[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

说明书

基于人工智能的磁性材料制备工序识别及监控系统，属于识别及监控技术领域。本发明为了解决现有的磁性材料制备工序依靠人工进行判断存在的监控效率低、准确率低的问题。本发明包括括数据层、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；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；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。本发明主要应用于磁性材料制备工序识别及监控。

技术领域

本发明涉及一种磁性材料制备工序识别及监控系统，属于识别及监控技术领域。

背景技术

磁性材料是一类重要的基础功能材料，应用范围十分广泛，如电子、信息、电动工具、汽车、家电等行业对磁性材料有着不可替代的需求。由于当前国家提倡节能环保、绿色发展，作为一种清洁能源，磁性材料更是在节能环保、新能源、电动汽车、智慧城市、智慧地球等新兴领域中得到越来越广泛的应用，甚至开始应用于机器人、无人机、航空航天、卫星遥感等军事国防领域。

磁性材料制备是磁性材料产业链的基础环节，承担着非常重要的角色。虽然目前的磁性材料生产企业已经做到工艺比较成熟，设备比较先进，但是目前的磁性材料生产企业仍然没有一套比较智能的磁性材料制备工序识别及监控系统，所以目前的磁性材料制备过程的监控基本都是依靠人工现场检查和基于人力视频监控系统实现的，不仅需要花费大量的人力物力，而且效率低，还存在不能及时发现违规操作等情况，存在较大的安全隐患。由于磁性材料制备的过程中还需要对磁性材料制备工序进行监控、识别和分析，现有的方式也都是基于人力的录像分析，也存在效率低、准确率低的问题。

发明内容

本发明是为了解决现有的磁性材料制备工序依靠人工进行判断存在的监控效率低、准确率低的问题。

基于人工智能的磁性材料制备工序识别及监控系统，所述系统括数据层、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。

进一步地，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。

进一步地，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。

进一步地，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。