CN117710894A - 一种应用于智慧工厂的生产环境监测方法及其系统 - Google Patents
一种应用于智慧工厂的生产环境监测方法及其系统 Download PDFInfo
- Publication number
- CN117710894A CN117710894A CN202311806983.3A CN202311806983A CN117710894A CN 117710894 A CN117710894 A CN 117710894A CN 202311806983 A CN202311806983 A CN 202311806983A CN 117710894 A CN117710894 A CN 117710894A
- Authority
- CN
- China
- Prior art keywords
- information
- area
- area information
- hidden danger
- visitor
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000012544 monitoring process Methods 0.000 title claims description 23
- 238000013507 mapping Methods 0.000 claims description 42
- 238000004088 simulation Methods 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 7
- 238000013145 classification model Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 239000000725 suspension Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000012447 hatching Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请适用于智能监控的技术领域，提供了一种应用于智慧工厂的生产环境监测方法及其系统，其方法包括基于预设的拍摄设备，获取智慧工厂的生产环境图像信息；根据生产环境图像信息，确定第一所在区域信息、第二所在区域信息和第三所在区域信息；根据第二所在区域信息和第三所在区域信息，确定智慧工厂的隐患区域信息；根据第一所在区域信息和隐患区域信息，生成隐患提醒指令，其中，隐患提醒指令用于提醒技术员关注身处安全隐患中的访客；发送隐患提醒指令至技术员的指定终端。本申请能够使技术员可以及时了解并关注身处安全隐患中的访客，大幅度降低访客发生事故的风险，有效地保障访客的生命安全，提高智慧工厂的智能程度。
Description
技术领域
本申请涉及智能监控的技术领域，具体而言，涉及一种应用于智慧工厂的生产环境监测方法及其系统。
背景技术
智慧工厂代表了制造业数字化转型的重要趋势和未来发展方向，对制造业的可持续发展和提高核心竞争力具有重要意义，譬如能够为铝加工企业创造更大的价值和竞争优势。
目前，智慧工厂的日常管理重点之一是访客管理，由于访客可能脱离在场技术员的视野四处游走，且目前的智慧工厂不能智能监控访客是否存在安全隐患，存在不利于保障访客生命安全的问题，有待进一步改进。
发明内容
基于此，本申请实施例提供了一种应用于智慧工厂的生产环境监测方法及其系统，以解决现有技术中不利于保障访客生命安全的问题。
第一方面，本申请实施例提供了一种应用于智慧工厂的生产环境监测方法，应用于智慧工厂，所述方法包括：
基于预设的拍摄设备，获取所述智慧工厂的生产环境图像信息；
根据所述生产环境图像信息，确定技术员的第一所在区域信息、访客的第二所在区域信息和悬挂货物的第三所在区域信息；
根据所述第二所在区域信息和所述第三所在区域信息，确定所述智慧工厂的隐患区域信息；
根据所述第一所在区域信息和所述隐患区域信息，生成隐患提醒指令，其中，所述隐患提醒指令用于提醒所述技术员关注身处安全隐患中的所述访客；
发送所述隐患提醒指令至所述技术员的指定终端。
与现有技术相比存在的有益效果是：本申请实施例提供的应用于智慧工厂的生产环境监测方法，终端设备可以先基于拍摄设备获取智慧工厂的生产环境图像信息，然后根据生产环境图像信息，确定技术员的第一所在区域信息、访客的第二所在区域信息和悬挂货物的第三所在区域信息，再根据第二所在区域信息和第三所在区域信息，确定出的隐患区域信息，然后根据第一所在区域信息和隐患区域信息，生成隐患提醒指令，再将隐患提醒指令发送至技术员的指定终端，从而使技术员可以及时得知并关注身处安全隐患中的访客，减少访客发生事故的可能性，有效地保障访客的生命安全，在一定程度上解决了当前不利于保障访客生命安全的问题。
第二方面，本申请实施例提供了一种应用于智慧工厂的生产环境监测系统，应用于智慧工厂，所述系统包括：
生产环境图像信息获取模块：用于基于预设的拍摄设备，获取所述智慧工厂的生产环境图像信息；
所在区域信息确定模块：用于根据所述生产环境图像信息，确定技术员的第一所在区域信息、访客的第二所在区域信息和悬挂货物的第三所在区域信息；
隐患区域信息确定模块：用于根据所述第二所在区域信息和所述第三所在区域信息，确定所述智慧工厂的隐患区域信息；
隐患提醒指令生成模块：用于根据所述第一所在区域信息和所述隐患区域信息，生成隐患提醒指令，其中，所述隐患提醒指令用于提醒所述技术员关注身处安全隐患中的所述访客；
隐患提醒指令发送模块：用于发送所述隐患提醒指令至所述技术员的指定终端。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面的方法的步骤。
第四方面，本申请实施例提供了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，所述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请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。
图1是本申请一实施例提供的生产环境监测方法的流程示意图；
图2是本申请一实施例提供的生产环境监测方法中步骤S200之前的流程示意图；
图3是本申请一实施例提供的生产环境监测方法中步骤S200的流程示意图；
图4是本申请一实施例提供的生产环境图像信息的示意图；
图5是本申请一实施例提供的全局轮廓信息的示意图；
图6是本申请一实施例提供的生产环境监测方法中步骤S300的流程示意图；
图7是本申请一实施例提供的基准面信息的示意图；
图8是本申请一实施例提供的生产环境监测方法中步骤S400的流程示意图；
图9是本申请一实施例提供的生产环境监测方法中步骤S400之后的流程示意图；
图10是本申请一实施例提供的生产环境监测系统的模块框图；
图11是本申请一实施例提供的终端设备的示意图。
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，以便透彻理解本申请实施例。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申请。在其它情况中，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申请的描述。
在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
请参阅图1，图1是本申请实施例提供的应用于智慧工厂的生产环境监测方法的流程示意图。在本实施例中，生产环境监测方法的执行主体为终端设备。可以理解的是，终端设备的类型包括但不限于手机、平板电脑、笔记本电脑、超级移动个人计算机(Ultra-Mobile Personal Computer，UMPC)、上网本、个人数字助理(Personal DigitalAssistant，PDA)等，本申请实施例对终端设备的具体类型不作任何限制。
请参阅图1，本申请实施例提供的生产环境监测方法包括但不限于以下步骤：
在S100中，基于预设的拍摄设备，获取智慧工厂的生产环境图像信息。
具体来说，该生产环境监测方法可以应用于智慧工厂，智慧工厂的内部上方可以预先安装有拍摄设备，拍摄设备可以是高精度相机；终端设备可以基于预设的拍摄设备，获取智慧工厂的生产环境图像信息，其中，生产环境图像信息用于描述利用拍摄设备对智慧工厂进行拍摄所获得的图像。
在一种可能的实现方式中，为了降低数据偏差、简化数据处理的复杂度，以及减少频繁修改高精度相机参数的情况，拍摄设备在智慧工厂中的位置始终不变。
在S200中，根据生产环境图像信息，确定技术员的第一所在区域信息、访客的第二所在区域信息和悬挂货物的第三所在区域信息。
不失一般性地，在实际的智慧工厂中，访客常常在技术员的陪同下参观智慧工厂，但是，部分访客可能会偏离技术员的视野，自行在智慧工厂中游览；由于访客可能缺乏专业知识，存在访客身处安全隐患中却不自知的情况，特别是在频繁空中运输货物的智慧工厂中，脱离技术员视野自行游览的访客对应的危险系数会大幅度增加。
具体来说，在终端设备获取生产环境图像信息之后，终端设备可以根据生产环境图像信息，确定出技术员的第一所在区域信息、访客的第二所在区域信息和悬挂货物的第三所在区域信息，其中，第一所在区域信息用于描述技术员在智慧工厂中的所在区域，第二所在区域信息用于描述访客在智慧工厂中的所在区域，第三所在区域信息用于描述悬挂货物在智慧工厂中的所在区域。
在一些可能的实现方式中，为了有利于保障访客的生命安全，请参阅图2，在步骤S200之前，该方法还包括但不限于以下步骤：
在S201中，获取智慧工厂的仿真空间模型信息。
具体来说，仿真空间模型信息用于描述智慧工厂的三维仿真模型，仿真空间模型信息可以由技术员预先构建，仿真空间模型信息可以由技术员收集智慧工厂的各种参数(譬如各种生产设备的尺寸、各种生产设备的运行轨迹和智慧工厂的内部尺寸)且结合三维仿真软件(譬如Sol idWorks和FlexSim)进行构建所获得，具体构建仿真空间模型信息的步骤可以参考现有技术，故不赘述。
具体来说，终端设备可以先获取智慧工厂的仿真空间模型信息。
在S202中，根据仿真空间模型信息，确定基准面信息。
具体来说，在终端设备获取仿真空间模型信息之后，终端设备可以根据仿真空间模型信息，确定基准面信息，其中，基准面信息用于描述仿真空间模型信息的基准面，基准面信息可以是仿真空间模型信息的地面。
在S203中，对基准面信息进行网格化划分处理，生成多个尺寸大小相同的基准子区域信息。
具体来说，在终端设备确定基准面信息之后，终端设备可以对基准面信息进行网格化划分处理，生成多个尺寸大小相同的基准子区域信息，其中，基准子区域信息用于描述网格化划分处理后的局部基准面信息，基准子区域信息的形状可以是矩形或正方形。
相应地，请参阅图3，步骤S200包括但不限于以下步骤：
在S210中，对生产环境图像信息进行二值化处理，生成二值环境图像信息。
具体来说，为了便于理解本申请实施例，生产环境图像信息可以参照图4；终端设备可以对生产环境图像信息进行二值化处理，将生产环境图像信息中的每个像素均与预设的全局阈值进行比较，将大于全局阈值的像素设为255，即白色，同时将小于或等于全局阈值的像素设为0，即黑色，生成二值环境图像信息，其中，二值环境图像信息用于描述二值化处理后的生产环境图像信息。
在S220中，根据二值环境图像信息和预设的轮廓提取算法，确定全局轮廓信息。
具体来说，轮廓提取算法可以是洪泛填充算法、基于Roberts算子的边缘检测算法、Canny边缘检测算法或基于Laplacian算子的边缘检测算法；在终端设备生成二值环境图像信息之后，终端设备可以根据二值环境图像信息和预设的轮廓提取算法，确定全局轮廓信息，其中，全局轮廓信息用于描述二值环境图像信息中全局的闭环轮廓线信息。
在S230中，根据全局轮廓信息和预设的目标分类模型，确定标定对象轮廓信息、人员轮廓信息和悬挂货物轮廓信息。
不失一般性地，目标分类模型用于对全局轮廓信息进行分类，目标分类模型可以是卷积神经网络(Convolut ional Neural Network，CNN)模型或支持向量机(SupportVector Machine，SVM)模型；全局轮廓信息的类别包括标定对象、人员和悬挂货物，标定对象用于作为确定人员位置和悬挂货物位置的参照物，为了进一步减少数据处理的复杂程度，标定对象在智慧工厂中的位置可以始终不变，标定对象可以是竖直设置于智慧工厂地面上的定位柱。
具体来说，示例性地，请参阅图5，终端设备可以根据全局轮廓信息和预设的目标分类模型，确定出标定对象轮廓信息、人员轮廓信息和悬挂货物轮廓信息，其中，标定对象轮廓信息用于描述类别为标定对象的全局轮廓信息，人员轮廓信息用于描述类别为人员的全局轮廓信息，悬挂货物轮廓信息用于描述类别为悬挂货物的全局轮廓信息。
在S240中，获取人员轮廓信息的第一总面积信息、人员轮廓信息的第一间距信息、悬挂货物轮廓信息的第二总面积信息和悬挂货物轮廓信息的第二间距信息。
不失一般性地，第一总面积信息用于描述人员轮廓信息的总面积，第一间距信息用于描述人员轮廓信息与标定对象轮廓信息之间的最短距离，第二总面积信息用于描述悬挂货物轮廓信息的总面积，第二间距信息用于描述悬挂货物轮廓信息与标定对象轮廓信息之间的最短距离。
具体来说，终端设备可以利用预设的不规则面积计算公式，获取人员轮廓信息的第一总面积信息，并且获取悬挂货物轮廓信息的第二总面积信息，然后终端设备可以利用预设的两点间距计算公式，获取人员轮廓信息的第一间距信息，并且获取悬挂货物轮廓信息的第二间距信息。
在S250中，获取预设的区域面积-预估位置关系信息和预估映射位置集信息。
具体来说，区域面积-预估位置关系信息用于描述生产环境图像信息中各种总面积的区域在仿真空间模型信息中对应的预估位置，区域面积-预估位置关系信息可以由技术员预先设定，区域面积-预估位置关系信息基于近大远小的透视规律。
示例性地，技术员可以先针对悬挂货物设定区域面积-预估位置关系信息，即技术员可以先控制智慧工厂的运输设备，使悬挂货物与标定对象之间的欧几里得距离为4.5米，然后终端设备可以获取该生产情景对应的全局轮廓信息，并确定该生产情景对应的第二总面积信息和第二间距信息，即将该欧几里得距离、该生产情景对应的第二总面积信息和该生产情景对应的第二间距信息进行关联。为了便于理解，将该生产情景对应的第二总面积信息命名为设定过程中的第二总面积信息，将该生产情景对应的第二间距信息命名为设定过程中的第二间距信息，从而在后续实时获取的第二总面积信息与设定过程中的第二总面积信息相一致，且实时获取的第二间距信息与设定过程中的第二间距信息相一致的时候，可以反推确定出实时的悬挂货物与标定对象之间的欧几里得距离为4.5米，继而确定出悬挂货物在智慧工厂中的所在位置。技术员可以不断地改变悬挂货物与标定对象之间的欧几里得距离，并不断将各种生产情景的欧几里得距离、第二总面积信息和第二间距信息进行关联。需要说明的是，针对人员设定区域面积-预估位置关系信息的原理相同，故不赘述。
具体来说，预估映射位置集信息用于描述各个预估位置垂直映射至基准面信息上的位置，预估映射位置集信息可以由技术员预先设定，预估映射位置集信息的设定过程可以参考设定区域面积-预估位置关系信息的过程。终端设备可以获取预设的区域面积-预估位置关系信息和预设的预估映射位置集信息。
在S260中，根据区域面积-预估位置关系信息、第一总面积信息和第一间距信息，确定人员轮廓信息的第一预估位置信息，并根据区域面积-预估位置关系信息、第二总面积信息和第二间距信息，确定悬挂货物轮廓信息的第二预估位置信息。
具体来说，第一预估位置信息用于描述人员轮廓信息在仿真空间模型信息中的预估位置，第二预估位置信息用于描述悬挂货物轮廓信息在仿真空间模型信息中的预估位置；终端设备可以基于区域面积-预估位置关系信息，根据第一总面积信息和第一间距信息确定出与第一总面积信息和第一间距信息相关联的预设位置，确定该预设位置为人员轮廓信息的第一预估位置信息，同时终端设备可以基于区域面积-预估位置关系信息，根据第二总面积信息和第二间距信息确定出与第二总面积信息和第二间距信息相关联的预设位置，确定该预设位置为悬挂货物轮廓信息的第二预估位置信息。
在S270中，基于预估映射位置集信息和第一预估位置信息，确定第一预估位置信息对应的第一预估映射位置信息，并基于预估映射位置集信息和第二预估位置信息，确定第二预估位置信息对应的第二预估映射位置信息。
示例性地，终端设备可以基于预估映射位置集信息，在预估映射位置集信息中搜索与第一预估位置信息相关联的预设位置，将该预设位置确定为第一预估位置信息对应的第一预估映射位置信息；同时，终端设备可以基于预估映射位置集信息，在预估映射位置集信息中搜索与第二预估位置信息相关联的预设位置，将该预设位置确定为第二预估位置信息对应的第二预估映射位置信息。
在S280中，判断基准子区域信息是否与第一预估映射位置信息存在重叠。
具体来说，终端设备可以判断基准子区域信息是否与第一预估映射位置信息存在重叠。
在S290中，若基准子区域信息与第一预估映射位置信息存在重叠，则根据生产环境图像信息和预设的人脸识别算法，确定人员轮廓信息对应的对象身份信息。
不失一般性地，对象身份信息为技术员身份信息或访客身份信息，其中，技术员身份信息用于描述人员轮廓信息对应的身份是技术员，访客身份信息用于描述人员轮廓信息对应的身份是访客；人脸识别算法可以是Viola-Jones算法、Adaboost算法或人脸关键点检测算法；终端设备可以预先通过图像数据库仅存储技术员的面容数据。
示例性地，如果基准子区域信息与第一预估映射位置信息存在重叠，则终端设备可以根据生产环境图像信息和预设的人脸识别算法，确定出生产环境图像信息中的面容数据，然后将检测所得的面容数据与图像数据库中的面容数据进行比对，确定出人员轮廓信息对应的对象身份信息。
在一种可能的实现方式中，如果基准子区域信息与第一预估映射位置信息不存在重叠，则终端设备可以执行步骤S293。
在S291中，若对象身份信息为技术员身份信息，则确定基准子区域信息为第一所在区域信息。
具体来说，如果对象身份信息为技术员身份信息，则终端设备可以确定基准子区域信息为第一所在区域信息。
在S292中，若对象身份信息为访客身份信息，则确定基准子区域信息为第二所在区域信息。
具体来说，如果对象身份信息为访客身份信息，则终端设备可以确定基准子区域信息为第二所在区域信息。
在S293中，判断基准子区域信息是否与第二预估映射位置信息存在重叠。
具体来说，终端设备可以判断基准子区域信息是否与第二预估映射位置信息存在重叠。
在S294中，若基准子区域信息与第二预估映射位置信息存在重叠，则确定基准子区域信息为第三所在区域信息。
具体来说，如果基准子区域信息与第二预估映射位置信息存在重叠，则终端设备可以确定基准子区域信息为第三所在区域信息。需要说明的是，基准子区域信息可以同时被确定为第二所在区域信息和第三所在区域信息，即基准子区域信息可以同时关联第二所在区域信息和第三所在区域信息。
在一种可能的实现方式中，如果基准子区域信息与第二预估映射位置信息不存在重叠，且基准子区域信息与第二预估映射位置信息不存在重叠，则终端设备可以将该基准子区域信息确定为待定区域信息。
在S300中，根据第二所在区域信息和第三所在区域信息，确定智慧工厂的隐患区域信息。
具体来说，终端设备可以根据第二所在区域信息和第三所在区域信息，确定出智慧工厂的隐患区域信息，其中，隐患区域信息用于描述智慧工厂中对访客造成安全隐患的区域。
在一些可能的实现方式中，为了有利于精准地确定出隐患区域信息，请参阅图6，步骤S300包括但不限于以下步骤：
在S310中，判断第二所在区域信息与第三所在区域信息之间是否重叠。
具体来说，终端设备可以判断第二所在区域信息与第三所在区域信息之间是否重叠。
在S320中，若第二所在区域信息与第三所在区域信息之间存在重叠，则再次确定基准子区域信息为智慧工厂的隐患区域信息。
示例性地，请参阅图7，图7为进行网格化划分处理后的基准面信息的局部，图7中实线剖面线所覆盖的区域表示第二所在区域信息，图7中虚线剖面线所覆盖的区域表示第三所在区域信息，图7中加粗实线所围成的区域表示隐患区域信息。
具体来说，如果第二所在区域信息与第三所在区域信息之间存在重叠，则终端设备可以再次确定基准子区域信息为智慧工厂的隐患区域信息，即已经关联第二所在区域信息和第三所在区域信息的基准子区域信息再关联隐患区域信息。
在S400中，根据第一所在区域信息和隐患区域信息，生成隐患提醒指令。
具体来说，隐患提醒指令用于提醒技术员关注身处安全隐患中的访客；终端设备可以根据第一所在区域信息和隐患区域信息，生成隐患提醒指令。
在一些可能的实现方式中，为了有利于在访客身处安全隐患的时候，技术员可以及时得知该危险情况，请参阅图8，步骤S400包括但不限于以下步骤：
在S410中，根据生产环境图像信息和预设的人脸关键点定位算法，确定技术员的头部朝向信息。
具体来说，人脸关键点定位算法可以是ASM(Act ive Shape Model)算法或AAM(Act ive Appearance Model)算法；头部朝向信息用于描述技术员的头部所朝的方向。终端设备可以根据生产环境图像信息和预设的人脸关键点定位算法，确定技术员的脸部所朝的方向，然后将技术员的脸部所朝的方向确定为技术员的头部朝向信息。
在S420中，根据第一所在区域信息、头部朝向信息和预设的视野尺寸信息，确定技术员的视野覆盖区域信息。
具体来说，视野尺寸信息用于描述技术员的视野范围，视野尺寸信息的具体值可以预先设定；终端设备可以根据第一所在区域信息、头部朝向信息和预设的视野尺寸信息，确定出技术员的视野覆盖区域信息。
在S430中，判断隐患区域信息与视野覆盖区域信息之间是否完全重叠。
具体来说，终端设备可以判断隐患区域信息与视野覆盖区域信息之间是否完全重叠。
在S440中，若隐患区域信息与视野覆盖区域信息之间不完全重叠，则生成隐患提醒指令。
具体来说，如果若隐患区域信息与视野覆盖区域信息之间不完全重叠，则终端设备可以生成隐患提醒指令。
在一种可能的实现方式中，为了减少算力资源的浪费，如果隐患区域信息与视野覆盖区域信息之间完全重叠，则终端设备暂不生成隐患提醒指令。
在S500中，发送隐患提醒指令至技术员的指定终端。
具体来说，终端设备可以将隐患提醒指令发送至技术员的指定终端，技术员的指定终端可以是技术员正在佩戴的耳机或身上佩戴的对讲机。当技术员接收到隐患提醒指令的时候，技术员可以马上采取对应的应对措施。
在一些可能的实现方式中，为了减少部分访客因技术员采取应对措施而恐慌继而导致发生踩踏事故的可能性，请参阅图9，在步骤S400之后，该方法还包括但不限于以下步骤：
在S401中，基于预设的激光测速仪，获取访客群体速度信息。
具体来说，智慧工厂可以预先安装有激光测速仪；终端设备可以基于预设的激光测速仪，获取访客群体速度信息，其中，访客群体速度信息用于描述访客群体的速度；示例性地，终端设备可以统计所有访客的移动速度并计算平均值，该平均值可以为访客群体速度信息；需要说明的是，当访客的移动速度为0的时候，该静止的访客的移动速度可以不纳入统计范围。
在S402中，基于预设的图形面积计算公式，确定隐患区域信息的第一区域面积信息和第二所在区域信息的第二区域面积信息。
具体来说，终端设备可以基于预设的图形面积计算公式，确定隐患区域信息的第一区域面积信息和第二所在区域信息的第二区域面积信息，其中，第一区域面积信息用于描述隐患区域信息的总面积，第二区域面积信息用于描述第二所在区域信息的总面积。
在S403中，根据第一区域面积信息和第二区域面积信息，确定隐患区域占比信息。
具体来说，隐患区域占比信息用于描述第一区域面积信息除以第二区域面积信息的商；终端设备可以根据第一区域面积信息和第二区域面积信息，确定出隐患区域占比信息。
在S404中，获取第二所在区域信息对应的访客数量信息。
具体来说，终端设备可以获取第二所在区域信息对应的访客数量信息，其中，访客数量信息用于描述访客群体中访客的总数量。
在S405中，根据访客数量信息和第二区域面积信息，确定访客密度信息。
具体来说，访客密度信息用于描述访客数量信息除以第二区域面积信息的商；终端设备可以根据访客数量信息和第二区域面积信息，确定出访客密度信息。
在S406中，根据访客群体速度信息、第一区域面积信息、第二区域面积信息、隐患区域占比信息、访客密度信息和预设的停运影响评估值计算函数，生成停运影响评估值。
具体来说，终端设备可以将访客群体速度信息、第一区域面积信息、第二区域面积信息、隐患区域占比信息和访客密度信息输入至预设的停运影响评估值计算函数中，生成停运影响评估值，其中，停运影响评估值用于评估技术员停止对某个访客造成安全隐患的生产设备，对访客群体的稳定性所造成的影响。
在一些可能的实现方式中，上述停运影响评估值计算函数为：
式中，InvolveOutage为停运影响评估值；ξInvolce为预设的停运影响因子，停运影响因子的取值范围为2.8至3.4，示例性地，当max(0.18,|ΔExtentArea|)的结果值为0.18的时候，停运影响因子可以为3.4，当max(0.18,|ΔExtentArea|)的结果值为|ΔExtentArea|的时候，停运影响因子可以为2.8；SpeedGroup为访客群体速度信息，示例性地，当访客群体的速度为每秒1.8米的时候，SpeedGroup可以取1.8；RatioHidden为隐患区域占比信息，示例性地，当第一区域面积信息为0.18平方米，第二区域面积信息为0.4平方米的时候，隐患区域占比信息可以为0.45；DenstityHidden为访客密度信息，当第二所在区域信息对应的访客数量信息为6，第二区域面积信息为0.4平方米的时候，访客密度信息可以为15；max()为取最大值函数，即当|ΔExtentArea|大于0.18的时候，max()的结果值为|ΔExtentArea|对应的数值，当|ΔExtentArea|小于或等于0.18的时候，max()的结果值为0.18；ΔExtentArea为第二区域面积信息减去第一区域面积信息的值，示例性地，当第一区域面积信息为0.18平方米，第二区域面积信息为0.4平方米的时候，ΔExtentArea可以为0.22。
本申请实施例应用于智慧工厂的生产环境监测方法的实施原理为：终端设备可以先利用拍摄设备获取智慧工厂的生产环境图像信息，然后根据生产环境图像信息，确定技术员的第一所在区域信息、访客的第二所在区域信息和悬挂货物的第三所在区域信息，再根据第二所在区域信息和第三所在区域信息，确定智慧工厂的隐患区域信息，然后根据第一所在区域信息和隐患区域信息，生成隐患提醒指令，再发送隐患提醒指令至技术员的指定终端，使技术员可以及时得知并关注身处安全隐患中的访客，从而有效地保障访客的生命安全。
需要说明的是，上述实施例中各步骤的序号的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，而不应对本申请实施例的实施过程构成任何限定。
本申请的实施例还提供了一种应用于智慧工厂的生产环境监测系统，应用于智慧工厂，为便于说明，仅示出与本申请相关的部分，如图10所示，该系统100包括：
生产环境图像信息获取模块101：用于基于预设的拍摄设备，获取智慧工厂的生产环境图像信息；
所在区域信息确定模块102：用于根据生产环境图像信息，确定技术员的第一所在区域信息、访客的第二所在区域信息和悬挂货物的第三所在区域信息；
隐患区域信息确定模块103：用于根据第二所在区域信息和第三所在区域信息，确定智慧工厂的隐患区域信息；
隐患提醒指令生成模块104：用于根据第一所在区域信息和隐患区域信息，生成隐患提醒指令，其中，隐患提醒指令用于提醒技术员关注身处安全隐患中的访客；
隐患提醒指令发送模块105：用于发送隐患提醒指令至技术员的指定终端。
可选的，该系统100还包括：
访客群体速度信息获取模块：用于基于预设的激光测速仪，获取访客群体速度信息；
区域面积信息确定模块：用于基于预设的图形面积计算公式，确定隐患区域信息的第一区域面积信息和第二所在区域信息的第二区域面积信息；
隐患区域占比信息确定模块：用于根据第一区域面积信息和第二区域面积信息，确定隐患区域占比信息，其中，隐患区域占比信息用于描述第一区域面积信息除以第二区域面积信息的商；
访客数量信息获取模块：用于获取第二所在区域信息对应的访客数量信息；
访客密度信息确定模块：用于根据访客数量信息和第二区域面积信息，确定访客密度信息，其中，访客密度信息用于描述访客数量信息除以第二区域面积信息的商；
停运影响评估值生成模块：用于根据访客群体速度信息、第一区域面积信息、第二区域面积信息、隐患区域占比信息、访客密度信息和预设的停运影响评估值计算函数，生成停运影响评估值；
其中，上述停运影响评估值计算函数为：
式中，InvolveOutage为停运影响评估值；ξInvolce为预设的停运影响因子，停运影响因子的取值范围为2.8至3.4；SpeedGroup为访客群体速度信息；RatioHidden为隐患区域占比信息；DenstityHidden为访客密度信息；max()为取最大值函数；ΔExtentArea为第二区域面积信息减去第一区域面积信息的值。
可选的，拍摄设备在智慧工厂中的位置始终不变；该系统100还包括：
仿真空间模型信息获取模块：用于获取智慧工厂的仿真空间模型信息；
基准面信息确定模块：用于根据仿真空间模型信息，确定基准面信息；
基准子区域信息生成模块：用于对基准面信息进行网格化划分处理，生成多个尺寸大小相同的基准子区域信息；
相应地，上述所在区域信息确定模块102包括：
二值环境图像信息生成子模块：用于对生产环境图像信息进行二值化处理，生成二值环境图像信息；
全局轮廓信息确定子模块：用于根据二值环境图像信息和预设的轮廓提取算法，确定全局轮廓信息；
标定对象轮廓信息确定子模块：用于根据全局轮廓信息和预设的目标分类模型，确定标定对象轮廓信息、人员轮廓信息和悬挂货物轮廓信息；
第一总面积信息获取子模块：用于获取人员轮廓信息的第一总面积信息、人员轮廓信息的第一间距信息、悬挂货物轮廓信息的第二总面积信息和悬挂货物轮廓信息的第二间距信息，其中，第一间距信息用于描述人员轮廓信息与标定对象轮廓信息之间的最短距离，第二间距信息用于描述悬挂货物轮廓信息与标定对象轮廓信息之间的最短距离；
预估映射位置集信息获取子模块：用于获取预设的区域面积-预估位置关系信息和预估映射位置集信息，其中，区域面积-预估位置关系信息用于描述生产环境图像信息中各种总面积的区域在仿真空间模型信息中对应的预估位置，预估映射位置集信息用于描述各个预估位置垂直映射至基准面信息上的位置；
第一预估位置信息确定子模块：用于根据区域面积-预估位置关系信息、第一总面积信息和第一间距信息，确定人员轮廓信息的第一预估位置信息，并根据区域面积-预估位置关系信息、第二总面积信息和第二间距信息，确定悬挂货物轮廓信息的第二预估位置信息，其中，第一预估位置信息用于描述人员轮廓信息在仿真空间模型信息中的预估位置，第二预估位置信息用于描述悬挂货物轮廓信息在仿真空间模型信息中的预估位置；
第一预估映射位置信息确定子模块：用于基于预估映射位置集信息和第一预估位置信息，确定第一预估位置信息对应的第一预估映射位置信息，并基于预估映射位置集信息和第二预估位置信息，确定第二预估位置信息对应的第二预估映射位置信息；
第一预估映射位置信息判断子模块：用于判断基准子区域信息是否与第一预估映射位置信息存在重叠；
对象身份信息确定子模块：用于若基准子区域信息与第一预估映射位置信息存在重叠，则根据生产环境图像信息和预设的人脸识别算法，确定人员轮廓信息对应的对象身份信息，其中，对象身份信息为技术员身份信息或访客身份信息；
第一所在区域信息确定子模块：用于若对象身份信息为技术员身份信息，则确定基准子区域信息为第一所在区域信息；
第二所在区域信息确定子模块：用于若对象身份信息为访客身份信息，则确定基准子区域信息为第二所在区域信息；
第二预估映射位置信息判断子模块：用于判断基准子区域信息是否与第二预估映射位置信息存在重叠；
第三所在区域信息确定子模块：用于若基准子区域信息与第二预估映射位置信息存在重叠，则确定基准子区域信息为第三所在区域信息。
可选的，上述隐患区域信息确定模块103包括：
第二所在区域信息判断子模块：用于判断第二所在区域信息与第三所在区域信息之间是否重叠；
隐患区域信息确定子模块：用于若第二所在区域信息与第三所在区域信息之间存在重叠，则再次确定基准子区域信息为智慧工厂的隐患区域信息。
可选的，上述隐患提醒指令生成模块104包括：
头部朝向信息确定子模块：用于根据生产环境图像信息和预设的人脸关键点定位算法，确定技术员的头部朝向信息；
视野覆盖区域信息确定子模块：用于根据第一所在区域信息、头部朝向信息和预设的视野尺寸信息，确定技术员的视野覆盖区域信息；
隐患区域信息判断子模块：用于判断隐患区域信息与视野覆盖区域信息之间是否完全重叠；
隐患提醒指令生成子模块：用于若隐患区域信息与视野覆盖区域信息之间不完全重叠，则生成隐患提醒指令。
可选的，该系统100还包括：
停运影响评估值发送模块：用于发送停运影响评估值至技术员的指定终端。
需要说明的是，上述模块之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
本申请实施例还提供了一种终端设备，如图11所示，该实施例的终端设备110包括：处理器111、存储器112以及存储在存储器112中并可在处理器111上运行的计算机程序113。处理器111执行计算机程序113时实现上述流量处理方法实施例中的步骤，例如图1所示的步骤S100至S500；或者，处理器111执行计算机程序113时实现上述装置中各模块的功能，例如图10所示模块101至105的功能。
该终端设备110可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备，该终端设备110包括但不仅限于处理器111、存储器112。本领域技术人员可以理解，图11仅仅是终端设备110的示例，并不构成对终端设备110的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备110还可以包括输入输出设备、网络接入设备、总线等。
其中，处理器111可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，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)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等；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。
存储器112可以是终端设备110的内部存储单元，例如终端设备110的硬盘或内存，存储器112也可以是终端设备110的外部存储设备，例如终端设备110上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital，SD)卡，闪存卡(FlashCard)等；进一步地，存储器112还可以既包括终端设备110的内部存储单元也包括外部存储设备，存储器112还可以存储计算机程序113以及终端设备110所需的其它程序和数据，存储器112还可以用于暂时地存储已经输出或者将要输出的数据。
本申请的一个实施例还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，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，计算机程序包括计算机程序代码，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；计算机可读介质可以包括：能够携带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(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的方法、原理、结构所做的等效变化，均应涵盖于本申请的保护范围之内。
Claims (8)
1.一种应用于智慧工厂的生产环境监测方法，应用于智慧工厂，其特征在于，所述方法包括：
基于预设的拍摄设备，获取所述智慧工厂的生产环境图像信息；
根据所述生产环境图像信息，确定技术员的第一所在区域信息、访客的第二所在区域信息和悬挂货物的第三所在区域信息；
根据所述第二所在区域信息和所述第三所在区域信息，确定所述智慧工厂的隐患区域信息；
根据所述第一所在区域信息和所述隐患区域信息，生成隐患提醒指令，其中，所述隐患提醒指令用于提醒所述技术员关注身处安全隐患中的所述访客；
发送所述隐患提醒指令至所述技术员的指定终端；
其中，在所述根据所述第一所在区域信息和所述隐患区域信息，生成隐患提醒指令之后，所述方法还包括：
基于预设的激光测速仪，获取访客群体速度信息；
基于预设的图形面积计算公式，确定所述隐患区域信息的第一区域面积信息和所述第二所在区域信息的第二区域面积信息；
根据所述第一区域面积信息和第二区域面积信息，确定隐患区域占比信息，其中，所述隐患区域占比信息用于描述所述第一区域面积信息除以第二区域面积信息的商；
获取所述第二所在区域信息对应的访客数量信息；
根据所述访客数量信息和所述第二区域面积信息，确定访客密度信息，其中，所述访客密度信息用于描述所述访客数量信息除以所述第二区域面积信息的商；
根据所述访客群体速度信息、所述第一区域面积信息、所述第二区域面积信息、所述隐患区域占比信息、所述访客密度信息和预设的停运影响评估值计算函数，生成停运影响评估值；
其中，所述停运影响评估值计算函数为：
式中，InvolveOutage为所述停运影响评估值；ξInvolce为预设的停运影响因子，所述停运影响因子的取值范围为2.8至3.4；SpeedGroup为所述访客群体速度信息；RatioHidden为所述隐患区域占比信息；DenstityHidden为所述访客密度信息；max()为取最大值函数；ΔExtentArea为所述第二区域面积信息减去所述第一区域面积信息的值。
2.根据权利要求1所述的方法，其特征在于，所述拍摄设备在所述智慧工厂中的位置始终不变；在所述根据所述生产环境图像信息，确定技术员的第一所在区域信息、访客的第二所在区域信息和悬挂货物的第三所在区域信息之前，所述方法还包括：
获取所述智慧工厂的仿真空间模型信息；
根据所述仿真空间模型信息，确定基准面信息；
对所述基准面信息进行网格化划分处理，生成多个尺寸大小相同的基准子区域信息；
相应地，所述根据所述生产环境图像信息，确定技术员的第一所在区域信息、访客的第二所在区域信息和悬挂货物的第三所在区域信息，包括：
对所述生产环境图像信息进行二值化处理，生成二值环境图像信息；
根据所述二值环境图像信息和预设的轮廓提取算法，确定全局轮廓信息；
根据所述全局轮廓信息和预设的目标分类模型，确定标定对象轮廓信息、人员轮廓信息和悬挂货物轮廓信息；
获取所述人员轮廓信息的第一总面积信息、所述人员轮廓信息的第一间距信息、所述悬挂货物轮廓信息的第二总面积信息和所述悬挂货物轮廓信息的第二间距信息，其中，所述第一间距信息用于描述所述人员轮廓信息与所述标定对象轮廓信息之间的最短距离，所述第二间距信息用于描述所述悬挂货物轮廓信息与所述标定对象轮廓信息之间的最短距离；
获取预设的区域面积-预估位置关系信息和预估映射位置集信息，其中，所述区域面积-预估位置关系信息用于描述所述生产环境图像信息中各种总面积的区域在所述仿真空间模型信息中对应的预估位置，所述预估映射位置集信息用于描述各个所述预估位置垂直映射至所述基准面信息上的位置；
根据所述区域面积-预估位置关系信息、所述第一总面积信息和所述第一间距信息，确定所述人员轮廓信息的第一预估位置信息，并根据所述区域面积-预估位置关系信息、所述第二总面积信息和所述第二间距信息，确定所述悬挂货物轮廓信息的第二预估位置信息，其中，所述第一预估位置信息用于描述所述人员轮廓信息在所述仿真空间模型信息中的预估位置，所述第二预估位置信息用于描述所述悬挂货物轮廓信息在所述仿真空间模型信息中的预估位置；
基于所述预估映射位置集信息和所述第一预估位置信息，确定所述第一预估位置信息对应的第一预估映射位置信息，并基于所述预估映射位置集信息和所述第二预估位置信息，确定所述第二预估位置信息对应的第二预估映射位置信息；
判断所述基准子区域信息是否与所述第一预估映射位置信息存在重叠；
若所述基准子区域信息与所述第一预估映射位置信息存在重叠，则根据所述生产环境图像信息和预设的人脸识别算法，确定所述人员轮廓信息对应的对象身份信息，其中，所述对象身份信息为技术员身份信息或访客身份信息；
若所述对象身份信息为所述技术员身份信息，则确定所述基准子区域信息为所述第一所在区域信息；
若所述对象身份信息为所述访客身份信息，则确定所述基准子区域信息为所述第二所在区域信息；
判断所述基准子区域信息是否与所述第二预估映射位置信息存在重叠；
若所述基准子区域信息与所述第二预估映射位置信息存在重叠，则确定所述基准子区域信息为所述第三所在区域信息。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第二所在区域信息和所述第三所在区域信息，确定所述智慧工厂的隐患区域信息，包括：
判断所述第二所在区域信息与所述第三所在区域信息之间是否重叠；
若所述第二所在区域信息与所述第三所在区域信息之间存在重叠，则再次确定所述基准子区域信息为所述智慧工厂的所述隐患区域信息。
4.根据权利要求1所述的方法，其特征在于，所述根据所述第一所在区域信息和所述隐患区域信息，生成隐患提醒指令，包括：
根据所述生产环境图像信息和预设的人脸关键点定位算法，确定所述技术员的头部朝向信息；
根据所述第一所在区域信息、所述头部朝向信息和预设的视野尺寸信息，确定所述技术员的视野覆盖区域信息；
判断所述隐患区域信息与所述视野覆盖区域信息之间是否完全重叠；
若所述隐患区域信息与所述视野覆盖区域信息之间不完全重叠，则生成隐患提醒指令。
5.根据权利要求1所述的方法，其特征在于，在所述根据所述访客群体速度信息、所述第一区域面积信息、所述第二区域面积信息、所述隐患区域占比信息、所述访客密度信息和预设的停运影响评估值计算函数，生成停运影响评估值之后，所述方法还包括：
发送所述停运影响评估值至所述技术员的所述指定终端。
6.一种应用于智慧工厂的生产环境监测系统，应用于智慧工厂，其特征在于，所述系统包括：
生产环境图像信息获取模块：用于基于预设的拍摄设备，获取所述智慧工厂的生产环境图像信息；
所在区域信息确定模块：用于根据所述生产环境图像信息，确定技术员的第一所在区域信息、访客的第二所在区域信息和悬挂货物的第三所在区域信息；
隐患区域信息确定模块：用于根据所述第二所在区域信息和所述第三所在区域信息，确定所述智慧工厂的隐患区域信息；
隐患提醒指令生成模块：用于根据所述第一所在区域信息和所述隐患区域信息，生成隐患提醒指令，其中，所述隐患提醒指令用于提醒所述技术员关注身处安全隐患中的所述访客；
隐患提醒指令发送模块：用于发送所述隐患提醒指令至所述技术员的指定终端；
其中，所述系统还包括：
访客群体速度信息获取模块：用于基于预设的激光测速仪，获取访客群体速度信息；
区域面积信息确定模块：用于基于预设的图形面积计算公式，确定所述隐患区域信息的第一区域面积信息和所述第二所在区域信息的第二区域面积信息；
隐患区域占比信息确定模块：用于根据所述第一区域面积信息和第二区域面积信息，确定隐患区域占比信息，其中，所述隐患区域占比信息用于描述所述第一区域面积信息除以第二区域面积信息的商；
访客数量信息获取模块：用于获取所述第二所在区域信息对应的访客数量信息；
访客密度信息确定模块：用于根据所述访客数量信息和所述第二区域面积信息，确定访客密度信息，其中，所述访客密度信息用于描述所述访客数量信息除以所述第二区域面积信息的商；
停运影响评估值生成模块：用于根据所述访客群体速度信息、所述第一区域面积信息、所述第二区域面积信息、所述隐患区域占比信息、所述访客密度信息和预设的停运影响评估值计算函数，生成停运影响评估值；
其中，所述停运影响评估值计算函数为：
式中，InvolveOutage为所述停运影响评估值；ξInvolce为预设的停运影响因子，所述停运影响因子的取值范围为2.8至3.4；SpeedGroup为所述访客群体速度信息；RatioHidden为所述隐患区域占比信息；DenstityHidden为所述访客密度信息；max()为取最大值函数；ΔExtentArea为所述第二区域面积信息减去所述第一区域面积信息的值。
7.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
8.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311806983.3A CN117710894A (zh) | 2023-12-26 | 2023-12-26 | 一种应用于智慧工厂的生产环境监测方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311806983.3A CN117710894A (zh) | 2023-12-26 | 2023-12-26 | 一种应用于智慧工厂的生产环境监测方法及其系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117710894A true CN117710894A (zh) | 2024-03-15 |
Family
ID=90156850
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311806983.3A Pending CN117710894A (zh) | 2023-12-26 | 2023-12-26 | 一种应用于智慧工厂的生产环境监测方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117710894A (zh) |
-
2023
- 2023-12-26 CN CN202311806983.3A patent/CN117710894A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107833209B (zh) | 一种x光图像检测方法、装置、电子设备及存储介质 | |
| WO2022042365A1 (zh) | 一种基于图神经网络识别证件的方法及系统 | |
| CN108229353B (zh) | 人体图像的分类方法和装置、电子设备、存储介质、程序 | |
| CN110807429A (zh) | 基于tiny-YOLOv3的施工安全检测方法及系统 | |
| CN108875534B (zh) | 人脸识别的方法、装置、系统及计算机存储介质 | |
| CN108229305B (zh) | 用于确定目标对象的外接框的方法、装置和电子设备 | |
| CN108875531B (zh) | 人脸检测方法、装置、系统及计算机存储介质 | |
| CN113592886B (zh) | 建筑图纸的审图方法、装置、电子设备及介质 | |
| CN110216661B (zh) | 跌落区域识别的方法及装置 | |
| JP2021504848A (ja) | 画像処理システム及び画像処理方法 | |
| CN108628442B (zh) | 一种信息提示方法、装置以及电子设备 | |
| US11036967B2 (en) | Method and device for face selection, recognition and comparison | |
| CN111814910A (zh) | 异常检测方法、装置、电子设备及存储介质 | |
| CN116168041B (zh) | 一种应用于贴合装置的实时检测方法及其系统 | |
| WO2018103024A1 (zh) | 智能导盲方法和装置 | |
| CN114708291A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| US20220051055A1 (en) | Training data generation method and training data generation device | |
| CN110390226B (zh) | 人群事件识别方法、装置、电子设备及系统 | |
| CN114882213A (zh) | 一种基于图片识别的动物体重预测估算系统 | |
| CN111813882B (zh) | 一种机器人地图构建方法、设备及存储介质 | |
| CN117710894A (zh) | 一种应用于智慧工厂的生产环境监测方法及其系统 | |
| CN114638947A (zh) | 数据标注方法、装置、电子设备及存储介质 | |
| CN109859254B (zh) | 自动驾驶中用于发送信息的方法和装置 | |
| CN113608207A (zh) | 一种高炉料面形状测量方法、终端设备及存储介质 | |
| CN111765892A (zh) | 一种定位方法、装置、电子设备及计算机可读存储介质 |
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 |