[发明专利]一种基于深度学习图像处理的电焊施工检测方法

说明书

本发明公开了一种基于深度学习图像处理的电焊施工检测方法，包括以下步骤：S1：样本采集：采集工厂施工区域的视频信息；S2：将上述图像或视频进行智能结构化处理，识别出场景中的人体属性；S3：对采集的视频信息进行标记，标记出正在电焊施工作业和没有电焊施工作业的；S4：对标记后的数据用深度学习算法进行检索训练；S5：将正在电焊施工作业和没有电焊施工作业的数据进行分类训练，生成CNN模型；S6：实时获取施工现场的视频数据，利用模型检测是否在进行电焊施工作业。本发明，采用深度学习的方式对电焊施工作业进行判断，从而确定是否在进行电焊作业，无需人工进行对照监控进行检查，节省了人工，且避免人工肉眼看不到的情况发生。

技术领域

本发明涉及电焊施工分析技术领域，具体是一种基于深度学习图像处理的电焊施工检测方法。

背景技术

随着制造业的迅速发展，在工业生产作业中，电焊施工作业日益频繁。作为一项明火作业，电焊具有高温、高压、易燃易爆的危险，而且作业现场电焊熔融的金属火花会到处飞溅或从高空掉落焊渣，极易引燃可燃物，造成火灾事故。电焊施工作业必须经过安全管理人员批准。办理审批手续后，方可在申请的时间段进行作业。然而，部分企业工作人员安全意识薄弱，存在侥幸心理，会违反规定进行作业，带来严重的安全隐患。

为了保证电焊作业都按照规定来操作，应急管理部门通过安装在工厂的摄像头进行远程监控，不定期对辖区内的企业进行巡检和抽查，确保电焊作业是在指定的时间段进行，并且符合作业规范。同类生产企业往往汇集在同一区域或同一个工业园区内，导致辖区内的企业较多，而管理人员人手有限，不足以覆盖所有的区域。另外，依靠人工肉眼监督，效率低，长时间的疲劳作业也会带来安全漏洞。

发明内容

本发明的目的在于提供一种基于深度学习图像处理的电焊施工检测方法，以解决现有技术中依靠人工肉眼监督，效率低，长时间的疲劳作业也会带来安全漏洞的问题。

为实现上述目的，本发明提供如下技术方案：一种基于深度学习图像处理的电焊施工检测方法，包括以下步骤：

S1：样本采集：采集工厂施工区域的视频信息；

S2：将上述图像或视频进行智能结构化处理，识别出场景中的人体属性；

S3：对采集的视频信息进行标记，标记出正在电焊施工作业和没有电焊施工作业的；

S4：对标记后的数据用深度学习算法进行检索训练；

S5：将正在电焊施工作业和没有电焊施工作业的数据进行分类训练，生成CNN模型；

S6：实时获取施工现场的视频数据，利用模型检测是否在进行电焊施工作业。

优选的，所述步骤S1中样本采集是通过监控摄像头进行拍摄，拍摄的要求是多角度无死角、且每次拍摄取样之间的间隔小于1小时。

优选的，所述步骤S2中图像或视频进行智能结构化处理是提取图像或视频中人员的动作以及姿势。

优选的，所述人员的行为包括行走、蹲、站立、俯身。

优选的，所述步骤S3中对视频信息的标记采用人工标记，人工标记使用的工具为labelImg工具。

优选的，所述步骤S4中检索训练是根据Faster R-CNN框架搭建神经网络模型，检索出标记的正在电焊施工作业的图片，确定电焊施工作业的操作区域。

优选的，所述步骤S5中使用ResNet-152-CNN卷积神经网络模型作为人员的分类模型，进行分类训练，从而确定正在电焊施工作业和没有电焊施工作业。

优选的，所述步骤S6中对现场视频数据的检测，是提取视频中的任意图像，将提取的图像与CNN模型中的目标数据进行对比，从而确定是否在进行电焊施工作业。