[发明专利]基于机器学习的机械运动识别方法及系统

说明书

本发明涉及一种基于机器学习的机械运动识别方法及系统，其中，机械运动识别方法包括：获取车间视频监测系统的视频数据采集；对视频数据进行工位核对，编码视频监控机位及目标设备工位；获取运动区域的运动部件类型；获取指定运动部件的运动轨迹特征参数；利用已有的典型识别样本，判断运动轨迹类型；根据运动轨迹的特征参数对运动轨迹进行统计分类，用于指定时间的统计进料物品数量、设备机械运动工作状况、出料物品数量。本发明实现了实时监控预测工业设备的工作状态的目的，进而可在第一时间发现工业设备的异常苗头，及时报警，杜绝事故的发生。

技术领域

本发明涉及电子信息技术领域，特别是涉及一种基于机器学习的机械运动识别方法及系统。

背景技术

我国目前存在大量的中小型制造企业，设备自动化和数字化水平较低，无法满足企业生产信息化管理的要求，对生产作业中的工况信息也依赖于人工判断，对企业生产效率、良品率的提升和生产成本的降低造成了很大阻碍。

例如在中小型轴承制造行业，其生产需要经过锻造、车加工、热处理、磨加工、装配等多个工艺流程，需要用到大量专用设备,同时产品又具有精度要求较高、少品种大批量的特点，因此对生产过程的管理要求也很高。

传统的生产车间数字化、自动化改造成本高，工况信息也需要通过昂贵的数控设备接口信息化改造来实现系统化监控，对企业造成了很大的成本压力。同时传统的监控设备依赖人工判定生产过程的视频信息，存在信息监控不及时、准确率不高等问题。

发明内容

针对车间的哑设备、半自动化设备不能及时提供生产作业工况信息，如开机、停机、空载、进料情况、出料情况等，提出一种基于机器学习的机械运动识别方法及系统，通过识别设备运行工况，导入到车间信息管理系统，进而对设备进行非接触式空中诊断，及时发现设备异常工况并实时报警或预警。

为了实现上述目的，本发明技术方案为：

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。

进一步地，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。

更进一步地，对图片进行特征提取是基于LSTM的识别算法和光流特征。

进一步地，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。

进一步地，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。