KR20210050711A - Apparatus and method for safety condition prediction of industrial site based on image - Google Patents
Apparatus and method for safety condition prediction of industrial site based on image Download PDFInfo
- Publication number
- KR20210050711A KR20210050711A KR1020190135090A KR20190135090A KR20210050711A KR 20210050711 A KR20210050711 A KR 20210050711A KR 1020190135090 A KR1020190135090 A KR 1020190135090A KR 20190135090 A KR20190135090 A KR 20190135090A KR 20210050711 A KR20210050711 A KR 20210050711A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- safety
- industrial site
- safety state
- unit
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
- G08B21/0205—Specific application combined with child monitoring using a transmitter-receiver system
- G08B21/0208—Combination with audio or video communication, e.g. combination with "baby phone" function
-
- G06K9/00697—
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
- G06V20/38—Outdoor scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Child & Adolescent Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Emergency Management (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
Description
본 발명은 영상 기반 산업 현장 안전 상태 예측 장치 및 방법에 관한 것으로, 특히 산업 현장을 촬영한 영상만으로 산업 현장의 안전 상태를 예측 및 진단할 수 있도록 하는 영상 기반 산업 현장 안전 상태 예측 장치 및 방법에 관한 것이다. The present invention relates to an image-based industrial site safety state prediction apparatus and method, and in particular, to an image-based industrial site safety state prediction apparatus and method for predicting and diagnosing the safety state of an industrial site only with images taken of the industrial site will be.
산업기술의 발전에 따라 산업현장(예: 토목 또는 건설현장)이 대형화되고 복잡해지면서, 현장 작업자는 단순 노동의 수준에서 벗어나, 산업현장에 투입되는 전자장비와 건설 장비를 다룰 줄 알아야 하고 중앙센터나 다른 작업자들과의 협력작업을 위해서 작업자들 간의 원활한 통신이 가능해야 한다. As industrial sites (e.g. civil works or construction sites) become larger and more complex with the development of industrial technology, field workers need to know how to handle electronic equipment and construction equipment that are put into industrial sites, moving away from the level of simple labor. For cooperative work with other workers, smooth communication between workers must be possible.
또한 산업현장의 안전을 위해서도 중요장소마다 현장 상황을 파악하고 대처할 수 있도록, 각종 안전 관리 장비(예를 들어, 가스 검출기, 화재 경보기, 응급처리설비)의 설치가 권장 및 강화되고 있다.In addition, for the safety of industrial sites, installation of various safety management equipment (for example, gas detectors, fire alarms, emergency treatment facilities) is being recommended and strengthened to understand and cope with the site situation at each important place.
이에 산업 현장에 다수의 센서를 분산 설치하고, 이들을 통해 산업현장의 안전 상태를 실시간 판단하는 기술이 개발 및 적용되고 있다. Accordingly, a technology for distributing and installing a number of sensors in industrial sites and determining the safety state of the industrial site in real time through them is being developed and applied.
다만, 센서는 협소 지역의 상태만을 감지 및 통보할 수 있는 물리적 특징을 가지므로, 센서를 통해 산업현장 전반의 안전 상태 모두를 관제하는 경우 그 구현 및 유지 비용이 상대적으로 큰 문제가 있다. However, since the sensor has a physical characteristic capable of detecting and notifying only the state of a narrow area, there is a relatively large problem in implementation and maintenance cost when controlling all safety states of the entire industrial site through the sensor.
이에 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명은 산업 현장을 촬영한 영상만으로 산업 현장의 안전 상태를 예측 및 진단할 수 있도록 하는 새로운 방식의 영상 기반 산업 현장 안전 상태 예측 장치 및 방법을 제공하고자 한다. In order to solve the above problems, the present invention is to provide a new method of predicting and diagnosing the safety state of an industrial site based on an image of an industrial site, and an apparatus and method for predicting the safety state of an industrial site. do.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The object of the present invention is not limited to the above-mentioned object, and other objects not mentioned will be clearly understood by those of ordinary skill in the art from the following description.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 일 실시 형태에 따르면 안전 상태와 영상 특징간 상관관계가 정의된 학습 데이터를 생성 및 이용하여 안전 상태 예측 모델을 반복 학습시키는 인공지능 학습부; 산업 현장에 배치된 적어도 하나의 카메라를 통해 카메라 영상을 획득 및 제공하는 영상 촬영부; 및 상기 안전 상태 예측 모델을 통해 상기 영상 촬영부를 통해 획득된 카메라 영상에 대응되는 안전 상태를 예측 및 진단하는 안전 상태 예측부를 포함하는 영상 기반 산업 현장 안전 상태 예측 장치를 제공한다. As a means for solving the above problem, according to an embodiment of the present invention, an artificial intelligence learning unit that repeatedly learns a safety state prediction model by generating and using training data in which a correlation between a safety state and an image feature is defined; An image photographing unit that acquires and provides a camera image through at least one camera disposed on an industrial site; And a safety condition predictor for predicting and diagnosing a safety condition corresponding to a camera image acquired through the image photographing unit through the safety condition prediction model.
상기 장치는 산업 현장에 분산 배치된 다수의 센서를 통해 현장 상황을 센싱하여, 센싱 정보를 생성 및 출력하는 상황 센싱부; 및 상기 센싱 정보에 기반하여 산업 현장의 현재 안전 상태를 판정하는 상황 분석부를 더 포함하고, 상기 인공지능 학습부는 상기 상황 분석부의 안전 상태에 따라 상기 영상 촬영부를 통해 획득된 카메라 영상을 분류 및 수집하여, 상기 학습 데이터를 생성하는 것을 특징으로 한다. The device includes: a situation sensing unit that senses a site situation through a plurality of sensors distributed in an industrial site, and generates and outputs sensing information; And a situation analysis unit that determines a current safety state of the industrial site based on the sensing information, wherein the artificial intelligence learning unit classifies and collects camera images acquired through the image capture unit according to the safety state of the situation analysis unit. And generating the learning data.
상기 안전 상태 예측 모델은 인공 지능망으로 구현되는 것을 특징으로 한다. The safety state prediction model is characterized in that it is implemented by an artificial intelligence network.
상기 학습 데이터는 카메라 영상을 입력 조건으로 가지고 안전 상태를 출력 조건으로 가지는 것을 특징으로 한다. The learning data is characterized by having a camera image as an input condition and a safety state as an output condition.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 다른 실시 형태에 따르면 안전 상태와 영상 특징간 상관관계가 정의된 학습 데이터를 생성 및 이용하여 안전 상태 예측 모델을 반복 학습시키는 단계; 및 산업 현장에 배치된 적어도 하나의 카메라를 통해 카메라 영상을 획득한 후, 상기 안전 상태 예측 모델을 통해 상기 카메라 영상에 대응되는 안전 상태를 예측 및 진단하는 단계를 포함하는 영상 기반 산업 현장 안전 상태 예측 방법을 제공한다. As a means for solving the above problem, according to another embodiment of the present invention, generating and using training data in which a correlation between a safety state and an image feature is defined, and repeatedly learning a safety state prediction model; And predicting and diagnosing a safety state corresponding to the camera image through the safety state prediction model after acquiring a camera image through at least one camera disposed in the industrial site. Provides a way.
상기 방법은 상기 산업 현장에 분산 배치된 다수의 센서와 카메라를 통해 현장 상황을 센싱함과 동시에 촬영하는 단계; 상기 현장 상황의 센싱 결과에 기반하여 안전 상태를 판정하는 단계; 및 상기 안전 상태에 따라 카메라 영상을 분류 및 수집하여, 다수의 학습 데이터를 생성하는 단계를 더 포함하는 것을 특징으로 한다. The method includes the steps of sensing and simultaneously photographing a site situation through a plurality of sensors and cameras distributed in the industrial site; Determining a safety state based on the sensing result of the field situation; And generating a plurality of learning data by classifying and collecting camera images according to the safety state.
본 발명은 산업 현장을 촬영한 영상만으로 산업 현장의 안전 상태를 예측 및 진단할 수 있도록 함으로써, 시스템 구현 및 유지 비용이 감소될 수 있도록 한다. 또한 인공지능망 기반으로 안전 상태를 예측 및 진단할 수 있어, 그 신속성과 정확성이 향상될 수 있도록 한다. The present invention makes it possible to predict and diagnose the safety state of the industrial site only with images taken of the industrial site, thereby reducing the cost of implementing and maintaining the system. In addition, the safety status can be predicted and diagnosed based on an artificial intelligence network, so that its speed and accuracy can be improved.
도 1은 본 발명의 일 실시예에 따른 산업 현장 안전 상태 예측 장치를 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 산업 현장 안전 상태 학습 방법을 설명하기로 한다.
도 3은 본 발명의 일 실시예에 따른 산업 현장 안전 상태 예측 방법을 설명하기로 한다. 1 is a view for explaining an industrial site safety state prediction apparatus according to an embodiment of the present invention.
2 will be described a method of learning an industrial site safety state according to an embodiment of the present invention.
3 will be described a method for predicting an industrial site safety state according to an embodiment of the present invention.
이하의 내용은 단지 본 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 본 발명의 원리를 구현하고 본 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시예들은 원칙적으로, 본 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.The following content merely exemplifies the principles of the present invention. Therefore, although those skilled in the art can implement the principles of the present invention and invent various devices included in the concept and scope of the present invention, although not clearly described or illustrated herein. In addition, it is understood that all conditional terms and examples listed in this specification are, in principle, expressly intended only for the purpose of making the concept of the present invention understood, and are not limited to the embodiments and states specifically listed as such. It should be.
또한, 본 발명의 원리, 관점 및 실시예들 뿐만 아니라 특정 실시예를 열거하는 모든 상세한 설명은 이러한 사항의 구조적 및 기능적 균등물을 포함하도록 의도되는 것으로 이해되어야 한다. 또한 이러한 균등물들은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 소자를 포함하는 것으로 이해되어야 한다.In addition, it is to be understood that all detailed descriptions listing specific embodiments as well as principles, aspects and embodiments of the present invention are intended to include structural and functional equivalents of these matters. It should also be understood that these equivalents include not only currently known equivalents, but also equivalents to be developed in the future, that is, all devices invented to perform the same function regardless of the structure.
따라서, 예를 들어, 본 명세서의 블럭도는 본 발명의 원리를 구체화하는 예시적인 회로의 개념적인 관점을 나타내는 것으로 이해되어야 한다. 이와 유사하게, 모든 흐름도, 상태 변환도, 의사 코드 등은 컴퓨터가 판독 가능한 매체에 실질적으로 나타낼 수 있고 컴퓨터 또는 프로세서가 명백히 도시되었는지 여부를 불문하고 컴퓨터 또는 프로세서에 의해 수행되는 다양한 프로세스를 나타내는 것으로 이해되어야 한다.Thus, for example, the block diagrams herein are to be understood as representing a conceptual perspective of exemplary circuits embodying the principles of the invention. Similarly, all flow charts, state transition diagrams, pseudocodes, etc. are understood to represent various processes performed by a computer or processor, whether or not the computer or processor is clearly depicted and that may be substantially represented in a computer-readable medium. It should be.
프로세서 또는 이와 유사한 개념으로 표시된 기능 블럭을 포함하는 도면에 도시된 다양한 소자의 기능은 전용 하드웨어뿐만 아니라 적절한 소프트웨어와 관련하여 소프트웨어를 실행할 능력을 가진 하드웨어의 사용으로 제공될 수 있다. 프로세서에 의해 제공될 때, 상기 기능은 단일 전용 프로세서, 단일 공유 프로세서 또는 복수의 개별적 프로세서에 의해 제공될 수 있고, 이들 중 일부는 공유될 수 있다.The functions of the various elements shown in the drawings, including a processor or functional block represented by a similar concept, may be provided by the use of dedicated hardware as well as hardware having the ability to execute software in association with appropriate software. When provided by a processor, the function may be provided by a single dedicated processor, a single shared processor, or a plurality of individual processors, some of which may be shared.
또한 프로세서, 제어 또는 이와 유사한 개념으로 제시되는 용어의 명확한 사용은 소프트웨어를 실행할 능력을 가진 하드웨어를 배타적으로 인용하여 해석되어서는 아니되고, 제한 없이 디지털 신호 프로세서(DSP) 하드웨어, 소프트웨어를 저장하기 위한 롬(ROM), 램(RAM) 및 비 휘발성 메모리를 암시적으로 포함하는 것으로 이해되어야 한다. 주지관용의 다른 하드웨어도 포함될 수 있다.In addition, the explicit use of terms presented as processor, control, or similar concepts should not be interpreted exclusively by quoting hardware capable of executing software, and without limitation, digital signal processor (DSP) hardware, ROM for storing software. It should be understood to implicitly include (ROM), RAM, and non-volatile memory. Other commonly used hardware may also be included.
본 명세서의 청구범위에서, 상세한 설명에 기재된 기능을 수행하기 위한 수단으로 표현된 구성요소는 예를 들어 상기 기능을 수행하는 회로 소자의 조합 또는 펌웨어/마이크로 코드 등을 포함하는 모든 형식의 소프트웨어를 포함하는 기능을 수행하는 모든 방법을 포함하는 것으로 의도되었으며, 상기 기능을 수행하도록 상기 소프트웨어를 실행하기 위한 적절한 회로와 결합된다. 이러한 청구범위에 의해 정의되는 본 발명은 다양하게 열거된 수단에 의해 제공되는 기능들이 결합되고 청구항이 요구하는 방식과 결합되기 때문에 상기 기능을 제공할 수 있는 어떠한 수단도 본 명세서로부터 파악되는 것과 균등한 것으로 이해되어야 한다.In the claims of the present specification, components expressed as means for performing the functions described in the detailed description include all types of software including, for example, combinations of circuit elements or firmware/microcodes that perform the above functions. It is intended to include all methods of performing a function to perform the function, and is combined with suitable circuitry for executing the software to perform the function. Since the invention defined by these claims is combined with the functions provided by the various enumerated means and combined with the manner required by the claims, any means capable of providing the above functions are equivalent to those conceived from this specification. It should be understood as.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. The above-described objects, features, and advantages will become more apparent through the following detailed description in connection with the accompanying drawings, whereby those of ordinary skill in the technical field to which the present invention pertains can easily implement the technical idea of the present invention. There will be. In addition, in describing the present invention, when it is determined that a detailed description of a known technology related to the present invention may unnecessarily obscure the subject matter of the present invention, a detailed description thereof will be omitted.
도 1은 본 발명의 일 실시예에 따른 산업 현장 안전 상태 예측 장치를 설명하기 위한 도면이다. 1 is a view for explaining an industrial site safety state prediction apparatus according to an embodiment of the present invention.
도 1을 참고하면, 본 발명의 장치는 상황 센싱부(110), 상황 판정부(120), 영상 촬영부(130), 인공지능 학습부(140), 및 안전 상태 예측부(150) 등을 포함한다. Referring to FIG. 1, the apparatus of the present invention includes a
상황 센싱부(110)는 안전펜스 센서, 라이트 커텐 센서, 근접센서 등의 센서를 산업 현장에 분산 설치하고, 이들을 통해 각종 작업기기, 작업자 등의 현재 작업 상황을 실시간 센싱하도록 한다. The situation sensing
상황 분석부(120)는 기 설정된 상황 분석 기준에 따라 상황 센싱부(110)를 통해 획득된 다수의 센싱 정보 각각을 수집 및 통합 분석하여, 산업 현장의 현재 안전 상태를 판정하도록 한다. 산업 현장의 안전 상태는 예를 들어, 안전, 주의, 위험, 경고 등으로 세분화될 수 있으며, 차후 필요에 따라 등급 개수 및 종류는 다양하게 변화될 수 있다. The
영상 촬영부(130)는 산업 현장에 설치된 적어도 하나의 카메라를 구비하고, 이를 통해 각종 작업기기, 작업자 등의 현재 작업 상황을 실시간 촬영하도록 한다. The
인공지능 학습부(140)는 상황 판정부(120)와 영상 촬영부(130)의 출력을 동시 수신하며, 상황 판정부(120)의 안전 상태 판정 결과에 따라 영상 촬영부(130)를 카메라 영상을 분류 및 수집하도록 한다. 그리고 안전 상태 각각에 대응되는 영상 데이터베이스로부터 안전 상태와 영상 특징간 상관관계가 정의된 학습 데이터를 다수개 생성한 후, 이들을 통해 안전 상태 예측 모델을 반복 학습시키도록 한다. The artificial
즉, 안전 상태 예측 모델에 안전 상태 각각에 대응되는 영상 특징을 학습시켜, 차후 인공 지능 방식으로 입력 영상에 대응되는 산업 현장의 안전 상태를 예측할 수 있도록 한다. That is, by learning the image features corresponding to each safety state in the safety state prediction model, it is possible to predict the safety state of the industrial site corresponding to the input image in the future using an artificial intelligence method.
안전 상태 예측부(150)는 안전 상태 예측 모델의 학습이 완료되면, 영상 촬영부(130)를 통해 산업 현장을 촬영한 카메라 영상을 실시간 획득한 후, 안전 상태 예측 모델을 통해 카메라 영상에 대응되는 안전 상태를 예측하고, 예측 결과와 카메라 영상을 PLC 제어 장치(210)와 원격 모니터링 장치(220)와 같은 외부 장치에 실시간 제공하도록 한다. When the learning of the safety condition prediction model is completed, the safety
더하여, 본 발명의 안전 상태 예측부(150)는 안전 상태 예측 결과를 일정 시간 동안 추적 모니터링하여, 안전 상태 변화 패턴에 기반한 이상 징후 감지 동작을 추가적으로 수행할 수 있도록 한다. 즉, 이상 징후 각각에 대응되는 안전 상태 변화 패턴을 사전 정의함으로써, 현재 안전 상태의 일시적 판단 뿐 아니라 장기적 관점에서의 안전 상태 판단 동작까지 수행할 수 있도록 한다. In addition, the safety
즉, 본 발명은 주변 센서들의 정보를 통합 관리하여 상황 판단 정보로 활용하고, 이에 상응하는 카메라 영상을 수집 및 활용하여 차후 영상 기반으로 산업 현장의 안전 상태를 예측할 수 있도록 한다. That is, in the present invention, information of surrounding sensors is integrated and used as situation determination information, and a corresponding camera image is collected and utilized to predict the safety state of an industrial site based on an image in the future.
이하, 도 2 내지 도 3을 참고하여 산업 현장 안전 상태 예측 방법을 보다 상세히 설명하면 다음과 같다. Hereinafter, a method for predicting an industrial site safety state will be described in more detail with reference to FIGS. 2 to 3.
도 2는 본 발명의 일 실시예에 따른 산업 현장 안전 상태 학습 방법을 설명하기로 한다. 2 will be described a method of learning an industrial site safety state according to an embodiment of the present invention.
만약, 안전 상태 학습이 요청되면(S11), 산업 현장에 설치된 다수의 센서를 통해 산업 현장에 설치된 다수의 센서를 통해 작업기기, 작업자 등의 현재 작업 상황을 실시간 센싱 및 분석함으로써(S12), 산업 현장의 현재 안전 상태를 판단한다(S13). If the safety state learning is requested (S11), by real-time sensing and analyzing the current working conditions of work equipment and workers through a number of sensors installed in the industrial site through a number of sensors installed in the industrial site (S12), the industry The current safety state of the site is determined (S13).
그리고 이와 동시에 영상 촬영부(130)를 통해 동일 산업 현장을 촬영한 카메라 영상을 획득한다(S14).At the same time, a camera image photographing the same industrial site is obtained through the image photographing unit 130 (S14).
그리고 단계 S14를 통해 획득된 카메라 영상을 단계 S13을 통해 판단된 안전 상태에 따라 분류 및 수집한 후, 이로부터 카메라 영상의 영상 특징을 입력 조건으로 안전 상태를 출력 조건으로 가지는 학습 데이터 다수개를 생성한다(S15). And after classifying and collecting the camera image acquired through step S14 according to the safety state determined through step S13, a plurality of learning data having the safety state as an output condition as an input condition and the image characteristics of the camera image are generated from this. Do (S15).
그리고 다수개의 학습 데이터를 기반으로 안전 상태 예측 모델을 반복 학습시킴으로써, 안전 상태 예측 모델에 안전 상태와 영상 특징간 상관관계가 정의되도록 한다(S16). Then, by repeatedly learning the safety condition prediction model based on a plurality of learning data, the correlation between the safety condition and the image features is defined in the safety condition prediction model (S16).
참고로, 안전 상태 예측 모델은 순환신경망(RNN), 다층퍼셉트론 (MLP), 컨볼루션신경망(CNN), 방사기저함수(RBF) 등 인공지능망으로 구현될 수 있으며, 인공지능망내 노드간 가중치가 일정 값으로 수렴되는 경우, 학습 완료 상태라고 판단하도록 한다. For reference, the safety state prediction model can be implemented with artificial intelligence networks such as cyclic neural network (RNN), multilayer perceptron (MLP), convolutional neural network (CNN), and radiation basis function (RBF), and the weight between nodes in the artificial intelligence network is constant. If the value converges, it is determined that the learning is completed.
더하여, 상기의 설명에서는 상황 센싱부(110) 및 영상 촬영부(130)를 통해 실시간 획득되는 데이터를 이용하여 학습 데이터를 획득하도록 하나, 만약 안전 상태 각각에 대응되는 영상 데이터베이스가 기 구축되어 있다면, 이에 저장된 데이터를 이용하여 학습 데이터를 획득할 수 있음을 물론 당연하다. In addition, in the above description, learning data is acquired using data acquired in real time through the
도 3은 본 발명의 일 실시예에 따른 산업 현장 안전 상태 예측 방법을 설명하기로 한다. 3 will be described a method for predicting an industrial site safety state according to an embodiment of the present invention.
도 2을 통해 안전 상태 학습(즉, 안전 상태 예측 모델 학습)이 완료된 상태에서, 안전 상태 예측이 요청되면(S21), 영상 촬영부(130)를 통해 현재의 산업 현장을 촬영한 카메라 영상을 획득한다(S22).In a state in which safety state learning (i.e., safety state prediction model learning) is completed through FIG. 2, when a safety state prediction is requested (S21), a camera image photographing the current industrial site is acquired through the
그리고 카메라 영상을 안전 상태 예측 모델에 입력함으로써, 안전 상태 예측 모델을 통해 산업 현장의 현재 안전 상태를 예측 및 진단한 후, PLC 제어 장치(210)와 원격 모니터링 장치(220)에 통보하도록 한다(S23). Then, by inputting the camera image into the safety condition prediction model, the current safety condition of the industrial site is predicted and diagnosed through the safety condition prediction model, and then the
즉, 본 발명은 센싱 정보 없이, 산업 현장을 촬영한 카메라 영상만을 이용하여 산업 현장의 안전 상태를 예측 및 진단할 수 있다. That is, the present invention can predict and diagnose the safety state of the industrial site by using only the camera image photographing the industrial site without sensing information.
상술한 본 발명에 따른 방법은 컴퓨터에서 실행되기 위한 프로그램으로 제작되어 컴퓨터가 읽을 수 있는 기록 매체에 저장될 수 있으며, 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다.The method according to the present invention described above may be produced as a program for execution in a computer and stored in a computer-readable recording medium. Examples of computer-readable recording media include ROM, RAM, CD-ROM, and magnetic tape. , Floppy disks, optical data storage devices, and the like, and also include those implemented in the form of a carrier wave (for example, transmission through the Internet).
컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 방법을 구현하기 위한 기능적인(function) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.The computer-readable recording medium is distributed over a computer system connected through a network, so that computer-readable codes can be stored and executed in a distributed manner. In addition, functional programs, codes, and code segments for implementing the method can be easily inferred by programmers in the art to which the present invention pertains.
이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.In the above, preferred embodiments of the present invention have been illustrated and described, but the present invention is not limited to the specific embodiments described above, and the present invention is not departing from the gist of the present invention claimed in the claims. Of course, various modifications may be implemented by a person having the knowledge of, and these modifications should not be individually understood from the technical idea or perspective of the present invention.
Claims (6)
산업 현장에 배치된 적어도 하나의 카메라를 통해 카메라 영상을 획득 및 제공하는 영상 촬영부; 및
상기 안전 상태 예측 모델을 통해 상기 영상 촬영부를 통해 획득된 카메라 영상에 대응되는 안전 상태를 예측 및 진단하는 안전 상태 예측부를 포함하는 영상 기반 산업 현장 안전 상태 예측 장치. An artificial intelligence learning unit that repeatedly learns a safety state prediction model by generating and using training data in which a correlation between a safety state and an image feature is defined;
An image photographing unit that acquires and provides a camera image through at least one camera disposed on an industrial site; And
An image-based industrial site safety condition prediction apparatus including a safety condition prediction unit for predicting and diagnosing a safety condition corresponding to a camera image acquired through the image photographing unit through the safety condition prediction model.
산업 현장에 분산 배치된 다수의 센서를 통해 현장 상황을 센싱하여, 센싱 정보를 생성 및 출력하는 상황 센싱부; 및
상기 센싱 정보에 기반하여 산업 현장의 현재 안전 상태를 판정하는 상황 분석부를 더 포함하고,
상기 인공지능 학습부는
상기 상황 분석부의 안전 상태에 따라 상기 영상 촬영부를 통해 획득된 카메라 영상을 분류 및 수집하여, 상기 학습 데이터를 생성하는 것을 특징으로 하는 영상 기반 산업 현장 안전 상태 예측 장치. The method of claim 1,
A situation sensing unit for generating and outputting sensing information by sensing a site situation through a plurality of sensors distributed in an industrial site; And
Further comprising a situation analysis unit for determining a current safety state of the industrial site based on the sensing information,
The artificial intelligence learning unit
An image-based industrial site safety state prediction apparatus, characterized in that for generating the learning data by classifying and collecting camera images acquired through the image capture unit according to the safety state of the situation analysis unit.
인공 지능망으로 구현되는 것을 특징으로 하는 영상 기반 산업 현장 안전 상태 예측 장치.The method of claim 1, wherein the safe state prediction model
An image-based industrial site safety condition prediction device, characterized in that implemented by an artificial intelligence network.
카메라 영상을 입력 조건으로 가지고 안전 상태를 출력 조건으로 가지는 것을 특징으로 하는 영상 기반 산업 현장 안전 상태 예측 장치.The method of claim 1, wherein the training data is
An image-based industrial site safety condition prediction apparatus, characterized in that the camera image is taken as an input condition and the safety condition is used as an output condition.
산업 현장에 배치된 적어도 하나의 카메라를 통해 카메라 영상을 획득한 후, 상기 안전 상태 예측 모델을 통해 상기 카메라 영상에 대응되는 안전 상태를 예측 및 진단하는 단계를 포함하는 영상 기반 산업 현장 안전 상태 예측 방법. Generating and using training data in which a correlation between a safety state and an image feature is defined, repeatedly learning a safety state prediction model; And
An image-based industrial site safety state prediction method comprising the step of predicting and diagnosing a safety state corresponding to the camera image through the safety state prediction model after acquiring a camera image through at least one camera disposed in the industrial site .
상기 산업 현장에 분산 배치된 다수의 센서와 카메라를 통해 현장 상황을 센싱함과 동시에 촬영하는 단계;
상기 현장 상황의 센싱 결과에 기반하여 안전 상태를 판정하는 단계; 및
상기 안전 상태에 따라 카메라 영상을 분류 및 수집하여, 다수의 학습 데이터를 생성하는 단계를 더 포함하는 것을 특징으로 하는 영상 기반 산업 현장 안전 상태 예측 방법. The method of claim 5,
Sensing and simultaneously photographing a site situation through a plurality of sensors and cameras distributed in the industrial site;
Determining a safety state based on the sensing result of the field situation; And
And generating a plurality of learning data by classifying and collecting camera images according to the safety state.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190135090A KR20210050711A (en) | 2019-10-29 | 2019-10-29 | Apparatus and method for safety condition prediction of industrial site based on image |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190135090A KR20210050711A (en) | 2019-10-29 | 2019-10-29 | Apparatus and method for safety condition prediction of industrial site based on image |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210050711A true KR20210050711A (en) | 2021-05-10 |
Family
ID=75917203
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190135090A KR20210050711A (en) | 2019-10-29 | 2019-10-29 | Apparatus and method for safety condition prediction of industrial site based on image |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20210050711A (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102454671B1 (en) * | 2022-02-09 | 2022-10-18 | 에이아이에스앤피 주식회사 | SYSTEM AND METHOD FOR MANAGING SAFETY IN WORK SITE THROUGH IoT SENSOR DATA AND VIDEO DATA ANALYSIS BASED ON ARTIFICIAL INTELLIGENCE |
| KR20230121229A (en) | 2022-02-10 | 2023-08-18 | 주식회사 지에스아이티엠 | Occupational safety and health education system through artificial intelligence video control and method thereof |
| KR102639250B1 (en) * | 2023-08-04 | 2024-02-21 | (주)그리드텍 | Server, method and system for providing safety management monitoring services related to construction sites |
| KR20240076466A (en) | 2022-11-22 | 2024-05-30 | 한국전자통신연구원 | System and method for intelligent industrial safety monitoring |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110075754A (en) | 2009-12-29 | 2011-07-06 | 울산광역시 | Method for estimating industrial disaster using space analysis and system for thereof |
-
2019
- 2019-10-29 KR KR1020190135090A patent/KR20210050711A/en not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110075754A (en) | 2009-12-29 | 2011-07-06 | 울산광역시 | Method for estimating industrial disaster using space analysis and system for thereof |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102454671B1 (en) * | 2022-02-09 | 2022-10-18 | 에이아이에스앤피 주식회사 | SYSTEM AND METHOD FOR MANAGING SAFETY IN WORK SITE THROUGH IoT SENSOR DATA AND VIDEO DATA ANALYSIS BASED ON ARTIFICIAL INTELLIGENCE |
| KR20230121229A (en) | 2022-02-10 | 2023-08-18 | 주식회사 지에스아이티엠 | Occupational safety and health education system through artificial intelligence video control and method thereof |
| KR20240076466A (en) | 2022-11-22 | 2024-05-30 | 한국전자통신연구원 | System and method for intelligent industrial safety monitoring |
| KR102639250B1 (en) * | 2023-08-04 | 2024-02-21 | (주)그리드텍 | Server, method and system for providing safety management monitoring services related to construction sites |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20210050711A (en) | Apparatus and method for safety condition prediction of industrial site based on image | |
| US11626008B2 (en) | System and method providing early prediction and forecasting of false alarms by applying statistical inference models | |
| KR102373787B1 (en) | Big data based on potential failure mode analysis method using progonstics system of machine equipment | |
| CN116841262A (en) | Intelligent factory production on-line monitoring analysis system based on machine vision | |
| JP2021119469A (en) | Monitoring system | |
| KR102528445B1 (en) | Real-time crane remote maintenance management device, method and system | |
| EP2946219A1 (en) | System and method for fault management in lighting systems | |
| CN115640159A (en) | Micro-service fault diagnosis method and system | |
| KR20180116577A (en) | Method and apparatus for diagnosing building system | |
| WO2021127646A1 (en) | Device and method for monitoring a system | |
| WO2021064144A1 (en) | Method and system for continuous estimation and representation of risk | |
| KR20210050889A (en) | Method and system for updating cctv-control system | |
| EP3748450A1 (en) | Data driven machine learning for modeling aircraft sensors | |
| Kolomvatsos et al. | An efficient environmental monitoring system adopting data fusion, prediction, & fuzzy logic | |
| KR102502922B1 (en) | Method, device and system for alarming and monitoring of emergency situation | |
| CN116862740A (en) | Intelligent prison management and control system based on Internet | |
| RU2735296C1 (en) | Method for multi-parameter monitoring of complex electrotechnical objects state | |
| KR20220117566A (en) | Deep learning based control system through real-time water and sewage control | |
| KR20210149484A (en) | Vessel remote management system and method using vibration sensor and sound sensor | |
| KR20230064872A (en) | Industry safety system with thermal imaging camera | |
| CN117953642B (en) | BIM-based intelligent building monitoring method and system | |
| KR102597266B1 (en) | System amd method for predicting abnormal behavior, computer program | |
| RU2749252C1 (en) | Method of determining anomaly sources in a cyber-physical system | |
| KR20190062874A (en) | A machine learning based evaluating method of soundness for soil and structure and a device thereof | |
| WO2023015484A1 (en) | Method and apparatus for training a model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E601 | Decision to refuse application |