[发明专利]一种工业摄像装置的维护方法及系统

说明书

本发明公开了一种工业摄像装置的维护方法及系统，通过对所述工业摄像装置进行分解量化、动态修正的状态量化评价，结合故障数据计算出所述工业摄像装置的故障率，最后基于帕累托法则策略以实现所述工业摄像装置的预知状态维修。本发明通过对摄像装置分解量化、动态修正的状态量化评价、结合故障数据计算摄像装置的故障率、基于帕累托法则策略的工业摄像装置的维护方法及系统。

技术领域

本发明涉及工业电视系统的维护技术，更具体地说，涉及一种工业摄像装置的维护方法及系统。

背景技术

工业电视系统归属视频监控范畴，应用在工业领域，主要由摄像装置、镜头、防护罩、云台、支架、现场接线箱、控制箱等组成。

工业电视系统主要用于现场生产状态的实时信息掌握管理并作为生产操作的辅助手段，实现对整个工业生产过程的实时监控，其摄像装置遍布生产现场的各个角落。

工业电视系统除了具备视频监控系统的通用性外，还具有自己的独特性，具体体现在摄像装置大多处在高腐蚀、重油污、高粉尘、电磁干扰严重、强震动、高低温、易燃易爆、安全隐患复杂的恶劣的生产现场环境中。

工业电视设备经过长期运行的性能不断劣化，但是目前在工业电视领域，由于工业电视系统的独特性，设备维护采用事后维修的方式。

设备维护一般有三种模式：事后维修、预防性维修和预知状态维修，事后维修和预防性维修往往存在维修不足和维修过度的问题，预知状态维修能根据设备的实际工作情况，通过一定的算法对设备的运行状态进行分析、判断，预测设备状态发展趋势，在此基础上制定维修计划，可以有效地节约成本、提高效率。

目前主流的预知状态维护方法多基于设备状态监测大数据，对设备状态进行分析和评估后，进一步采用机器学习的方法，选用智能算法进行建模后进行设备状态的预测。这种方法依赖于海量的设备数据进行建模，对于价格昂贵的设备来说，花费大量的人力物力来布设大量的监测装置能满足要求，但是并不适用于众多的小型设备。

安防领域对摄像头的维护多采用事后维修的方式，也有部分采用预知状态维修的方式，如中国专利公告的摄像头故障智能预测方法、装置和摄像头管理服务器(授权公告号CN108810526 B)，使用传感器来采集故障前摄像头的状态序列信息，根据相应故障前的历史故障信息建立深度学习的故障预测模型。

对于工业摄像装置，这种方法有以下缺点：

1)准确性不足：这些算法对输入数据的要求较高，对设备数据数量需求较大、对数据的准确性要求较高。但由于现有的工业摄像装置数量众多且分布在各处，对摄像装置布设数量众多的传感器来获取设备状态数据缺乏现实性，因而缺乏足够的可用数据会导致机器学习的结论存在着很大的误差；

2)落地性差：工业摄像装置故障具有复杂性、多样性、易受外界因素影响等特点，由于现有的方法缺乏对预测结果的准确性评测和对模型参数的适应性动态调整，因此预测结果的准确性无法保证。

发明内容

针对现有技术中存在的上述缺陷，本发明的目的是提供一种工业摄像装置的维护方法及系统，通过对摄像装置分解量化、动态修正的状态量化评价、结合故障数据计算摄像装置的故障率、基于帕累托法则策略的工业摄像装置的维护方法及系统。

为实现上述目的，本发明采用如下技术方案：

一方面，一种工业摄像装置的维护方法，通过对所述工业摄像装置进行分解量化、动态修正的状态量化评价，结合故障数据计算出所述工业摄像装置的故障率，最后基于帕累托法则策略以实现所述工业摄像装置的预知状态维修。

较佳的，所述维护方法进一步包括以下步骤：