[发明专利]基于深度学习图像语义分割的工厂管理方法和系统

说明书

本发明提供了一种基于深度学习图像语义分割的工厂管理方法和系统，应用于工厂管理系统，包括：基于深度学习的全卷积网络对图像进行语义分割，得到每个像素的类别，其中，图像为通过工厂管理系统获取到的工厂内部图像；基于每个像素的类别和外接凸包形状，对图像进行目标区域提取；对目标区域进行形状分析，得到分析结果，其中，分析结果包括以下任一项：符合规定，不符合规定；若分析结果为不符合规定，则发出预警信号。本发明缓解了现有技术中存在的对于形状变化较大的目标检测难度大、检测准确度不高的技术问题。

技术领域

本发明涉及工厂管理技术领域，尤其是涉及一种基于深度学习图像语义分割的工厂管理方法和系统。

背景技术

6S管理(即整理(SEIRI)、整顿(SEITON)、清扫(SEISO)、清洁(SEIKETSU)、素养(SHITSUKE)、安全(SECURITY)，简称6S管理)是现代工厂管理的一种很重要的方法，包括人、机、料、法、环等各个环节。现有技术中对工厂厂房内6S管理的各个维度信息进行实时在线分析的方法，主要有通过基于矩形框检测的方法，对行人、物料、进行检测。但污渍、物料这种无固定形状的目标很难通过固定形状的矩形框检测解决，通过统一的检测器很难解决。因此，现有技术中关于工厂6S在线管理中直接进行实例分割的分析方法存在着，对于形状变化较大的目标检测难度大、检测准确度不高的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于深度学习图像语义分割的工厂管理方法和系统，以缓解了现有技术中存在的对于形状变化较大的目标检测难度大、检测准确度不高的技术问题。

第一方面，本发明实施例提供了一种基于深度学习图像语义分割的工厂管理方法，应用于工厂管理系统，包括：基于深度学习的全卷积网络对图像进行语义分割，得到每个像素的类别，其中，所述图像为通过所述工厂管理系统获取到的工厂内部图像；基于所述每个像素的类别和外接凸包形状，对所述图像进行目标区域提取；对所述目标区域进行形状分析，得到分析结果，其中，所述分析结果包括以下任一项：符合规定，不符合规定；若所述分析结果为不符合规定，则发出预警信号。

进一步地，所述目标区域包括以下任一项：污渍区域、通道区域、物料区域、工人区域；对所述污渍区域进行形状分析，得到分析结果，包括：对所述污渍区域进行形状分析，若所述污渍区域的面积大于预设面积，则得到不符合规定的分析结果。

进一步地，对所述通道区域或所述物料区域进行形状分析，得到分析结果，包括：对所述通道区域或所述物料区域进行分析，若在通道区域或所述物料区域内的预设区域内发现有物料的摆放，则得到不符合规定的分析结果。

进一步地，对所述工人区域进行形状分析，得到分析结果，包括：对所述工人区域内的工人进行提取，分析所述工人的头部状态，若判断出所述工人没有佩戴安全帽，则得到不符合规定的分析结果。

第二方面，本发明实施例还提供了一种基于深度学习图像语义分割的工厂管理系统，包括：语义分割模块，区域提取模块，分析模块和预警模块，其中，所述语义分割模块，用于基于深度学习的全卷积网络对图像进行语义分割，得到每个像素的类别，其中，所述图像为通过所述工厂管理系统获取到的工厂内部图像；所述区域提取模块，用于基于所述每个像素的类别和外接凸包形状，对所述图像进行目标区域提取；所述分析模块，用于对所述目标区域进行形状分析，得到分析结果，其中，所述分析结果包括以下任一项：符合规定，不符合规定；所述预警模块，用于若所述分析结果为不符合规定，则发出预警信号。

进一步地，所述目标区域包括以下任一项：污渍区域、通道区域、物料区域、工人区域；所述分析模块还包括第一分析单元，用于：对所述污渍区域进行形状分析，若所述污渍区域的面积大于预设面积，则得到不符合规定的分析结果。

进一步地，所述分析模块还包括第二分析单元，用于：对所述通道区域或所述物料区域进行分析，若在通道区域或所述物料区域内的预设区域内发现有物料的摆放，则得到不符合规定的分析结果。