基于深度学习图像语义分割的工厂管理方法和系统技术方案

本发明专利技术提供了一种基于深度学习图像语义分割的工厂管理方法和系统，应用于工厂管理系统，包括：基于深度学习的全卷积网络对图像进行语义分割，得到每个像素的类别，其中，图像为通过工厂管理系统获取到的工厂内部图像；基于每个像素的类别和外接凸包形状，对图像进行目标区域提取；对目标区域进行形状分析，得到分析结果，其中，分析结果包括以下任一项：符合规定，不符合规定；若分析结果为不符合规定，则发出预警信号。本发明专利技术缓解了现有技术中存在的对于形状变化较大的目标检测难度大、检测准确度不高的技术问题。

Factory management method and system based on deep learning image semantic segmentation

【技术实现步骤摘要】
基于深度学习图像语义分割的工厂管理方法和系统
本专利技术涉及工厂管理
，尤其是涉及一种基于深度学习图像语义分割的工厂管理方法和系统。
技术介绍
6S管理(即整理(SEIRI)、整顿(SEITON)、清扫(SEISO)、清洁(SEIKETSU)、素养(SHITSUKE)、安全(SECURITY)，简称6S管理)是现代工厂管理的一种很重要的方法，包括人、机、料、法、环等各个环节。现有技术中对工厂厂房内6S管理的各个维度信息进行实时在线分析的方法，主要有通过基于矩形框检测的方法，对行人、物料、进行检测。但污渍、物料这种无固定形状的目标很难通过固定形状的矩形框检测解决，通过统一的检测器很难解决。因此，现有技术中关于工厂6S在线管理中直接进行实例分割的分析方法存在着，对于形状变化较大的目标检测难度大、检测准确度不高的技术问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于深度学习图像语义分割的工厂管理方法和系统，以缓解了现有技术中存在的对于形状变化较大的目标检测难度大、检测准确度不高的技术问题。第一方面，本专利技术实施例提供了一种基于深度学习图像语义分割的工厂管理方法，应用于工厂管理系统，包括：基于深度学习的全卷积网络对图像进行语义分割，得到每个像素的类别，其中，所述图像为通过所述工厂管理系统获取到的工厂内部图像；基于所述每个像素的类别和外接凸包形状，对所述图像进行目标区域提取；对所述目标区域进行形状分析，得到分析结果，其中，所述分析结果包括以下任一项：符合规定，不符合规定；若所述分析结果为不符合规定，则发出预警信号。进一步地，所述目标区域包括以下任一项：污渍区域、通道区域、物料区域、工人区域；对所述污渍区域进行形状分析，得到分析结果，包括：对所述污渍区域进行形状分析，若所述污渍区域的面积大于预设面积，则得到不符合规定的分析结果。进一步地，对所述通道区域或所述物料区域进行形状分析，得到分析结果，包括：对所述通道区域或所述物料区域进行分析，若在通道区域或所述物料区域内的预设区域内发现有物料的摆放，则得到不符合规定的分析结果。进一步地，对所述工人区域进行形状分析，得到分析结果，包括：对所述工人区域内的工人进行提取，分析所述工人的头部状态，若判断出所述工人没有佩戴安全帽，则得到不符合规定的分析结果。第二方面，本专利技术实施例还提供了一种基于深度学习图像语义分割的工厂管理系统，包括：语义分割模块，区域提取模块，分析模块和预警模块，其中，所述语义分割模块，用于基于深度学习的全卷积网络对图像进行语义分割，得到每个像素的类别，其中，所述图像为通过所述工厂管理系统获取到的工厂内部图像；所述区域提取模块，用于基于所述每个像素的类别和外接凸包形状，对所述图像进行目标区域提取；所述分析模块，用于对所述目标区域进行形状分析，得到分析结果，其中，所述分析结果包括以下任一项：符合规定，不符合规定；所述预警模块，用于若所述分析结果为不符合规定，则发出预警信号。进一步地，所述目标区域包括以下任一项：污渍区域、通道区域、物料区域、工人区域；所述分析模块还包括第一分析单元，用于：对所述污渍区域进行形状分析，若所述污渍区域的面积大于预设面积，则得到不符合规定的分析结果。进一步地，所述分析模块还包括第二分析单元，用于：对所述通道区域或所述物料区域进行分析，若在通道区域或所述物料区域内的预设区域内发现有物料的摆放，则得到不符合规定的分析结果。进一步地，所述分析模块还包括第三分析单元，用于：对所述工人区域内的工人进行提取，分析所述工人的头部状态，若判断出所述工人没有佩戴安全帽，则得到不符合规定的分析结果。第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上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上述第一方面所述的方法的步骤。第四方面，本专利技术实施例还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述第一方面所述方法。本专利技术提供了一种基于深度学习图像语义分割的工厂管理方法和系统，应用于工厂管理系统，包括：基于深度学习的全卷积网络对图像进行语义分割，得到每个像素的类别；基于每个像素的类别和外接凸包形状，对图像进行目标区域提取；对目标区域进行形状分析，得到分析结果；若分析结果为不符合规定，则发出预警信号。本专利技术基于语义分割方法结合凸包的提取，对各类目标进行统一检测，改善检测模型对形态变化较大，以及流体效果不好的问题，从而缓解了现有技术中存在的对于形状变化较大的目标检测难度大、检测准确度不高的技术问题。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本专利技术的一些实施方式，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，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于深度学习图像语义分割的工厂管理方法的流程图；图2为本专利技术实施例提供的另一种基于深度学习图像语义分割的工厂管理方法的流程图；图3为本专利技术实施例提供的一种基于深度学习图像语义分割的工厂管理系统的示意图；图4为本专利技术实施例提供的另一种基于深度学习图像语义分割的工厂管理系统的示意图。具体实施方式下面将结合附图对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例一：现有技术中对工厂厂房内6S管理的各个维度信息进行实时在线分析的方法，主要有通过基于矩形框检测的方法，对行人、物料、进行检测。但污渍、物料这种无固定形状的目标很难通过固定形状的矩形框检测解决，通过统一的检测器很难解决。因此本专利技术提出一种基于深度学习图像语义分割的工厂管理方法来对各类目标进行语义像素级别的分类，再通过凸包提取的方式，提取出各个相关区域，来解决各类感兴趣目标的检测问题。图1是根据本专利技术实施例提供的一种基于深度学习图像语义分割的工厂管理方法的流程图，应用于工厂管理系统。如图1所示，该方法具体包括如下步骤：步骤S102，基于深度学习的全卷积网络对图像进行语义分割，得到每个像素的类别，其中，图像为通过工厂管理系统获取到的工厂内部图像，类别包括以下任一项：工人、物料、地面、污渍。具体地，首先通过工厂内的监控装置获取到工厂内部的实时监控图像，再基于深度学习的全卷积网络对该图像进行语义分割操作，得到每个像素的类别。可选地，可以利用FCN(FullyConvolutionalNetworks，全卷积网络)，或者deeplab算法对图像进行语义分割操作。步骤S104，基于每个像素的类别和外接凸包形状，对图像进行目标区域提取，其中，目标区域包括以下任一本文档来自技高网...

【技术保护点】
1.一种基于深度学习图像语义分割的工厂管理方法，其特征在于，应用于工厂管理系统，包括：/n基于深度学习的全卷积网络对图像进行语义分割，得到每个像素的类别，其中，所述图像为通过所述工厂管理系统获取到的工厂内部图像；/n基于所述每个像素的类别和外接凸包形状，对所述图像进行目标区域提取；/n对所述目标区域进行形状分析，得到分析结果，其中，所述分析结果包括以下任一项：符合规定，不符合规定；/n若所述分析结果为不符合规定，则发出预警信号。/n

【技术特征摘要】
1.一种基于深度学习图像语义分割的工厂管理方法，其特征在于，应用于工厂管理系统，包括：
基于深度学习的全卷积网络对图像进行语义分割，得到每个像素的类别，其中，所述图像为通过所述工厂管理系统获取到的工厂内部图像；
基于所述每个像素的类别和外接凸包形状，对所述图像进行目标区域提取；
对所述目标区域进行形状分析，得到分析结果，其中，所述分析结果包括以下任一项：符合规定，不符合规定；
若所述分析结果为不符合规定，则发出预警信号。


2.根据权利要求1所述的方法，其特征在于，所述目标区域包括以下任一项：污渍区域、通道区域、物料区域、工人区域；对所述污渍区域进行形状分析，得到分析结果，包括：
对所述污渍区域进行形状分析，若所述污渍区域的面积大于预设面积，则得到不符合规定的分析结果。


3.根据权利要求2所述的方法，其特征在于，对所述通道区域或所述物料区域进行形状分析，得到分析结果，包括：
对所述通道区域或所述物料区域进行分析，若在通道区域或所述物料区域内的预设区域内发现有物料的摆放，则得到不符合规定的分析结果。


4.根据权利要求2所述的方法，其特征在于，对所述工人区域进行形状分析，得到分析结果，包括：
对所述工人区域内的工人进行提取，分析所述工人的头部状态，若判断出所述工人没有佩戴安全帽，则得到不符合规定的分析结果。


5.一种基于深度学习图像语义分割的工厂管理系统，其特征在于，包括：语义分割模块，区域提取模块，分析模块和预警模块，其中，
所述语义分割模块，用于基于深度学习的全卷积网络对图像进行语义分割，得到每个像...

【专利技术属性】
技术研发人员：沈飞，
申请(专利权)人：三一重工股份有限公司，
类型：发明
国别省市：北京;11