一种通过图像识别自学习监测涂层室环境的方法技术

本发明专利技术公开了一种通过图像识别自学习监测涂层室环境的方法，其特征在于，包括以下步骤：S1：在涂层室系统关键位置安装红外防爆摄像头；S2：采集工艺和环境参数；S3：将采集的参数数据与已构建的可视化三维模型相互协同关联，可在模型空间中进行显示提示、报警等功能，并将采集的数据归入“大数据库”中；S4：建立图像自学习算法系统。本发明专利技术的有益效果：本方法在涂层室新增红外防爆摄像头，将中心传递的设备运行数据与环境监控的实时数据集成在与可视化三维模型中，构建协同空间，对于火灾/机器异常等故障，构建监控、温感、烟雾感应器等多数据监控，通过大数据自学习，在判断设备早期故障、火灾评估、故障快检等方面提供决策支持。故障快检等方面提供决策支持。故障快检等方面提供决策支持。

【技术实现步骤摘要】
一种通过图像识别自学习监测涂层室环境的方法


[0001]本专利技术涉及冶金工业监测涂层室环境
，具体涉及一种通过图像识别自学习监测涂层室环境的方法。

技术介绍

[0002]冶金就是从矿物中提取金属或金属化合物，用各种加工方法将金属制成具有一定性能的金属材料的过程和工艺，彩涂使对工件上喷涂油漆，所以涂层室环境恶劣，油漆味道大，在冷轧彩涂机组涂层室布设红外防爆摄像头，采集涂层室内设备运行、环境监控的实时数据，采集的数据既可以与可视化三维空间相互关联联动，进行协同同步；也可以构建数据分析的大数据库，可通过自学习的方式对故障、异常等行为进行判断和评估，并提供决策支持和解决方案。通过故障与诊断保证维护设备运行稳定，通过危险场景预警判断保证设备人员生命安全。
[0003]如授权公告号为CN112446232U，授权公告日为2021.03.05的一种持续自学习的图像识别方法及系统，包括持续自学习图像识别图像服务器，所述持续自学习图像识别图像服务器包括图像采集模块、图片初次标记模块、图像识别模型训练模块、新图片标记模块、自动/人工图片核验模块和最优模型生成模块，优选的，所述图像采集模块为交通专用高倍监控摄像头。优选的，包括以下步骤：S1，首先通过图像采集模块，交通专用高倍监控摄像头对人员的图像进行采集；S2，将S1采集的图像传送至图片初次标记模块中，并且通过图片初次标记模块完成从不同图片标记人员处获取人工标记的图片，并按照图像识别模型训练所需要的结构进行整理，作为初始的图像识别模型的训练集。
[0004]如授权公告号为CN05825235B，授权公告日为2018.12.25的一种基于多特征图深度学习的图像识别方法，包括多特征图深度学习的训练过程和使用训练好的深度学习系统进行图像识别的过程，其中，所述多特征图深度学习的训练过程包括以下步骤：步骤a：对训练样本集图片求取其灰度图；对所述灰度图求取灰度图中每个像素点的特征构成的特征图，所述特征图包括：LBP特征图、梯度幅值特征图和梯度方向特征图；设置深度卷积网络的各个网络层及分类器的初始参数，将步骤a中获得的灰度图和步骤b中获得的特征图输入所述深度卷积网络以提取高层特征即深度卷积特征，并将所述深度卷积特征输入到所述分类器，所述分类器获得系统的前向预测输出，其中深度卷积网络和分类器的参数均为前一次学习的结果；将步骤c获得的所述前向预测输出与所述训练样本集图片的标签进行比对，将两者的误差反传，根据所述误差来更新所述深度卷积网络的参数和所述分类器的参数。
[0005]彩涂机组涂层室环境恶劣，油漆味道大，但是此区域没有视频监控，部分故障造成的后果十分严重，因此，亟需设计一种通过图像识别自学习监测涂层室环境的方法来解决上述问题。

技术实现思路

[0006]本专利技术的目的是提供一种通过图像识别自学习监测涂层室环境的方法，以解决现
有技术中的上述不足之处。
[0007]为了实现上述目的，本专利技术提供如下技术方案：一种通过图像识别自学习监测涂层室环境的方法，包括以下步骤：S1：在涂层室系统关键位置安装红外防爆摄像头；S2：采集工艺和环境参数；S3：将采集的参数数据与已构建的可视化三维模型相互协同关联，可在模型空间中进行显示提示、报警等功能，并将采集的数据归入“大数据库”中；S4：建立图像自学习算法系统；S5：收集的数据达到一定规模后，开始学习分析，逐步优化判断标准；S6：开始进行实施数据的图像识别分析；S7：对比和检查；（1）对比实施数据与“库”中数据分析结论偏差并进行再次优化；（2）检查判断分析报警与三维空间的协同稳定度；S8：验证实施。
[0008]作为本专利技术优选的实施例，所述步骤2中的采集参数包括：（1）采集涂层室内集涂层室内辊涂机等关键设备运行时的工艺参数、（2）采集涂层室内的环境参数。
[0009]作为本专利技术优选的实施例，所述工艺参数包括面涂/背涂速度、辊子压力比、辊涂负载、带钢规格和速度等生产数据参数等。
[0010]作为本专利技术优选的实施例，所述环境参数包括环境温度、湿度、带钢表面温度、轴承温度、烟雾参数等。
[0011]作为本专利技术优选的实施例，所述工艺参数和环境参数均通过传感器检测上传获取数据。
[0012]作为本专利技术优选的实施例，所述步骤S4中的建立学习算法的具体过程为训练图像采集—预处理—特征提取—模型测试—输出结果。
[0013]作为本专利技术优选的实施例，所述步骤S5中的自学习、逐步优化判断标准的具体过程为：图像输入—层1—层2—层3—图像标签。
[0014]作为本专利技术优选的实施例，所述图像处理的方法为：（1）接收图像的感知曲线数字代码值D；（2）从所述感知曲线数字代码值D确定归一化感知曲线信号值V；（3）基于以下函数模型确定归一化颜色分量值Y：，其中，基于人类视觉的对比敏感度的感知曲线数字代码值集合与颜色分量水平集合之间的映射是基于所述函数模型的；并且从所述归一化颜色分量值Y确定颜色分量绝对值L，以便用于图形显示。
[0015]作为本专利技术优选的实施例，所述参数n代表数量、m代表时间段、c1、c2和c3是选定范围内预定值。
[0016]作为本专利技术优选的实施例，所述根据图像不同的颜色，可应对不同的场景。
[0017]在上述技术方案中，本专利技术提供的一种通过图像识别自学习监测涂层室环境的方法，有益效果：本方法在涂层室新增红外防爆摄像头，将中心传递的设备运行数据与环境监控的实时数据集成在与可视化三维模型中，构建协同空间，对于火灾/机器异常等故障，构建监控、温感、烟雾感应器等多数据监控，通过大数据自学习，在判断设备早期故障、火灾评
估、故障快检等方面提供决策支持，通过故障与诊断保证维护设备运行稳定，通过危险场景预警判断保证设备人员生命安全。
附图说明
[0018]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0019]图1为本专利技术一种通过图像识别自学习监测涂层室环境的方法实施例提供的自学习算法系统的具体过程流程结构示意图。
[0020]图2为本专利技术一种通过图像识别自学习监测涂层室环境的方法实施例提供的逐步优化判断标准的具体过程流程结构示意图。
[0021]图3为本专利技术一种通过图像识别自学习监测涂层室环境的方法实施例提供的流程结构示意图。
具体实施方式
[0022]为了使本领域的技术人员更好地理解本专利技术的技术方案，下面将结合附图对本专利技术作进一步的详细介绍。
[0023]如图1
‑
3所示，本专利技术实施例提供的一种通过图像识别自学习监测涂层室环境的方法，包括以下步骤：S1：在涂层室系统关键位置安装红外防爆摄像头；S2：采集工艺和环境参数；S3：将采集的参数数据与已构建的可视化三维模型相互协同关联，可在模型空间中进行显示提示、报警等功能，并将采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通过图像识别自学习监测涂层室环境的方法，其特征在于，包括以下步骤：S1：在涂层室系统关键位置安装红外防爆摄像头；S2：采集工艺和环境参数；S3：将采集的参数数据与已构建的可视化三维模型相互协同关联，可在模型空间中进行显示提示、报警等功能，并将采集的数据归入“大数据库”中；S4：建立图像自学习算法系统；S5：收集的数据达到一定规模后，开始学习分析，逐步优化判断标准；S6：开始进行实施数据的图像识别分析；S7：对比和检查；（1）对比实施数据与“库”中数据分析结论偏差并进行再次优化；（2）检查判断分析报警与三维空间的协同稳定度；S8：验证实施。2.根据权利要求1所述的一种通过图像识别自学习监测涂层室环境的方法，其特征在于，所述步骤2中的采集参数包括：（1）采集涂层室内集涂层室内辊涂机等关键设备运行时的工艺参数、（2）采集涂层室内的环境参数。3.根据权利要求2所述的一种通过图像识别自学习监测涂层室环境的方法，其特征在于，所述工艺参数包括面涂/背涂速度、辊子压力比、辊涂负载、带钢规格和速度等生产数据参数等。4.根据权利要求2所述的一种通过图像识别自学习监测涂层室环境的方法，其特征在于，所述环境参数包括环境温度、湿度、带钢表面温度、轴承温度、烟雾参数等。5.根据权利要求2所述的一种通过图像识别自学习监测涂层室环...

【专利技术属性】
技术研发人员：汪洋，李碧，袁磊，路凤智，彭利顺，郭守春，徐静，乔建基，吴凤品，张利勇，王林，陈力帆，唐晓莉，王海东，陈素芳，曲秀娟，秦坤坤，
申请(专利权)人：宝钢湛江钢铁有限公司，
类型：发明
国别省市：