System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种面向加油站场景的巡检记录系统技术方案_技高网
当前位置: 首页 > 专利查询>集美大学专利>正文

一种面向加油站场景的巡检记录系统技术方案

技术编号:39954202 阅读:9 留言:0更新日期:2024-01-08 23:32
本发明专利技术公开了一种面向加油站场景的巡检记录系统,包括:检测模块,用于构建检测模型,并利用标记了巡检动作的视频素材对所述检测模型进行训练,基于训练后的检测模块,获得待判别图片;判别模块,用于构建判别模型,并利用所述待判别图片的人工判别结果对所述判别模型进行训练,然后基于训练后的判别模型,对实时生成的待判别图片进行二次判别,获得巡检图片;去重模块,用于获取所述巡检图片中的巡检目标,并与历史巡检目标进行对比,将超出预设IOU值的巡检图片去重,不生成巡检记录;展示模块,用于统计去重后的巡检结果,生成巡检记录并进行展示。本发明专利技术的判别条件中包括巡检动作和设备打开状态,可以提高巡检动作识别的准确性。

【技术实现步骤摘要】

本专利技术属于智能巡检,特别是涉及一种面向加油站场景的巡检记录系统


技术介绍

1、加油机和人孔井是加油站的重要仪器设备,定期(通常每天1-2次)对这些设备进行巡检,记录其仪器运转情况,确保处于良好的运行指标,是加油机工作人员的重要任务。现有技术通常利用设备中的二维码扫码定位仪器进行巡检,这种巡检方式有以下几个缺陷:

2、工作人员通过扫码的方式,安全性较差,而且加油站规定不能使用手机等设备,扫码会消耗大量时间,不利于生产效率的提升。

3、扫码巡检不利于确定工作人员巡检现场情况。扫码的方式仅确定了巡检的人员、设备、时间等客观信息,无法对详细信息进行追溯,难以对潜在的不正规巡检进行回放和定位。

4、加油站场所仪器变动较大,人工巡检已经逐渐不能满足巡检需求。

5、因此,亟需与人工智能相结合实现自动化巡检。而面向加油站监控系统对加油机、人孔井这类仪器的巡检重视程度,如何利用既有摄像头,有效定位巡检频次、时间和具体情况,已成为行业间迫切需要的实际需求。


技术实现思路

1、本专利技术的目的是提供一种面向加油站场景的巡检记录系统,利用加油站现有的摄像头,结合人工智能算法,智能定位巡检信息,以解决上述现有技术存在的问题。

2、为实现上述目的,本专利技术提供了一种面向加油站场景的巡检记录系统,包括:

3、检测模块,用于构建检测模型,并利用标记了巡检动作的视频素材对所述检测模型进行训练,基于训练后的检测模块,获得待判别图片;>

4、判别模块,与所述检测模块连接,用于构建判别模型,并利用所述待判别图片的人工判别结果对所述判别模型进行训练,然后基于训练后的判别模型,对实时生成的待判别图片进行二次判别,获得巡检图片;

5、去重模块,与所述判别模块连接,用于获取所述巡检图片中的巡检目标,并与历史巡检目标进行对比,将超出预设iou值的巡检图片去重,不生成巡检记录;

6、展示模块,与所述去重模块连接,用于统计去重后的巡检结果,生成巡检记录并进行展示。

7、可选地,所述巡检记录系统还包括采集模块,所述采集模块包括:

8、数据获取单元,用于获取加油站的监控实时视频;

9、数据标记单元,用于预设加油站的巡检动作,基于所述巡检动作对所述监控实时视频进行标注,获得训练素材。

10、可选地,所述加油站包括加油机和人孔井,其中,加油机的巡检动作包括:加油动作、加油机巡检动作和加油机打开的盖子;人孔井的巡检动作包括:人孔井巡检动作和人孔井打开的盖子。

11、可选地,所述检测模块包括:

12、检测模型构建单元,用于基于深度学习网络模型构建加油站的检测模型;

13、检测模型训练单元,用于基于所述训练素材对所述检测模型进行训练,获得训练后的检测模型。

14、可选地,所述深度学习网络模型包括但不限于:yolo系列模型和fasterrcnn算法模型。

15、可选地,所述判别模块包括:

16、人工判别模块,用于对所述待判别照片进行人工判别,获得正类巡检照片和负类误报照片;

17、判别模型构建单元,用于基于二分类网络模型构建判别模型;

18、判别模型训练单元,用于基于所述正类巡检照片和负类误报照片对所述判别模型进行训练,获得训练后的判别模型。

19、可选地,所述二分类网络模型包括但不限于mobilenet系列网络模型。

20、可选地,所述去重模块包括:

21、判断单元,用于判断所述训练后的判别模型输出的判别结果,当判别结果为负类误报照片,不进入去重单元;当判别结果为正类巡检照片,进入去重单元;

22、去重单元,用于将所述正类巡检照片中识别的巡检坐标进行队列形式的存储,然后将实时获取的巡检坐标与队列中的历史巡检坐标进行比对,当iou值大于预设数值时,将对应的巡检坐标存入队列中,不存入巡检记录。

23、可选地,所述iou的计算公式如下所示:

24、

25、其中,area of intersection代表当前和历史巡检矩形框的交叉区域,area ofunion代表当前和历史巡检矩形框的合并区域。

26、可选地,所述展示模块包括:

27、巡检结果展示单元,用于展示基于所述检测模块、判别模块和去重模块获得的巡检结果;

28、巡检结果统计单元,用于对所述巡检结果进行统计,生成巡检记录并展示。

29、本专利技术的技术效果为:

30、现有技术中仅对巡检动作进行目标检测模型的判别,其判别条件单一,会形成误报情况,尤其在加油站等人员、设备复杂的情况下。而本专利技术中深度学习检测模型判别包括巡检动作和设备打开状态,在判别条件中加入了设备打开状态,可以有效帮助模型学习巡检动作,提高巡检动作识别的准确性。

31、本专利技术利用检测模块检测识别后,再次将获得的图片输入到判别模块中进行二次判别,能够有效减少误报。

32、本专利技术利用去重模块进行巡检行为去重,利用iou和队列的计算,计算时间较短,可以减少gpu的计算负担。

本文档来自技高网...

【技术保护点】

1.一种面向加油站场景的巡检记录系统,其特征在于,包括:

2.根据权利要求1所述的面向加油站场景的巡检记录系统,其特征在于,

3.根据权利要求2所述的面向加油站场景的巡检记录系统,其特征在于,

4.根据权利要求2所述的面向加油站场景的巡检记录系统,其特征在于,

5.根据权利要求4所述的面向加油站场景的巡检记录系统,其特征在于,

6.根据权利要求1所述的面向加油站场景的巡检记录系统,其特征在于,

7.根据权利要求6所述的面向加油站场景的巡检记录系统,其特征在于,

8.根据权利要求1所述的面向加油站场景的巡检记录系统,其特征在于,

9.根据权利要求8所述的面向加油站场景的巡检记录系统,其特征在于,

10.根据权利要求1所述的面向加油站场景的巡检记录系统,其特征在于,

【技术特征摘要】

1.一种面向加油站场景的巡检记录系统,其特征在于,包括:

2.根据权利要求1所述的面向加油站场景的巡检记录系统,其特征在于,

3.根据权利要求2所述的面向加油站场景的巡检记录系统,其特征在于,

4.根据权利要求2所述的面向加油站场景的巡检记录系统,其特征在于,

5.根据权利要求4所述的面向加油站场景的巡检记录系统,其特征在于,

...

【专利技术属性】
技术研发人员:黄楷茅剑庄佳强王德建
申请(专利权)人:集美大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1