[发明专利]基于机器学习的机械运动识别方法及系统

权利要求书

1.一种基于机器学习的机械运动识别方法，其特征在于，包括步骤：

S1，对车间机械设备及工况进行视频数据采集，并对采集的视频数据进行标识、切割成指定时间片段视频数据；

S2，对视频数据的标识进行工位核对，根据视频采集点与目标设备工位的配置关系，编码视频指定时间片段的监控机位及目标设备工位；

S3，将编码后的视频指定时间片段数据按照时间线进行运动区域识别，标识视频中的运动区域，并切割成局部运动的视频数据；

S4，对切割后的局部运动视频数据按照指定时间间隔抽取运动区域特征参数；

S5，根据抽取的运动区域特征参数，利用已有典型识别样本的运动部件特征参数集，判断运动区域内的运动部件类型；

S6，根据局部运动视频数据，对局部运动视频数据进行特征提取，获取运动轨迹特征参数；

S7，根据指定部件的运动轨迹特征参数，并利用已有的典型识别样本的运动轨迹特征参数集，获取指定部件的运动轨迹类型参数；

S8，对指定部件的运动轨迹类型参数进行状态监测并统计分类，进而获得在指定时间的进料物品数量、设备机械运动工作状况和/或出料物品数量。

2.如权利要求1所述的基于机器学习的机械运动识别方法，其特征在于：S4中抽取运动区域特征参数是基于抽取运动特征的静态图片，根据抽取的运动特征的静态图片，对图片进行特征提取，进而获取运动区域特征参数。

3.如权利要求2所述的基于机器学习的机械运动识别方法，其特征在于：对图片进行特征提取是基于LSTM的识别算法和光流特征。

4.如权利要求1所述的基于机器学习的机械运动识别方法，其特征在于：S6中对局部运动视频数据进行特征提取是基于对局部运动视频数据进行三维卷积算法获得的。

5.如权利要求1所述的基于机器学习的机械运动识别方法，其特征在于：S5中设备已有的典型识别样本的运动部件特征参数集包括可判断其运动部件类别的运动部件识别特征的参数库。

6.如权利要求1所述的基于机器学习的机械运动识别方法，其特征在于：S7中设备已有的典型识别样本的运动轨迹特征参数集包括可判断其运动轨迹类型特征的参数库。

7.如权利要求6所述的基于机器学习的机械运动识别方法，其特征在于：通过可判断其运动轨迹类型特征的参数库来判断运动部件的运动轨迹的方法还包括在参数库内采用决策树算法，预测设备运行工况，再使用工时统计，与生产工单的目标产值匹配，预测工单异常事件；建立设备运动模型，分析设备运行效率。

8.一种基于机械学习的机械运动识别的系统，其特征在于，用于实现权利要求

1-7任一项所述的方法，所述系统包括：

数据采集单元，用于对车间内的机械设备及工况进行视频数据采集，并对采集的视频数据进行标识、切割成指定时间片段视频数据；

运动区域识别单元，用于对采集的指定时间片段视频数据按照时间线进行运动区域的识别，并抽取运动区域特征参数；

运动部件识别单元，用于根据识别样本的运动部件特征参数集，判断运动区域内的运动部件类型，并获取运动部件在运动区域的运动视频数据；

运动轨迹识别单元，用于对运动视频数据进行特征提取，获取运动轨迹特征参数，再根据已有的典型识别样本的运动轨迹特征参数集，获取指定部件的运动轨迹类型参数；

运动轨迹输出单元，用于对指定部件的运动轨迹类型参数进行状态监测并统计分类，进而获得在指定时间的进料物品数量、设备机械运动工作状况和/或出料物品数量。