本发明专利技术提出了一种基于图像识别巡检机器人状态的方法及装置，所述方法包括：获取巡检机器人和周围环境的图像；对获取的图像进行处理，提取关键特征；根据关键特征对巡检机器人及周围环境进行识别和判断；根据识别和判断结果，生成并推送预告警信息。所述装置用于实现所述方法。本发明专利技术使得巡检机器人及周围环境可以被工作区域附近的摄像装置采集，当判断巡检机器人及周围环境有异常时，及时推送预告警信息，采用巡检机器人本身和周围环境的联合判断方式，可以准确地识别和判断巡检机器人的巡检状态，确保巡检流程正常运行。
【技术实现步骤摘要】
本专利技术涉及自动化，具体涉及一种基于图像识别巡检机器人状态的方法及装置。
技术介绍
1、随着自动化技术的发展，巡检机器人在电力、化工、石油等领域得到广泛应用，用于代替人工进行危险环境下的巡检工作。然而，巡检机器人有时会不按设定路线巡检或受到现场突发情况影响,导致机器人半路搁浅,无法完成正常巡检工作等。影响了巡检机器人的工作效率，导致生产环节中的潜在隐患无法及时被发现。
技术实现思路
1、针对现有技术的不足，本专利技术提出一种基于图像识别巡检机器人状态的方法，包括：
2、获取巡检机器人和周围环境的图像；
3、对获取的图像进行处理，提取关键特征；
4、根据关键特征对巡检机器人及周围环境进行识别和判断；
5、根据识别和判断结果，生成并推送预告警信息。
6、在其中一个实施例中，上述所述获取巡检机器人和周围环境的图像的步骤，包括：
7、在巡检机器人的工作区域布置监控摄像头；
8、当判断巡检机器人进入摄像头的监控区域时，控制对应摄像头获取巡检机器人和周围环境的图像。
9、在其中一个实施例中，上述所述获取巡检机器人和周围环境的图像的步骤之前，还包括：
10、将包含巡检机器人图像的规模化数据集输入深度学习模型；
11、控制深度学习模型对规模化数据集的图像进行预处理，所述预处理包括裁剪、缩放、旋转、去噪和二值化；
12、基于预处理后的规模化数据集对深度模型进行训练。</p>13、在其中一个实施例中，上述所述对获取的图像进行处理，提取关键特征的步骤，包括：
14、对获取的图像输入深度学习模型，得到各图像的特征向量；
15、基于反向传播算法和所述各图像的特征向量，提取关键特征，所述关键特征包括机器人姿态特征、机器人动作特征和风险环境特征。
16、在其中一个实施例中，上述所述根据关键特征对巡检机器人及周围环境进行识别和判断的步骤，包括：
17、根据机器人姿态特征，判断巡检机器人的姿态是否异常；
18、根据机器人动作特征，判断巡检机器人的工作状态是否异常；
19、根据风险环境特征，判断巡检机器人的工作环境是否异常。
20、在其中一个实施例中，上述所述根据识别和判断结果，生成并推送预告警信息的步骤，包括：
21、当识别和判断结果为异常时，生成预告警信息，所述预告警信息包括巡检机器人的当前检测工作区域、下一检测工作区域、以及机器人的预期行进路径和时间；
22、推送所述预告警信息至管理终端。
23、本专利技术还提供了一种基于图像识别巡检机器人状态的装置，包括：
24、获取模块，用于获取巡检机器人和周围环境的图像；
25、提取模块，用于对获取的图像进行处理，提取关键特征；
26、判断模块，用于根据关键特征对巡检机器人及周围环境进行识别和判断；
27、预警模块，根据识别和判断结果，生成并推送预告警信息。
28、在其中一个实施例中，还包括训练模块，用于：
29、将包含巡检机器人图像的规模化数据集输入深度学习模型；
30、控制深度学习模型对规模化数据集的图像进行预处理，所述预处理包括裁剪、缩放、旋转、去噪和二值化；
31、基于预处理后的规模化数据集对深度模型进行训练；
32、所述获取模块，具体用于：
33、在巡检机器人的工作区域布置监控摄像头；
34、当判断巡检机器人进入摄像头的监控区域时，控制对应摄像头获取巡检机器人和周围环境的图像；
35、提取模块，具体用于：
36、对获取的图像输入深度学习模型，得到各图像的特征向量；
37、基于反向传播算法和所述各图像的特征向量，提取关键特征，所述关键特征包括机器人姿态特征、机器人动作特征和风险环境特征；
38、判断模块，具体用于：
39、根据机器人姿态特征，判断巡检机器人的姿态是否异常；
40、根据机器人动作特征，判断巡检机器人的工作状态是否异常；
41、根据风险环境特征，判断巡检机器人的工作环境是否异常；
42、预警模块，具体用于：
43、当识别和判断结果为异常时，生成预告警信息，所述预告警信息包括巡检机器人的当前检测工作区域、下一检测工作区域、以及机器人的预期行进路径和时间；
44、推送所述预告警信息至管理终端。
45、本专利技术还提供了一种计算机设备，包括存储器、处理器以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所述的基于图像识别巡检机器人状态的方法。
46、本专利技术还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述的基于图像识别巡检机器人状态的方法。
47、本专利技术实施例通过获取巡检机器人和周围环境的图像；对获取的图像进行处理，提取关键特征；根据关键特征对巡检机器人及周围环境进行识别和判断；根据识别和判断结果，生成并推送预告警信息。使得巡检机器人及周围环境可以被工作区域附近的摄像装置采集，当判断巡检机器人及周围环境有异常时，及时推送预告警信息，采用巡检机器人本身和周围环境的联合判断方式，可以准确地识别和判断巡检机器人的巡检状态，确保巡检流程正常运行。
本文档来自技高网...
【技术保护点】
1.一种基于图像识别巡检机器人状态的方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述获取巡检机器人和周围环境的图像的步骤，包括：
3.如权利要求2所述的方法，其特征在于，所述获取巡检机器人和周围环境的图像的步骤之前，还包括：
4.如权利要求3所述的方法，其特征在于，所述对获取的图像进行处理，提取关键特征的步骤，包括：
5.如权利要求4所述的方法，其特征在于，所述根据关键特征对巡检机器人及周围环境进行识别和判断的步骤，包括：
6.如权利要求5所述的方法，其特征在于，所述根据识别和判断结果，生成并推送预告警信息的步骤，包括：
7.一种基于图像识别巡检机器人状态的装置，其特征在于，包括：
8.如权利要求7所述的装置，其特征在于，还包括训练模块，用于：
9.一种计算机设备，包括存储器、处理器以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，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6任意一项所述的基于图像识别巡检机器人状态的方法。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6任意一项所述的基于图像识别巡检机器人状态的方法。
...
【技术特征摘要】
1.一种基于图像识别巡检机器人状态的方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述获取巡检机器人和周围环境的图像的步骤，包括：
3.如权利要求2所述的方法，其特征在于，所述获取巡检机器人和周围环境的图像的步骤之前，还包括：
4.如权利要求3所述的方法，其特征在于，所述对获取的图像进行处理，提取关键特征的步骤，包括：
5.如权利要求4所述的方法，其特征在于，所述根据关键特征对巡检机器人及周围环境进行识别和判断的步骤，包括：
6.如权利要求5所述的方法，其特征在于，所述根据识别和判断结...
【专利技术属性】
技术研发人员：毛咏杰，王荣波，温振环，
申请(专利权)人：广州西麦科技股份有限公司，
类型：发明
国别省市：
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。