一种设备安全检测方法、装置及计算机可读存储介质制造方法及图纸

本申请公开了一种设备安全检测方法、装置及计算机可读存储介质，所述方法包括：将预设的第一摄像范围内的安全设备确定为样本设备，通过智能杆对所述样本设备进行样本图像的采集，根据所述采集的样本图像进行文字识别的神经网络训练，获取神经网络训练模型；将预设的第二摄像范围内的安全设备确定为待检测的目标设备，通过智能杆获取所述目标设备的图像信息，并通过所述神经网络训练模型对所述获取的图像信息进行文字识别；根据所述目标设备的图像信息，判断所述目标设备是否存在安全隐患。如此，通过对设备信息进行文字识别，以判断当前设备是否处于安全状态，有助于减少人力资源的浪费，避免安全隐患的发生。避免安全隐患的发生。避免安全隐患的发生。

【技术实现步骤摘要】
一种设备安全检测方法、装置及计算机可读存储介质


[0001]本申请涉及公共设备应用
，特别是涉及一种设备安全检测方法、装置及计算机可读存储介质。

技术介绍

[0002]随着物联网、互联网、云计算等新一代信息技术的快速发展，多功能智能杆已成为建设智慧城市必不可少的产物，街道线下商铺消防安全监控已发展成为智能杆AI应用场景的一大部分内容。
[0003]而传统的线下商铺消防安全监控都是采用人工检测的方式。如：街道上的店铺消防如灭火器等设备信息都是街道管理人员定时定点对设备进行检查，对消防设备信息中有过期或长时间未使用则进行更换。此方法会消耗大量人力资源，同时工作人员进行检查时存在不可把控性。

技术实现思路

[0004]本申请的目的在于提供一种设备安全检测方法、装置及计算机可读存储介质，利用AI的OCR文字检测算法进行消防设备设施上的信息参数中保质期过期信息检测以及易燃物品标签信息检测，以判断当前设备是否处于安全状态，有助于减少人力资源的浪费，避免安全隐患的发生。
[0005]为达到上述目的：
[0006]第一方面，本申请实施例提供了一种设备安全检测方法，包括以下步骤：
[0007]将预设的第一摄像范围内的安全设备确定为样本设备，通过智能杆对所述样本设备进行样本图像的采集，根据所述采集的样本图像进行文字识别的神经网络训练，获取神经网络训练模型；
[0008]将预设的第二摄像范围内的安全设备确定为待检测的目标设备，通过智能杆获取所述目标设备的图像信息，并通过所述神经网络训练模型对所述获取的图像信息进行文字识别；
[0009]根据所述目标设备的图像信息，判断所述目标设备是否存在安全隐患。
[0010]可选的，所述通过智能杆对所述样本设备进行样本图像的采集包括以下操作中的至少一种：
[0011]通过使用随机值对样本图像中其他非设备部分进行遮挡，以对图像数据进行增强；
[0012]对同一样本设备在不同角度上获取图像信息，通过对同一设备的不同样本图像重叠，以进行图像数据的增强。
[0013]可选的，所述根据所述采集的样本图像进行文字识别的神经网络训练，包括：
[0014]将采集的样本图像进行存储，根据所述样本图像进行神经网络训练，以构建VGG16神经网络训练模型对图像进行文字识别；
[0015]通过CRNN循环神经网络对识别的文字进行时间信息的提取。
[0016]可选的，所述根据所述采集的样本图像进行文字识别的神经网络训练，还包括：
[0017]对采集到的样本图像进行文字识别；
[0018]对识别文字中的设备标识性词汇进行存储，并分别设置相对应的存放数量阈值，生成设备标识性词汇比对库。
[0019]可选的，所述判断所述目标设备是否存在安全隐患，包括：
[0020]通过所述获取的目标设备的图像信息，对目标设备的当前状态进行检测；
[0021]若检测到目标设备的当前状态出现预设的损毁情况时，则上报服务端进行警示；
[0022]若检测目标设备未出现预设的损毁情况时，对目标设备的存放数量进行检测。
[0023]可选的，所述对目标设备的当前状态进行检测包括：
[0024]若检测目标设备未出现预设的损毁情况，通过所述获取的目标设备的图像信息进行文字提取以获取目标设备的设备标识性词汇；
[0025]将所述设备标识性词汇与设备标识性词汇比对库进行比对，获取相对应的设备存放数量阈值；
[0026]通过所述图像信息对目标设备的存放数量进行检测，若目标设备的存放数量超过所述设备存放数量阈值，则上报服务端进行警示；
[0027]若目标设备的存放数量未超过所述设备存放数量阈值阈值，则对目标设备的质量问题进行判断。
[0028]可选的，所述对目标设备的质量问题进行判断包括：
[0029]若检测目标设备的存放数量未超过所述设备存放数量阈值阈值，对所述获取的目标设备的图像信息进行文字提取以获取目标设备的时间信息，根据所述时间信息判断目标设备是否超出质保期限；
[0030]若判断目标设备已超出质保期限，则上报服务端进行警示；
[0031]若判断目标设备尚未超出质保期限，则确定目标设备当前状态正常。
[0032]第二方面，本申请实施例公开了一种设备安全检测装置，所述装置包括：
[0033]模型训练模块，用于将预设的第一摄像范围内的安全设备确定为样本设备，通过智能杆对所述样本设备进行样本图像的采集，根据所述采集的样本图像进行文字识别的神经网络训练，获取神经网络训练模型；
[0034]信息处理模块，用于将预设的第二摄像范围内的安全设备确定为待检测的目标设备，通过智能杆获取所述目标设备的图像信息，并通过所述神经网络训练模型对所述获取的图像信息进行文字识别；
[0035]判断模块，用于根据所述目标设备的图像信息，用于判断所述目标设备是否存在安全隐患。
[0036]第三方面，本申请实施例公开了一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行如第一方面所述的设备安全检测方法。
[0037]第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够实现如第一方面所述的设备安全检查方法。
[0038]本申请实施例提供的设备安全检测方法、装置及计算机可读存储介质，所述方法包括：将预设的第一摄像范围内的安全设备确定为样本设备，通过智能杆对所述样本设备进行样本图像的采集，根据所述采集的样本图像进行文字识别的神经网络训练，获取神经网络训练模型；将预设的第二摄像范围内的安全设备确定为待检测的目标设备，通过智能杆获取所述目标设备的图像信息，并通过所述神经网络训练模型对所述获取的图像信息进行文字识别；根据所述目标设备的图像信息，判断所述目标设备是否存在安全隐患。如此，利用AI的OCR文字检测算法进行消防设备设施上的信息参数中保质期过期信息检测以及易燃物品标签信息检测，以判断当前设备是否处于安全状态，有助于减少人力资源的浪费，避免了安全隐患的发生。
附图说明
[0039]图1为本专利技术一个较佳实施例提供的一种设备安全检测方法的流程示意图；
[0040]图2为本专利技术一个较佳实施例提供的一种设备安全检测方法的具体流程示意图；
[0041]图3为本专利技术一个较佳实施例提供的一种设备安全检测装置的结构示意图；
[0042]图4为本专利技术另一个较佳实施例提供的一种设备安全检测装置的结构示意图。
具体实施方式
[0043]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备安全检测方法，其特征在于，所述方法包括：将预设的第一摄像范围内的安全设备确定为样本设备，通过智能杆对所述样本设备进行样本图像的采集，根据所述采集的样本图像进行文字识别的神经网络训练，获取神经网络训练模型；将预设的第二摄像范围内的安全设备确定为待检测的目标设备，通过智能杆获取所述目标设备的图像信息，并通过所述神经网络训练模型对所述获取的图像信息进行文字识别；根据所述目标设备的图像信息，判断所述目标设备是否存在安全隐患。2.根据权利要求1所述的方法，其特征在于，所述通过智能杆对所述样本设备进行样本图像的采集包括以下操作中的至少一种：通过使用随机值对样本图像中其他非设备部分进行遮挡，以对图像数据进行增强；对同一样本设备在不同角度上获取图像信息，通过对同一设备的不同样本图像重叠，以进行图像数据的增强。3.根据权利要求1所述的方法，其特征在于，所述根据所述采集的样本图像进行文字识别的神经网络训练，包括：将采集的样本图像进行存储，根据所述样本图像进行神经网络训练，以构建VGG16神经网络训练模型对图像进行文字识别；通过CRNN循环神经网络对识别的文字进行时间信息的提取。4.根据权利要求1所述的方法，其特征在于，所述根据所述采集的样本图像进行文字识别的神经网络训练，还包括：对采集到的样本图像进行文字识别；对识别文字中的设备标识性词汇进行存储，并分别设置相对应的存放数量阈值，生成设备标识性词汇比对库。5.根据权利要求1所述的方法，其特征在于，所述判断所述目标设备是否存在安全隐患，包括：通过所述获取的目标设备的图像信息，对目标设备的当前状态进行检测；若检测到目标设备的当前状态出现预设的损毁情况时，则上报服务端进行警示；若检测目标设备未出现预设的损毁情况时，对目标设备的存放数量进行检测。6.根据权利要求1所述的方法，其特征在于，所述对目标设备的当前状态进行检测包括：若...

【专利技术属性】
技术研发人员：胡渝麟，傅东生，李立赛，朱军鸿，朱秀峰，陈淇威，
申请(专利权)人：深圳奇迹智慧网络有限公司，
类型：发明
国别省市：