CN111753740A - 材料用量监控的方法及装置 - Google Patents

Abstract

本申请公开了一种材料用量监控的方法及装置，本申请的方法包括获取材料堆在不同时刻的图像数据；基于预设图像识别法对不同时刻的图像数据进行识别；根据识别的结果预测所述材料堆在预设时段内的消耗量。本申请是为了解决现有通过关联商品销售材料用量监控的方式准确度低的问题。

Description

材料用量监控的方法及装置

技术领域

本申请涉及施工管理技术领域，具体而言，涉及一种材料用量监控的方法及装置。

背景技术

目前施工过程中材料(沙、石、渣土等)通常是成堆的堆放置，对于材料的使用情况，现有的通常是人工进行统计，费时费力；并且对材料用量的监控比较简单粗略同时也不够实时。比如统计的内容主要为：一次进料多少吨、几天消耗完等简单的数据统计。综上，现有对于材料用量的监控方式效率较低，影响整个工程的高效率、精细化的监控和管理。

发明内容

本申请的主要目的在于提供一种材料用量监控的方法及装置，以解决现有通过关联商品销售材料用量监控的方式准确度低的问题。

为了实现上述目的，根据本申请的第一方面，提供了一种材料用量监控的方法。

根据本申请的材料用量监控的方法包括：

获取材料堆在不同时刻的图像数据；

基于预设图像识别法对不同时刻的图像数据进行识别；

根据识别的结果预测所述材料堆在预设时段内的消耗量。

可选的，所述方法还包括：

根据所述消耗量对工程的材料造价进行预算。

可选的，所述获取材料堆在不同时刻的图像数据包括：

分别获取不同拍摄角度的摄像头在不同时刻拍摄的材料堆的图像数据。

可选的，所述基于预设图像识别法对不同时刻的图像数据进行识别包括：

提取图像数据中材料堆区域。

可选的，所述预设时段为第一时刻到第二时刻构成的时段，所述根据识别的结果预测所述材料堆在预设时段内的消耗量包括：

将同一拍摄角度对应的第一时刻和第二时刻的图像数据对应的材料堆区域进行对比分析；

根据对比分析的结果确定所述材料堆在预设时段内的消耗量。

可选的，所述预设图像识别法为人工智能算法，基于预设图像识别法对不同时刻的图像数据进行识别包括：

基于人工智能算法对第一时刻不同拍摄角度的摄像头拍摄的图像数据进行识别分析，确定材料堆在第一时刻对应的第一属性值，属性值至少包括高度值、占地面积；

基于人工智能算法对第二时刻不同拍摄角度的摄像头拍摄的图像数据进行识别分析，确定材料堆在第二时刻对应的第二属性值。

可选的，所述预设时段为第一时刻到第二时刻构成的时段，所述根据识别的结果预测所述材料堆在预设时段内的消耗量包括：

根据第一属性值和第二属性值计算在预设时段内的消耗体积。

可选的，所述根据所述消耗量对工程的材料造价进行预算包括：

获取工程所需的材料的种类；

获取不同材料对应的消耗量；

根据材料的种类以及对应的消耗量对材料造价进行预算。

为了实现上述目的，根据本申请的第二方面，提供了一种材料用量监控的装置。

根据本申请的材料用量监控的装置包括：

获取单元，用于获取材料堆在不同时刻的图像数据；

识别单元，用于基于预设图像识别法对不同时刻的图像数据进行识别；

预测单元，用于根据识别的结果预测所述材料堆在预设时段内的消耗量。

可选的，所述装置还包括：

预算单元，用于根据所述消耗量对工程的材料造价进行预算。

可选的，所述获取单元用于：

分别获取不同拍摄角度的摄像头在不同时刻拍摄的材料堆的图像数据。

可选的，所述识别单元用于：

提取图像数据中材料堆区域。

可选的，所述预设时段为第一时刻到第二时刻构成的时段，所述预测单元包括：

对比模块，用于将同一拍摄角度对应的第一时刻和第二时刻的图像数据对应的材料堆区域进行对比分析；

确定模块，用于根据对比分析的结果确定所述材料堆在预设时段内的消耗量。

可选的，所述预设图像识别法为人工智能算法，所述识别单元包括：

第一识别模块，用于基于人工智能算法对第一时刻不同拍摄角度的摄像头拍摄的图像数据进行识别分析，确定材料堆在第一时刻对应的第一属性值，属性值至少包括高度值、占地面积；

第二识别模块，用于基于人工智能算法对第二时刻不同拍摄角度的摄像头拍摄的图像数据进行识别分析，确定材料堆在第二时刻对应的第二属性值。

可选的，所述预设时段为第一时刻到第二时刻构成的时段，所述预测单元用于：

根据第一属性值和第二属性值计算在预设时段内的消耗体积。

可选的，所述预算单元包括：

第一获取模块，用于获取工程所需的材料的种类；

第二获取模块，用于获取不同材料对应的消耗量；

预算模块，用于根据材料的种类以及对应的消耗量对材料造价进行预算。

为了实现上述目的，根据本申请的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述第一方面中任意一项所述的材料用量监控的方法。

为了实现上述目的，根据本申请的第四方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述第一方面中任意一项所述的材料用量监控的方法。

在本申请实施例中，材料用量监控的方法及装置中，首先，获取材料堆在不同时刻的图像数据；然后，基于预设图像识别法对不同时刻的图像数据进行识别；最后，根据识别的结果预测所述材料堆在预设时段内的消耗量。可以看出，本申请中，基于预设图像识别法对材料堆在不同时刻的图像进行识别分析，并根据识别的结果来预测材料堆的消耗量。整个过程中不需要人工操作，更方便更及时，提高效率；另外，能够对预设时段内的消耗量进行实时的预测，比如预设时段可以为一天，一个小时等时段，因此可以实现精细化的监控和管理。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例提供的一种材料用量监控的方法流程图；

图2是根据本申请实施例提供的另一种材料用量监控的方法流程图；

图3是根据本申请实施例提供的一种材料用量监控的装置的组成框图；

图4是根据本申请实施例提供的另一种材料用量监控的装置的组成框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

根据本申请实施例，提供了一种材料用量监控的方法，如图1所示，该方法包括如下的步骤。首先需要说明的是本实施例中预设图像识别法为人工智能算法。

S101.获取材料堆在不同时刻的图像数据。

材料堆为同一种材料组成的材料堆。在施工的工程中，材料随着时间的推移，逐渐减少，材料堆的外部轮廓或者结构或者体积会发生变化，比如高度降低、占地面积减少等等。为了达到智能化的监控，本实施例利用材料堆在不同时刻对应的图像数据进行识别分析，根据图像识别分析来确定高度、占地面积等的变化，从而对消耗量进行预估。因此需要获取在不同时刻的材料堆的图像数据。具体的不同的时刻可以根据实际的需求选择，不同时刻至少包括两个时刻。

为了得到更准确的预测结果，本实施例设置多个不同拍摄角度的摄像头进行图像的采集，至少设置两个不同拍摄角度的摄像头。也可以设置更多数量的摄像头。需要说明的是，不管设置几个摄像头，获取的图像数据的总和能够包含材料堆360度无死角的全方位图像。

S102.基于人工智能算法对不同时刻的图像数据进行识别。

具体的人工智算法为图像识别算法，本步骤为基于图像识别算法对上述得到的图像数据进行识别，先定位出图像中的材料堆区域，然后对材料堆区域进行识别确定每个时刻对应的材料堆的属性值。所述属性值包括高度、占地面积、被挖后形成的坑的深度、坑的截面积等。占地面积可以根据占地的宽度、长度以及形状进行面积的估算。实际的宽度、长度、高度、深度等需要根据图像大小与实际的比例进行计算，并且还需要考虑不同的拍摄角度对宽度、长度、高度、深度等数值的影响。需要说明的是坑的深度可以根据太阳照射后形成的阴影的大小长度结合太阳的照射角度等特征计算得到。

在实际的应用中，在进行识别之前根据大量的样本数据(已知各种属性值的图像数据)进行训练，得到识别模型(具体的识别模型可以为卷积神经网络模型(ConvolutionalNeural Networks,CNN)、DNN(深度神经网络)等)，在后续的识别过程中，只需要将图像和材料堆的种类输出到识别模型中就可以得到识别的结果(属性值)。材料堆的种类包括沙、石、渣土等类型。

S103.根据识别的结果预测所述材料堆在预设时段内的消耗量。

具体的，根据识别的结果中的属性值进行消耗的材料堆的体积的计算，得到的体积的消耗即为消耗量。

预设时段是自由设置的时间段，比如若想要获取到某一天的消耗量，则可以根据某一天中从施工开始时间(第一时刻)到施工结束时间(第二时刻)对应的图像数据的识别结果进行预测，具体的：获取施工开始时间对应的材料堆的图像数据(包括不同拍摄角度的图像数据)，对其进行识别得到第一属性值；获取施工结束时间对应的材料堆的图像数据(包括不同拍摄角度的图像数据)，对其进行识别得到第二属性值；根据第一属性值和第二属性值分别计算材料堆在施工开始时间以及施工结束时间对应的材料堆的体积，在将两个时间获取到的体积进行减运算得到消耗的体积。在实际的应用中，可以根据多天的消耗量的平均值来估计材料堆的日消耗量。另外，对同一种材料的日消耗量的统计还可以分析施工进度的完成状况，施工人员的工作效率等等。

从以上的描述中，可以看出，本申请实施例的材料用量监控的方法中，首先，获取材料堆在不同时刻的图像数据；然后，基于人工智能算法对不同时刻的图像数据进行识别；最后，根据识别的结果预测所述材料堆在预设时段内的消耗量。可以看出，本申请中，基于人工智能算法对材料堆在不同时刻的图像进行识别分析，并根据识别的结果来预测材料堆的消耗量。整个过程中不需要人工操作，更方便更及时，提高效率；另外，能够对预设时段内的消耗量进行实时的预测，比如预设时段可以为一天，一个小时等时段，因此可以实现精细化的监控和管理。

根据本申请实施例，提供了另一种材料用量监控的方法，如图2所示，该方法包括如下的步骤：首先需要说明的是，本实施例中基于预设图像识别法对不同时刻的图像数据进行识别具体为根据预设的图像识别算法提取图像数据中材料堆区域。

S201.获取材料堆在不同时刻的图像数据。

具体的不同时刻可以根据实际的需求选择，不同时刻至少包括两个时刻。为了得到更准确的预测结果，本实施例设置多个不同拍摄角度的摄像头进行图像数据的采集，至少设置两个不同拍摄角度的摄像头。也可以设置更多数量的摄像头，摄像头的数量越多得到的预测结果越准确。

S202.提取图像数据中材料堆区域。

步骤S101中得到的图像数据中包括材料堆区域和非材料堆区域，材料堆区域提取可以通过图像感兴趣区域ROI提取的方式进行提取。图像感兴趣区域ROI提取的方式具体可以为差影法、交互式提取法、改进的Stentiford视觉模型方法等。为了后续比对的方便，将图像数据中的材料堆区域的轮廓进行标记。

需要说明的是，本实施例中预设图像识别法为图像感兴趣区域ROI提取的各种方式。

S203.将同一拍摄角度对应的不同时刻的图像数据对应的材料堆区域进行对比分析。

具体的是将同一拍摄角度不同时刻的图像数据中的材料堆区域的面积进行比对，判断材料堆区域面积的变化。给出具体的示例进行说明：假设摄像头1在第一时刻得到的图像数据中材料堆区域的面积为A，计算A占其起始时(材料堆的材料开始减少时)材料堆区域的面积的比例，假设为80％，在第二时刻得到的图像数据中材料堆区域的面积为B，计算B占其起始时材料堆区域的面积的比例，假设为50％。将80％和50％进行对比分析，得到消耗比例30％。需要说明的是，上述示例中第一时刻和第二时刻对应的起始时材料堆区域的面积是相同的。

在实际的应用中，还存在起始时材料堆区域的面积是变化的情况。比如当材料堆的材料没有用完的情况下又增加了，这时起始时材料堆区域的面积会发生变化。比如，一开始材料堆为10方沙土，在其被消耗使用的过程中，10方沙土对应的材料堆区域的面积为起始时的材料堆的面积，在消耗了一半的时候，又增加了10方沙土，继续使用，这时起始时材料堆区域的面积为15方的材料堆区域的面积，显然与10方沙土对应的材料堆区域面积是不同的。

当第一时刻和第二时刻对应的起始时材料堆区域的面积不同时，需要再获取起始时材料堆区域的面积变化前后材料堆区域的图像数据以及图像区域对应的材料堆区域的面积，再结合第一时刻和第二时刻对应的材料堆区域的面积进行分析得到消耗的比例。给出具体的示例进行说明：

假设，第一时刻为t1，第二时刻为t2，t1和t2的中间时刻t3时材料堆的材料不减反增，t1对应的起始时材料堆区域的面积为S1，t2对应的起始时材料堆区域的面积为S2(材料堆不减反增后材料堆区域的面积)，t1对应的图像数据的材料堆区域面积为A，t2对应的图像数据的材料堆区域面积为B，t3时刻前(即材料堆的材料要增加之前时)对应的图像数据的材料堆区域面积为C；分别计算A/S1、C/S1、B/S2的三个比值，然后根据三个比值计算得到两个消耗比例A/S1-C/S1和1-B/S2。

S204.根据对比分析的结果确定材料堆在预设时段内的消耗量。

针对步骤S103计算出的消耗比例计算消耗量，具体是将消耗比例与对应的起始时材料堆的总量计算得到。针对上述步骤S103中的两种情况分别进行举例说明：

第一种情况，第一时刻和第二时刻对应的起始时材料堆区域的面积是相同的：消耗量＝消耗比例×起始时材料堆的总量。对应于上述示例中，消耗比例为30％。起始时材料堆的总量为体积数(方)或者重量(吨)等。

第二种情况，第一时刻和第二时刻对应的起始时材料堆区域的面积不同：消耗量＝第一消耗比例×第一起始时材料堆的总量+第二消耗比例×第二起始时材料堆的总量。对应于上述示例中，第一消耗比例为A/S1-C/S1和第二消耗比例为1-B/S2；第一起始时材料堆的总量为材料增加前的起始材料堆的总量，第二起始时材料堆的总量为材料增加后的起始材料堆的总量。

另外，还需要说明的是，在实际的应用中，对于不同拍摄角度的摄像头，得到的消耗比例有可能是不同的，可以得到多个消耗比例，对于有多个消耗比例的情况下可以计算多个消耗比例的均值，通过消耗均值来计算消耗量。

进一步的，得到材料的消耗量后，还可以根据所述消耗量对工程的材料造价进行预算。具体的包括：获取工程所需的材料的种类；获取不同材料对应的消耗量；根据材料的种类以及对应的消耗量对材料造价进行预算。给出具体的示例进行说明：假设某项工程所需要的主要材料包括沙、石子两种材料，通过上述图1或图2的实施例的材料用量监控的方法可以得到沙和石子的日消耗量，然后结合每日的工程进度以及整个工程的施工计划时长，可以计算出整个工程完成所需的沙和石子两种材料的用量，然后根据两种材料的用量以及单价可以计算出材料的成本或造价。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本申请实施例，还提供了一种用于实施上述图1-2所述方法的材料用量监控的装置，如图3所示，该装置包括：

获取单元31，用于获取材料堆在不同时刻的图像数据；

识别单元32，用于基于预设图像识别法对不同时刻的图像数据进行识别；

预测单元33，用于根据识别的结果预测所述材料堆在预设时段内的消耗量。

从以上的描述中，可以看出，本申请实施例的材料用量监控的装置中，首先，获取材料堆在不同时刻的图像数据；然后，基于预设图像识别法对不同时刻的图像数据进行识别；最后，根据识别的结果预测所述材料堆在预设时段内的消耗量。可以看出，本申请中，基于预设图像识别法对材料堆在不同时刻的图像进行识别分析，并根据识别的结果来预测材料堆的消耗量。整个过程中不需要人工操作，更方便更及时，提高效率；另外，能够对预设时段内的消耗量进行实时的预测，比如预设时段可以为一天，一个小时等时段，因此可以实现精细化的监控和管理。

进一步的，如图4所示，所述装置还包括：

预算单元34，用于根据所述消耗量对工程的材料造价进行预算。

进一步的，所述获取单元31用于：

分别获取不同拍摄角度的摄像头在不同时刻拍摄的材料堆的图像数据。

进一步的，所述识别单元32用于：

提取图像数据中材料堆区域。

进一步的，所述预设时段为第一时刻到第二时刻构成的时段，如图4所示，所述预测单元33包括：

对比模块331，用于将同一拍摄角度对应的第一时刻和第二时刻的图像数据对应的材料堆区域进行对比分析；

确定模块332，用于根据对比分析的结果确定所述材料堆在预设时段内的消耗量。

进一步的，所述预设图像识别法为人工智能算法，如图4所示，所述识别单元32包括：

第一识别模块321，用于基于人工智能算法对第一时刻不同拍摄角度的摄像头拍摄的图像数据进行识别分析，确定材料堆在第一时刻对应的第一属性值，属性值至少包括高度值、占地面积；

第二识别模块322，用于基于人工智能算法对第二时刻不同拍摄角度的摄像头拍摄的图像数据进行识别分析，确定材料堆在第二时刻对应的第二属性值。

进一步的，所述预设时段为第一时刻到第二时刻构成的时段，所述预测单元33用于：

根据第一属性值和第二属性值计算在预设时段内的消耗体积。

进一步的，如图4所示，所述预算单元34包括：

第一获取模块341，用于获取工程所需的材料的种类；

第二获取模块342，用于获取不同材料对应的消耗量；

预算模块343，用于根据材料的种类以及对应的消耗量对材料造价进行预算。

具体的，本申请实施例的装置中各单元、模块实现其功能的具体过程可参见方法实施例中的相关描述，此处不再赘述。

根据本申请实施例，还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述方法实施例中的材料用量监控的方法。

根据本申请实施例，还提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述方法实施例中的材料用量监控的方法。

显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种材料用量监控的方法，其特征在于，所述方法包括：

获取材料堆在不同时刻的图像数据；

基于预设图像识别法对不同时刻的图像数据进行识别；

根据识别的结果预测所述材料堆在预设时段内的消耗量。

2.根据权利要求1所述的材料用量监控的方法，其特征在于，所述方法还包括：

根据所述消耗量对工程的材料造价进行预算。

3.根据权利要求1所述的材料用量监控的方法，其特征在于，所述获取材料堆在不同时刻的图像数据包括：

分别获取不同拍摄角度的摄像头在不同时刻拍摄的材料堆的图像数据。

4.根据权利要求3所述的材料用量监控的方法，其特征在于，所述基于预设图像识别法对不同时刻的图像数据进行识别包括：

提取图像数据中材料堆区域。

5.根据权利要求4所述的材料用量监控的方法，其特征在于，所述预设时段为第一时刻到第二时刻构成的时段，所述根据识别的结果预测所述材料堆在预设时段内的消耗量包括：

将同一拍摄角度对应的第一时刻和第二时刻的图像数据对应的材料堆区域进行对比分析；

根据对比分析的结果确定所述材料堆在预设时段内的消耗量。

6.根据权利要求3所述的材料用量监控的方法，其特征在于，所述预设图像识别法为人工智能算法，基于预设图像识别法对不同时刻的图像数据进行识别包括：

基于人工智能算法对第一时刻不同拍摄角度的摄像头拍摄的图像数据进行识别分析，确定材料堆在第一时刻对应的第一属性值，属性值至少包括高度值、占地面积；

基于人工智能算法对第二时刻不同拍摄角度的摄像头拍摄的图像数据进行识别分析，确定材料堆在第二时刻对应的第二属性值。

7.根据权利要求6所述的材料用量监控的方法，其特征在于，所述预设时段为第一时刻到第二时刻构成的时段，所述根据识别的结果预测所述材料堆在预设时段内的消耗量包括：

根据第一属性值和第二属性值计算在预设时段内的消耗体积。

8.根据权利要求2所述的材料用量监控的方法，其特征在于，所述根据所述消耗量对工程的材料造价进行预算包括：

获取工程所需的材料的种类；

获取不同材料对应的消耗量；

根据材料的种类以及对应的消耗量对材料造价进行预算。

9.一种材料用量监控的装置，其特征在于，所述装置包括：

获取单元，用于获取材料堆在不同时刻的图像数据；

识别单元，用于基于预设图像识别法对不同时刻的图像数据进行识别；

预测单元，用于根据识别的结果预测所述材料堆在预设时段内的消耗量。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-6任意一项所述的材料用量监控的方法。

Images