[发明专利]基于5G和算法的智慧工厂远程监控方法及系统

说明书

本发明属于设备运行状态监控的技术领域，具体涉及基于5G的智慧工厂远程监控方法及系统，包括在所述工厂内设置有多个工作区域，每个工作区域内均设置有图像采集模块，所述的图像采集模块每间隔预定时间获取该工作区域中设备的运行状态数据；采用Otsu算法和粒子群算法对接收的图像进行分割处理，获取设备图像中的目标图像；对分割所得的目标图像与异常事件数据库中生产设备异常运行时的特征信息进行比对分析，判断生产设备是否运行故障，若是，则确定该生产设备存在异常事件；当存在异常事件时，获取该异常事件对应的故障等级，并根据故障等级，获取对应的异常处理策略；具有提高了图像分割的速度和精度，提高对设备运行状态监控的可靠性的有益效果。

技术领域

本发明属于设备运行状态监控的技术领域，具体涉及基于5G和算法的智慧工厂远程监控方法及系统。

背景技术

在所有生产安全事故中，工厂的安全事故具有明显特征，工厂出现的火灾、爆炸事故不仅经常造成人员伤亡和重大财产损失，也容易导致严重的环境问题，影响附近区域内的居民和建设。

目前，工厂安全监测常使用无线监控技术，将视频传感器布置在特定位置，对工厂中的装备或场景进行监控，并利用无线电波来传输视频或图像数据，将关键位置的现场图像实时地传输到终端，并能自动地对突发事件进行报警。

在这类无线监控系统中，视频传感器负责对监控区域进行摄像，并将视频和图像转换成相应的电信号，利用传感器节点进行传输；在图像处理中，对采集的图像要求较高，然而，由于工厂环境复杂，图像采集过程中因光照不均匀、光照强度过高等因素，均影响图像处理的速度与精度，因此需要对采集的图像进行处理，以方便后续进行定位、检测、测量等处理。

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，主要是对图像目标进行提取、测量，它是由图像处理到图像识别、分析的基础和关键步骤；对于图像分割的方法，目前已有非常多的处理方法，例如边缘检测分割法、区域分割法、阈值分割法，其中阈值分割法应用比较广泛，但传统的阈值分割法在对图像进行多阈值分割时，运行速度慢。

最大类间方差法也被称作Otsu方法，它是一种十分简单和通用的方法，并且其最大特点是能够实现图像分割的自适应，它的基本原理为：通过找到使得背景与目标两部分之间的方差能够达到最大的阈值，然后利用该阈值将图像目标与背景分开，然而现有Otsu方法在有曝光且背景与目标对比度较低的情况下，并不能准确的将边界形状保持完整，分割精确度低。

发明内容

本发明克服现有技术存在的不足，所要解决的技术问题为：提供一种基于5G和算法的智慧工厂远程监控方法及系统，通过Otsu算法和将粒子群算法相结合，提高了图像分割的速度和精度，能够提高对设备运行状态监控的可靠性。

为了解决上述技术问题，本发明采用的技术方案为：

基于5G和算法的智慧工厂远程监控方法，包括以下步骤：

在所述工厂内设置有多个工作区域，每个工作区域内均设置有图像采集模块，所述的图像采集模块每间隔预定时间获取该工作区域中设备的运行状态数据；

采用Otsu算法和粒子群算法对接收的图像进行分割处理，获取设备图像中的目标图像；

对分割所得的目标图像与异常事件数据库中生产设备异常运行时的特征信息进行比对分析，判断生产设备是否运行故障，若是，则确定该生产设备存在异常事件；

当存在异常事件时，获取该异常事件对应的故障等级，并根据故障等级，获取对应的异常处理策略；

其中：所述异常事件数据库中存储有生产设备异常运行时的特征信息，以及与特征信息相对应的故障等级。

优选地，所述采用Otsu算法和粒子群算法对接收的图像进行分割处理，获取设备图像中的目标图像，具体包括：

对获取的图像进行滤波处理；