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()
【技术实现步骤摘要】
本专利技术涉及人工智能,具体涉及一种识别空窖池未悬挂安全网的方法及计算设备。
技术介绍
1、窖池坑是白酒生产中的一种重要设施,主要用于发酵和储存白酒。窖池坑通常为地下结构,由砖、石、混凝土等材料建造而成,且具有一定的深度。通常,我们在空置的窖池上设置防护栏杆、安全网或井盖,防止人员跌落。但是,由于是人工操作,具有不确定和人为疏漏,所以大多数企业在窖池区配备监控装置,且配备监管人员,采用传统的人工模式24小时查看监控摄像头画面来观察空窖池是否悬挂安全网。这种方式不仅人工成本高,而且效率低,不利于酒企智能化管理。
2、为此,需要一种技术方案,能够实现窖池是否悬挂安全网的智能监测。
技术实现思路
1、本专利技术旨在提供一种识别空窖池未悬挂安全网的方法及计算设备,能够实现窖池是否悬挂安全网的智能监测。
2、根据本专利技术的一方面,提供一种识别空窖池未悬挂安全网的方法,包括:
3、获取监控视频流中的视频图像帧,识别所述视频图像帧得到包括单个或多个窖池坑区域的待检测图像帧;
4、对所述待检测图像帧进行分割,得到包括单个窖池坑区域的窖池坑检测图像;
5、通过识别所述窖池坑检测图像,筛选出标准识别图像;
6、识别所述标准识别图像,并输出图像属性及挂网判断结果;
7、根据所述图像属性及挂网判断结果,判断当前标准识别图像中的窖池是否悬挂安全网。
8、根据一些实施例,识别所述视频图像帧得到包括单个或多个窖池坑
9、通过监控平台端进行关注区域绘制,在所述视频图像帧上各个窖池坑边沿绘制多个定位点;
10、将每个窖池坑边沿的所述多个定位点依次连线,围成多边形区域;
11、利用监控平台计算所述多边形的最小外接矩形区域,作为窖池坑区域。
12、根据一些实施例,将每个窖池坑边沿的所述多个定位点依次连线,围成多边形区域之后,还包括:
13、将所述多边形区域之外的部分用特定像素填充,避免干扰后续判断。
14、根据一些实施例,对所述待检测图像帧进行分割,得到包括单个窖池坑区域的窖池坑检测图像,包括:
15、将所述待检测图像帧输入预训练的边缘分割检测器;
16、按照所述窖池坑区域将所述待检测图像帧进行分割,得到所述窖池坑检测图像。
17、根据一些实施例,对所述待检测图像帧进行分割之前,包括:
18、将所述待检测图像帧处理为特定尺寸的窖池区域图像。
19、根据一些实施例,通过识别所述窖池坑检测图像,筛选出标准识别图像,包括:
20、识别所述窖池坑检测图像中的边缘线,过滤其中未识别出有效边缘线的负样本图像,将识别出有效边缘线的样本图像作为标准识别图像。
21、根据一些实施例,识别所述窖池坑检测图像中的边缘线,过滤其中未识别出有效边缘线的负样本图像,将识别出有效边缘线的样本图像作为标准识别图像,包括:
22、将所述窖池坑检测图像在所述边缘分割检测器中进行边缘分割推理、边缘轮廓围绕区域面积计算;
23、筛选能够正常识别窖池坑边缘且边缘轮廓围绕区域面积大于第一面积阈值的图像作为标准识别图像。
24、根据一些实施例,对所述标准识别图像进一步筛选识别,并输出图像属性及挂网判断结果,包括:
25、将标准识别图像输入预训练好的识别检测器;
26、在所述识别检测器中,对所述标准图像进行识别,并输出图像属性及挂网判断结果。
27、根据一些实施例,所述图像属性包括:正常、过黑或模糊、遮挡;所述挂网判断结果包括:空窖池未挂安全网、空窖池已挂安全网、满窖池。
28、根据一些实施例,根据所述图像属性及挂网判断结果,判断当前标准识别图像中的窖池是否悬挂安全网,包括:
29、将所述图像属性的正常类别分数值与第一类别阈值、挂网判断结果的空窖池未挂安全网类别分数值与第二类别阈值进行比较;
30、当所述图像属性的正常类别分数值大于所述第一类别阈值且所述挂网判断结果的空窖池未挂安全网类别分数值大于所述第二类别阈值时,判定当前标准识别图像中的窖池未悬挂安全网。
31、根据本专利技术的另一方面,提供一种计算设备,包括:
32、处理器;以及
33、存储器,存储有计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器执行如上任一项所述的方法。
34、根据本专利技术的另一方面,提供一种非瞬时性计算机可读存储介质,其上存储有计算机可读指令,当所述指令被处理器执行时,使得所述处理器执行如上任一项所述的方法。
35、根据本专利技术的实施例,通过对监控视频帧进行图像检测,筛选出标准识别图像。根据图像属性及挂网判断结果进行双重判断,能够实现对窖池坑是否悬挂安全网进行自动化智能监测,提高生产安全保障。
36、根据一些实施例,通过对所述待检测图像帧进行分割,实现对每个窖池坑区域图像的单独检测,避免批量检测中出现检测错误。
37、根据一些实施例,通过对窖池坑边缘线的识别进一步对分割后的图像进行进一步筛选,将筛选后的图像作为标准图像进行下一步识别,进一步提高识别的准确性。
38、根据一些实施例,应用预训练的神经网络模型对所述标准识别图像进行识别,并输出两种类别判断结果,综合两种类别判断结果对窖池坑是否悬挂安全网进行判断,使得检测结果更加准确。
39、应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本专利技术。
本文档来自技高网...【技术保护点】
1.一种识别空窖池未悬挂安全网的方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,识别所述视频图像帧得到包括单个或多个窖池坑区域的待检测图像帧,包括:
3.根据权利要求2所述的方法,其特征在于,将每个窖池坑边沿的所述多个定位点依次连线,围成多边形区域之后,还包括:
4.根据权利要求1所述的方法,其特征在于,对所述待检测图像帧进行分割,得到包括单个窖池坑区域的窖池坑检测图像,包括:
5.根据权利要求1所述的方法,其特征在于,对所述待检测图像帧进行分割之前,包括:
6.根据权利要求1所述的方法,其特征在于,通过识别所述窖池坑检测图像,筛选出标准识别图像,包括:
7.根据权利要求6所述的方法,其特征在于,识别所述窖池坑检测图像中的边缘线,过滤其中未识别出有效边缘线的负样本图像,将识别出有效边缘线的样本图像作为标准识别图像,包括:
8.根据权利要求1所述的方法,其特征在于,对所述标准识别图像进一步筛选识别,并输出图像属性及挂网判断结果,包括:
9.根据权利要求8所述的方法,其
10.根据权利要求9所述的方法,其特征在于,根据所述图像属性及挂网判断结果,判断当前标准识别图像中的窖池是否悬挂安全网,包括:
11.一种计算设备,其特征在于,包括:
...【技术特征摘要】
1.一种识别空窖池未悬挂安全网的方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,识别所述视频图像帧得到包括单个或多个窖池坑区域的待检测图像帧,包括:
3.根据权利要求2所述的方法,其特征在于,将每个窖池坑边沿的所述多个定位点依次连线,围成多边形区域之后,还包括:
4.根据权利要求1所述的方法,其特征在于,对所述待检测图像帧进行分割,得到包括单个窖池坑区域的窖池坑检测图像,包括:
5.根据权利要求1所述的方法,其特征在于,对所述待检测图像帧进行分割之前,包括:
6.根据权利要求1所述的方法,其特征在于,通过识别所述窖池坑检测图像,筛选出标准识别图像,包括:
【专利技术属性】
技术研发人员:钟浩,熊超,牛昕宇,
申请(专利权)人:深圳鲲云信息科技有限公司,
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。