[发明专利]基于人工智能的磁性材料制备工序识别及监控系统

权利要求书

1.基于人工智能的磁性材料制备工序识别及监控系统，其特征在于，所述系统包括数据层、算法层和应用层；

数据层存储磁性材料制备工序识别及监控的数据，数据层中存储的数据集包括生产场景目标检测数据集、生产过程工序特征检测数据集；

算法层根据稀土磁性材料制备工序识别及监控AI模型进行实际的磁性材料制备工序识别及监控推断；所述稀土磁性材料制备工序识别及监控AI模型包括稀土磁性材料制备生产场景目标检测模型、基于时空关系推理的熔炼炉生产过程工序识别模型、安全检测模型；

稀土磁性材料制备生产场景目标检测模型采用神经网络模型对不同尺度目标的检测；基于时空关系推理的熔炼炉生产过程工序识别模型利用稀土磁性材料制备生产场景目标检测模型的目标检测结果，根据不同场景主要目标的空间关系以及不同帧目标的时序关系给出工序识别结果；安全检测模型对存在有工人特征数据进行是否佩戴安全帽的判断；

应用层采用基于DeepStream的实时视频流分析框架，在DeepSteam视频分析加速库的支撑下，多路视频通过解码、预处理、批处理、神经网络推断、追踪、可视化、显示、推流步骤，基于算法层实现工序的实时检测、违章作业的实时监控。

2.根据权利要求1所述的基于人工智能的磁性材料制备工序识别及监控系统，其特征在于，所述应用层在cuda、cudnn、TensorRT加速库支撑下，采用模型压缩和模型量化推断加速方法，实现对算法层的稀土磁性材料制备工序识别及监控AI模型推断阶段加速，进而实现对视频流的实时推断。

3.根据权利要求2所述的基于人工智能的磁性材料制备工序识别及监控系统，其特征在于，所述应用层实现对算法层的稀土磁性材料制备工序识别及监控AI模型推断阶段加速的过程包括以下步骤：

稀土磁性材料制备工序识别及监控AI模型中的神经网络模型为包括网络结构参数和权重参数的文件，将参数通过TensorRT实现，将32浮点运算转为8位整型运算实现推断阶段的模型加速。

4.根据权利要求1所述的基于人工智能的磁性材料制备工序识别及监控系统，其特征在于，所述系统还包括图像采集子系统，所述图像采集子系统包括多路视频数据采集单元，用于采集多路视频数据。

5.根据权利要求1所述的基于人工智能的磁性材料制备工序识别及监控系统，其特征在于，所述稀土磁性材料制备生产场景目标检测模型采用的神经网络模型为YOLOv3实时目标检测网络模型。

6.根据权利要求1所述的基于人工智能的磁性材料制备工序识别及监控系统，其特征在于，所述基于时空关系推理的熔炼炉生产过程工序识别模型采用LightGBM决策树模型实现。