识别方法、装置、设备及介质 |
CN116939164A (zh) * | 2023-07-24 | 2023-10-24 | 北京索腾科技有限公司 | 一种安防监控方法及系统 |
-
2023
- 2023-11-07 CN CN202311472675.1A patent/CN117314890B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010055426A1 (en) * | 2008-11-11 | 2010-05-20 | Koninklijke Philips Electronics, N.V. | Ultrasonic lesion identification using temporal parametric contrast images |
US20160104279A1 (en) * | 2014-10-10 | 2016-04-14 | Cedars-Sinai Medical Center | Method and system for "push-button" comprehensive cardiac mr examination using continuous self-gated 3d radial imaging |
CN106683106A (zh) * | 2015-03-03 | 2017-05-17 | 上海联影医疗科技有限公司 | 一种晶体像素查找表生成的方法 |
US20180245979A1 (en) * | 2017-02-24 | 2018-08-30 | Datacolor Inc. Usa | Color separation in images |
WO2019121397A1 (en) * | 2017-12-22 | 2019-06-27 | Robert Bosch Gmbh | System and method for determining occupancy |
CN111107107A (zh) * | 2019-12-31 | 2020-05-05 | 奇安信科技集团股份有限公司 | 网络行为的检测方法、装置、计算机设备和存储介质 |
CN113554662A (zh) * | 2020-04-23 | 2021-10-26 | 辉达公司 | 使用一个或更多个神经网络进行图像分割 |
WO2021217859A1 (zh) * | 2020-04-30 | 2021-11-04 | 平安国际智慧城市科技股份有限公司 | 目标异常识别方法、装置、电子设备及存储介质 |
WO2021259005A1 (zh) * | 2020-06-23 | 2021-12-30 | 平安科技(深圳)有限公司 | 视频微表情识别方法、装置、计算机设备及存储介质 |
CN114845069A (zh) * | 2021-02-02 | 2022-08-02 | 武汉Tcl集团工业研究院有限公司 | 视频处理方法、装置、电子设备及存储介质 |
CN113052444A (zh) * | 2021-03-12 | 2021-06-29 | 岳西县海创饰品有限公司 | 一种塑料纽扣生产线生产管理系统 |
CN113518256A (zh) * | 2021-07-23 | 2021-10-19 | 腾讯科技(深圳)有限公司 | 视频处理方法、装置、电子设备及计算机可读存储介质 |
CN115035576A (zh) * | 2022-05-31 | 2022-09-09 | 深圳市北科瑞声科技股份有限公司 | 基于人脸视频的用户情绪识别方法、装置、设备及介质 |
CN115019242A (zh) * | 2022-08-05 | 2022-09-06 | 中电科新型智慧城市研究院有限公司 | 一种交通场景的异常事件检测方法、装置和处理设备 |
CN116939164A (zh) * | 2023-07-24 | 2023-10-24 | 北京索腾科技有限公司 | 一种安防监控方法及系统 |
Non-Patent Citations (1)
Title |
---|
董莹荷;胡国胜;: "视频监控系统中异常行为检测与识别", 机械设计与制造工程, no. 03, 15 March 2020 (2020-03-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117571950A (zh) * | 2024-01-16 | 2024-02-20 | 深圳市家乐士净水科技有限公司 | 基于物联网的生活用水质量检测方法及相关装置 |
CN117571950B (zh) * | 2024-01-16 | 2024-04-30 | 深圳市家乐士净水科技有限公司 | 基于物联网的生活用水质量检测方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117314890B (zh) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11624731B2 (en) | Method for predicting remaining life of numerical control machine tool | |
CN117314890B (zh) | 打扣加工的安全控制方法、装置、设备及存储介质 | |
JP4368767B2 (ja) | 異常動作検出装置および異常動作検出方法 | |
CN109086876B (zh) | 设备的运行状态检测方法、装置、计算机设备和存储介质 | |
JP6672712B2 (ja) | 異常作業検出システムおよび異常作業検出方法 | |
TWI776473B (zh) | 異常診斷方法、異常診斷裝置及異常診斷程式 | |
JP7126256B2 (ja) | 異常診断装置、異常診断方法、及びプログラム | |
JP5149033B2 (ja) | 動作解析方法及び動作解析装置並びにその動作解析装置を利用した動作評価装置 | |
JP2009032033A (ja) | 動作境界検出方法および作業分析システム | |
CN110895716A (zh) | 检查装置以及机器学习方法 | |
CN116796275A (zh) | 一种工业设备多模态时序异常检测方法 | |
Lefebvre et al. | Polyhedral contact formation identification for autonomous compliant motion: Exact nonlinear Bayesian filtering | |
US20170249728A1 (en) | Abnormality detection device, abnormality detection method and non-transitory computer-readable recording medium | |
JP2010061376A (ja) | 動作評価装置および動作評価方法 | |
CN110895717A (zh) | 检查装置以及机器学习方法 | |
JP6779413B2 (ja) | 作業分析装置 | |
JP6915763B1 (ja) | 異常診断システム及び異常診断方法 | |
CN115655764B (zh) | 振动趋势分析方法、装置、电子设备及存储介质 | |
Pang et al. | Tool wear forecast using Dominant Feature Identification of acoustic emissions | |
CN117406759B (zh) | 一种管道机器人爬行校准方法和系统 | |
CN117725543B (zh) | 一种多元时间序列异常预测方法、电子设备及存储介质 | |
JP7311820B1 (ja) | 異常判定方法、異常判定装置及びプログラム | |
JP2014126885A (ja) | 車両情報記憶装置および車両情報記憶方法 | |
CN113189935B (zh) | 基于时序功率数据的非侵入式生产节拍预测方法及系统 | |
WO2023144934A1 (ja) | 情報処理装置、情報処理システム、顧客装置、情報処理方法及び非一時的なコンピュータ可読媒体 |
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 |