[发明专利]一种成型设备操作安全监测方法和装置

说明书

本发明涉及一种成型设备操作安全监测方法和装置，属于安全监测技术领域。本发明提供的成型设备操作安全监测方法，在获取待监测成型设备操作视频数据，将其转换为灰度图像数据后，将灰度图像数据输入至基于卷积神经网络模型训练得到的监测模型中，能够得到监测结果，然后，根据监测结果生成控制信号，以进行报警的同时控制成型设备中机械臂的启停，进而能够在提高成型设备操作监测的实时性和稳定性的同时，降低操作安全危险性。

技术领域

本发明涉及安全监测技术领域，特别是涉及一种成型设备操作安全监测方法和装置。

背景技术

成型设备多为大型设备，常与机械手组合进行作业，若作业员不按照规定进行作业，易产生重大安全事故。

作业员取某成型设备的物料时，若不按照规定作业（例如，双手超过安全区域或双手未在安全时间内进入安全区域），易影响产能甚至造成安全事故，而单单依靠作业员自觉性及安全监管人员监管具有不稳定性。

发明内容

为解决现有技术存在的上述问题，本发明提供了一种成型设备操作安全监测方法和装置。

为实现上述目的，本发明提供了如下方案：

一种成型设备操作安全监测方法，包括：

获取作业员操作成型设备的视频样本数据；

基于所述视频样本数据生成样本训练数据；

采用所述样本训练数据训练卷积神经网络模型得到监测模型；

获取待监测成型设备操作视频数据，并转换为灰度图像数据；

将所述灰度图像数据输入至所述监测模型得到监测结果；

根据所述监测结果生成控制信号；所述控制信号包括报警信号和用于控制成型设备中机械臂启停的作动控制信号。

优选地，所述基于所述视频样本数据生成样本训练数据，具体包括：

对所述视频样本数据进行图像标注得到标注数据；

将所述标注数据转换为灰度图像样本数据得到样本训练数据。

优选地，所述采用所述样本训练数据训练卷积神经网络模型得到监测模型，具体包括：

步骤1.采用预设个数的卷积核在所述样本训练数据中的图像上进行窗口滑动，得到卷积核元素和窗口对应元素；

步骤2.基于所述卷积核元素和所述窗口对应元素得到图像特征矩阵，并确定所述图像特征矩阵上各元素的值；

步骤3.对多个激活函数赋予不同的系数进行非线性组合形成决策平面；

步骤4.采用所述决策平面对所述图像特征矩阵上各元素的值进行处理得到决策特征图像；

步骤5.对所述决策特征图像进行最大池化采样处理得到采样特征图像；

步骤6.以预设窗口在所述采样特征图像中进行特定步长的滑动，并在滑动过程中，采用预设窗口内的最大值的特征元素替换预设窗口内所有的特征元素得到特征矩阵；

步骤7.对所述特征矩阵进行连续卷积操作后，输入至全连接层进行实数映射得到实数值；

步骤8.采用损失函数将实数值映射为概率值，并进行结果输出；

步骤9.采用交叉熵损失函数基于所述概率值和所述标注数据进行损失确定，得到确定结果；

步骤10.当所述确定结果不满足预设条件时，调整所述卷积神经网络模型的参数并返回步骤1；

步骤11.当所述确定结果满足预设条件时，得到所述监测模型。

优选地，采用64个3×3的卷积核在所述样本训练数据中的图像上进行窗口滑动，得到卷积核元素和窗口对应元素。

优选地，以2×2的窗口在所述采样特征图像中进行步长为2的滑动，并在滑动过程中，采用2×2的窗口内的最大值的特征元素替换2×2的窗口内所有的特征元素得到特征矩阵。