[發明專利]一種基于深度學習圖像處理的電焊施工檢測方法

在審

• 申請號: 202011636904.5
• 申請日: 2020-12-31
• 公開（公告）號: CN112633238A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 樊浬
• 申請（專利權）人: 上海蓬渤機電設備有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海海貝律師事務所 31301
• 代理人: 宋振宇

本發明公開了一種基于深度學習圖像處理的電焊施工檢測方法，包括以下步驟：S1：樣本采集：采集工廠施工區域的視頻信息；S2：將上述圖像或視頻進行智能結構化處理，識別出場景中的人體屬性；S3：對采集的視頻信息進行標記，標記出正在電焊施工作業和沒有電焊施工作業的；S4：對標記后的數據用深度學習算法進行檢索訓練；S5：將正在電焊施工作業和沒有電焊施工作業的數據進行分類訓練，生成CNN模型；S6：實時獲取施工現場的視頻數據，利用模型檢測是否在進行電焊施工作業。本發明，采用深度學習的方式對電焊施工作業進行判斷，從而確定是否在進行電焊作業，無需人工進行對照監控進行檢查，節省了人工，且避免人工肉眼看不到的情況發生。

技術領域

本發明涉及電焊施工分析技術領域，具體是一種基于深度學習圖像處理的電焊施工檢測方法。

背景技術

隨著制造業的迅速發展，在工業生產作業中，電焊施工作業日益頻繁。作為一項明火作業，電焊具有高溫、高壓、易燃易爆的危險，而且作業現場電焊熔融的金屬火花會到處飛濺或從高空掉落焊渣，極易引燃可燃物，造成火災事故。電焊施工作業必須經過安全管理人員批準。辦理審批手續后，方可在申請的時間段進行作業。然而，部分企業工作人員安全意識薄弱，存在僥幸心理，會違反規定進行作業，帶來嚴重的安全隱患。

為了保證電焊作業都按照規定來操作，應急管理部門通過安裝在工廠的攝像頭進行遠程監控，不定期對轄區內的企業進行巡檢和抽查，確保電焊作業是在指定的時間段進行，并且符合作業規范。同類生產企業往往匯集在同一區域或同一個工業園區內，導致轄區內的企業較多，而管理人員人手有限，不足以覆蓋所有的區域。另外，依靠人工肉眼監督，效率低，長時間的疲勞作業也會帶來安全漏洞。

發明內容

本發明的目的在于提供一種基于深度學習圖像處理的電焊施工檢測方法，以解決現有技術中依靠人工肉眼監督，效率低，長時間的疲勞作業也會帶來安全漏洞的問題。

為實現上述目的，本發明提供如下技術方案：一種基于深度學習圖像處理的電焊施工檢測方法，包括以下步驟：

S1：樣本采集：采集工廠施工區域的視頻信息；

S2：將上述圖像或視頻進行智能結構化處理，識別出場景中的人體屬性；

S3：對采集的視頻信息進行標記，標記出正在電焊施工作業和沒有電焊施工作業的；

S4：對標記后的數據用深度學習算法進行檢索訓練；

S5：將正在電焊施工作業和沒有電焊施工作業的數據進行分類訓練，生成CNN模型；

S6：實時獲取施工現場的視頻數據，利用模型檢測是否在進行電焊施工作業。

優選的，所述步驟S1中樣本采集是通過監控攝像頭進行拍攝，拍攝的要求是多角度無死角、且每次拍攝取樣之間的間隔小于1小時。

優選的，所述步驟S2中圖像或視頻進行智能結構化處理是提取圖像或視頻中人員的動作以及姿勢。

優選的，所述人員的行為包括行走、蹲、站立、俯身。

優選的，所述步驟S3中對視頻信息的標記采用人工標記，人工標記使用的工具為labelImg工具。

優選的，所述步驟S4中檢索訓練是根據Faster R-CNN框架搭建神經網絡模型，檢索出標記的正在電焊施工作業的圖片，確定電焊施工作業的操作區域。

優選的，所述步驟S5中使用ResNet-152-CNN卷積神經網絡模型作為人員的分類模型，進行分類訓練，從而確定正在電焊施工作業和沒有電焊施工作業。

優選的，所述步驟S6中對現場視頻數據的檢測，是提取視頻中的任意圖像，將提取的圖像與CNN模型中的目標數據進行對比，從而確定是否在進行電焊施工作業。