CN114359818A - 稼动率分析方法、装置、计算机设备及存储介质 - Google Patents
稼动率分析方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114359818A CN114359818A CN202210256376.3A CN202210256376A CN114359818A CN 114359818 A CN114359818 A CN 114359818A CN 202210256376 A CN202210256376 A CN 202210256376A CN 114359818 A CN114359818 A CN 114359818A
- Authority
- CN
- China
- Prior art keywords
- time
- image frame
- utilization rate
- video
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例公开了稼动率分析方法、装置、计算机设备及存储介质。所述方法包括:拉取来自媒体服务的待分析视频;对所述待分析视频进行处理,以得到图像帧;对所述图像帧进行边缘计算,以得到计算结果;根据所述计算结果进行稼动率计算,以得到稼动率。通过实施本发明实施例的方法可实现图像帧在边缘侧处理,大大减小数据流量,并提高数据安全性,且边缘计算方式实时性高,有利于及时处理突发事故,计算结果准确率高。
Description
技术领域
本发明涉及稼动率,更具体地说是指稼动率分析方法、装置、计算机设备及存储介质。
背景技术
随着智慧物联、深度学习、视频分析等新技术的发展,传统工厂行业开始向智慧工厂转型,利用技术手段在设备、流程、制造等方面帮助企业减少人力成本、提高生产效率、提升产品质量。
在生产效率方面,稼动率的提升是一项重要指标,稼动率是指“针对定时条件下设备满负荷开工能力,生产出必要生产量所需的必要时间所占的比例”,工厂的稼动率又可分为人员稼动率和设备稼动率,目前大部分智慧工厂在稼动率方面的统计主要是通过简单采集生产线的数据、监测产线工位和设备状态来分析,计算结果存在误差,设备发生故障时不能及时处理。
因此,有必要设计一种新的方法,实现减小数据流量,提高数据安全性,实时性高,有利于及时处理突发事故,计算结果准确率高。
发明内容
本发明的目的在于克服现有技术的缺陷,提供稼动率分析方法、装置、计算机设备及存储介质。
为实现上述目的,本发明采用以下技术方案:稼动率分析方法,包括:
拉取来自媒体服务的待分析视频;
对所述待分析视频进行处理,以得到图像帧;
对所述图像帧进行边缘计算,以得到计算结果;
根据所述计算结果进行稼动率计算,以得到稼动率。
其进一步技术方案为:所述对所述待分析视频进行处理,以得到图像帧,包括:
对所述待分析视频进行解码,以得到图像帧。
其进一步技术方案为:所述计算结果包括人员在岗作业时间、设备作业时间、设备流失时间、负荷时间以及停机时间;
所述对所述图像帧进行边缘计算,以得到计算结果,包括:
对所述图像帧采用边缘计算方法进行人员在岗作业时间计算,以得到人员在岗作业时间;
对所述图像帧采用边缘计算方法进行设备作业时间以及设备流失时间计算,以得到设备作业时间以及设备流失时间;
对所述图像帧采用边缘计算方法进行负荷时间以及停机时间计算,以得到负荷时间以及停机时间。
其进一步技术方案为:所述对所述图像帧采用边缘计算方法进行人员在岗作业时间计算,以得到人员在岗作业时间,包括:
在边缘侧对所述图像帧框定作业区域并导入相关人员脸部图片;
将作业区域与相关人员脸部图片进行关联,以得到关联信息;
识别所述图像帧内相关人员以及所处的区域信息;
根据所述关联信息、相关人员以及所处的区域信息确定相关人员在岗作业时间,以得到人员在岗作业时间。
其进一步技术方案为:所述对所述图像帧采用边缘计算方法进行设备作业时间以及设备流失时间计算,以得到设备作业时间以及设备流失时间,包括:
在边缘侧通过安全灯视频识别算法识别所述图像帧内的安全灯的颜色,以确定设备作业时间以及设备流失时间。
其进一步技术方案为:所述对所述图像帧采用边缘计算方法进行负荷时间以及停机时间计算,以得到负荷时间以及停机时间,包括:
在边缘侧通过仪表视频识别算法识别所述图像帧内的设备仪表盘的读数,以确定负荷时间以及停机时间。
其进一步技术方案为:所述稼动率包括人员稼动率以及设备稼动率。
本发明还提供了稼动率分析装置,包括:
拉取单元,用于拉取来自媒体服务的待分析视频;
处理单元,用于对所述待分析视频进行处理,以得到图像帧;
边缘计算单元,用于对所述图像帧进行边缘计算,以得到计算结果;
稼动率计算单元,用于根据所述计算结果进行稼动率计算,以得到稼动率。
本发明还提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
本发明还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法。
本发明与现有技术相比的有益效果是:本发明通过拉取待分析视频,对待分析视频进行解码处理,得到图像帧,进行边缘计算,再进行稼动率计算,图像帧在边缘侧处理,大大减小数据流量,并提高数据安全性,且边缘计算方式实时性高,有利于及时处理突发事故,计算结果准确率高。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的稼动率分析方法的应用场景示意图;
图2为本发明实施例提供的稼动率分析方法的流程示意图;
图3为本发明实施例提供的稼动率分析方法的子流程示意图;
图4为本发明实施例提供的稼动率分析方法的子流程示意图;
图5为本发明实施例提供的稼动率展示界面的示意图;
图6为本发明实施例提供的出勤情况展示界面的示意图;
图7为本发明实施例提供的人员稼动率的分析页面示意图;
图8为本发明实施例提供的监控页面的示意图;
图9为本发明实施例提供的实时视频预览界面的示意图;
图10为本发明实施例提供的创建任务的示意图;
图11为本发明实施例提供的选择算法的示意图;
图12为本发明实施例提供的绘制多区域的示意图;
图13为本发明实施例提供的结构化分析展示的示意图;
图14为本发明实施例提供的稼动率分析装置的示意性框图;
图15为本发明实施例提供的稼动率分析装置的边缘计算单元的示意性框图;
图16为本发明实施例提供的稼动率分析装置的在岗作业时间计算子单元的示意性框图;
图17为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1为本发明实施例提供的稼动率分析方法的应用场景示意图。图2为本发明实施例提供的稼动率分析方法的示意性流程图。该稼动率分析方法应用于服务器中。该服务器与摄像头以及终端进行数据交互,其中,服务器的构造如图1所示;服务器包括业务后台、媒体服务以及视频结构化分析服务;业务后台提供web services给终端访问,通过中间件(mysql)存储内部业务数据,如通道、任务信息、分析结果等,并且将媒体任务和分析任务分别下发给媒体服务和视频结构化分析服务;媒体服务提供视频流即待分析视频的拉流转推和本地录制,视频源支持IPC、NVR和第三方服务的推流,拉流后支持RTSP(实时流协议,Real Time Streaming Protocol)/RTMP(实时消息协议 ,Real-TimeMessaging Protocol)/http flv/hls(基于HTTP的自适应码率流媒体传输协议,HTTP LiveStreaming)方式的转推,转推的流一方面给视频结构化分析服务使用,一方面给前端页面即终端观看;视频结构化分析服务采用华为的MindX SDK,框架提供了针对片上IP优化的编解码、分析、画框等相关插件,分析结果待分析结果后的边缘计算结果,通过私有TCP协议推送给业务后台处理,以计算稼动率。服务器为凌华DLAP221边缘计算盒子,通过mqtt协议能够与云端物联。盒子内部采用华为昇腾310处理器,支持多路实时视频分析;机身采用工业规格的设计适用于工厂环境;具有低成本、体积小、功耗小的优点。边缘计算相较于云计算具有以下优势:敏感数据在边缘侧处理,大大减小数据流量并提高数据安全性;实时性高,有利于及时处理突发事故。
视频结构化分析服务以GStreamer作为***框架,即一种流水线式的流媒体处理框架作为***框架,自定义了算法插件支持模型动态加载,分析任务以pipeline形式进行管理。
图2是本发明实施例提供的稼动率分析方法的流程示意图。如图2所示,该方法包括以下步骤S110至S140。
S110、拉取来自媒体服务的待分析视频。
在本实施例中,待分析视频是指由摄像头实时拍摄的视频,上传至媒体服务形成的视频。
具体地,通过视频源输入节点获取视频流如rtsp、视频文件等。
S120、对所述待分析视频进行处理,以得到图像帧。
在本实施例中,图像帧是指由待分析视频解码所得的若干帧图像。
具体地,对所述待分析视频进行解码,以得到图像帧。
通过视频源输入节点对所述待分析视频进行解码,以得到图像帧。
S130、对所述图像帧进行边缘计算,以得到计算结果。
在本实施例中,计算结果包括人员在岗作业时间、设备作业时间、设备流失时间、负荷时间以及停机时间。具体地,通过分析节点从视频源输入节点获得的图像帧进行边缘计算,并输出计算结果。
在一实施例中,请参阅图3,上述的步骤S130可包括步骤S131~ S133。
S131、对所述图像帧采用边缘计算方法进行人员在岗作业时间计算,以得到人员在岗作业时间。
在本实施例中,人员在岗作业时间是指相关人员在对应位置上的时间。
在一实施例中,请参阅图4,上述的步骤S131可包括步骤S1311~ S1314。
S1311、在边缘侧对所述图像帧框定作业区域并导入相关人员脸部图片。
在本实施例中,框定作业区域的目的是确定人员是否在对应的岗位上,且导入相关人员脸部图片是为了确保是对应的人员在对应的岗位上。
S1312、将作业区域与相关人员脸部图片进行关联,以得到关联信息。
在本实施例中,关联信息是指作业区域与相关人员脸部图片一一对应的关联关系。
S1313、识别所述图像帧内相关人员以及所处的区域信息。
在本实施例中,识别所述图像帧内相关人员的脸部信息,区域信息是指该人员所在的图像帧上的位置信息。
S1314、根据所述关联信息、相关人员以及所处的区域信息确定相关人员在岗作业时间,以得到人员在岗作业时间。
在本实施例中,根据所述关联信息、相关人员以及所处的区域信息确定是对应的人员在该区域,以确定人员在岗作业时间,若不是对应的人员在该区域,或者是对应的人不在对应的区域,则认为人员不在岗,可计时确定人员不在岗作业时间。
具体地,通过人员在岗视频识别算法得出人员在岗作业时间。首先在web页面中框定作业区域并导入相关人员的脸部图片,将区域与人员关联。当图像帧中检测到相关人员并且识别到该人员处于视频中的指定区域,判定为该人员在岗,否则视为离岗,出勤时间一般为固定时间。另外,人员稼动率=实际作业时间/出勤时间=在岗时间/出勤时间。
S132、对所述图像帧采用边缘计算方法进行设备作业时间以及设备流失时间计算,以得到设备作业时间以及设备流失时间。
在本实施例中,设备作业时间是指设备工作的时长;设备流失时间是指设备运行出错,处于不作业的时长。
具体地,在边缘侧通过安全灯视频识别算法识别所述图像帧内的安全灯的颜色,以确定设备作业时间以及设备流失时间。设备运行时安全灯点亮(非红灯),视为作业中。设备运行出错时,安全灯为红色,视为非作业。安全灯视频识别算法具体是识别图像帧内的设备安全灯的颜色确定不同颜色的时长,由此确定设备作业时间以及设备流失时间。另外,设备稼动率=(作业时间–非作业时间)/作业时间。
S133、对所述图像帧采用边缘计算方法进行负荷时间以及停机时间计算,以得到负荷时间以及停机时间。
在本实施例中,负荷时间是指设备仪表盘的读数不为零的时长;停机时间是指设备仪表盘的读数为零的时长。
具体地,在边缘侧通过仪表视频识别算法识别所述图像帧内的设备仪表盘的读数,以确定负荷时间以及停机时间。
通过仪表视频识别算法得出负荷时间以及停机时间,视频源对准设备仪表盘,指针读数大于0,视为设备负荷,否则视为设备停机。另外,时间稼动率(可用率)=(负荷时间-停机时间)/负荷时间。仪表视频识别算法是指识别设备仪表盘的数值的算法。
S140、根据所述计算结果进行稼动率计算,以得到稼动率。
在本实施例中,所述稼动率包括人员稼动率以及设备稼动率。
将计算结果通过http请求发送到业务后台,进行稼动率计算。所述稼动率包括人员稼动率和设备稼动率。人员稼动率=实际作业时间/出勤时间;设备稼动率=(作业时间-流失时间)/作业时间;时间稼动率(可用率)=(负荷时间-停机时间)/负荷时间;性能稼动率(表现指数)= 理论节拍时间*投入数量/稼动时间;良品率(质量指数)=(投入数量-不良数量)/投入数量;设备综合效率(OEE)=可用率*表现指数*质量指数。
在边缘侧对工厂存在的人员、设备、产品进行相关的视频检测以及计算,达到自动生成稼动率的报表,同时避免敏感数据外传的目的。
请参参阅图5,展示分析结果报表,也就是稼动率的报表,以及事件记录截图,包括近30天设备稼动率数据,车间出勤情况,产品生产状况以及安全告警事件记录;请参阅图6,展示员工出勤情况,根据识别结果生成对应车间人员流动热力图;请参阅图7,展示员工稼动率趋势以及排名;请参阅图8,展示一段时间内设备的稼动率以及产线情况;请参阅图9,展示实时监控车间情况,也就是待检测视频的实时展示;通过点击终端界面的一分屏或四分屏,实现同时显示一路或四路视频源监控画面以及算法结果,右侧实时显示卡片流,卡片中包含了算法目标的截图、算法名称、算法结果、结果对应的具体时间;具体地,可通过服务器创建一个多算法多区域的分析任务,具体的流程如下,请参阅图10,创建一个分析任务,选择一个通道,通道绑定了某路视频流,支持RTSP/RTMP/NVR/视频文件等格式;请参阅图11,选择一个或多个算法,可以对算法参数进行配置,例如置信度、抽帧间隔、最小识别目标尺寸;请参阅图12,绘制一个区域,选择一个或多个算法;请参阅图13,将最后的分析结果进行展示,也就是展示稼动率以及检测结果。
上述的稼动率分析方法,通过拉取待分析视频,对待分析视频进行解码处理,得到图像帧,进行边缘计算,再进行稼动率计算,图像帧在边缘侧处理,大大减小数据流量,并提高数据安全性,且边缘计算方式实时性高,有利于及时处理突发事故,计算结果准确率高。
图14是本发明实施例提供的一种稼动率分析装置300的示意性框图。如图14所示,对应于以上稼动率分析方法,本发明还提供一种稼动率分析装置300。该稼动率分析装置300包括用于执行上述稼动率分析方法的单元,该装置可以被配置于服务器中。具体地,请参阅图14,该稼动率分析装置300包括拉取单元301、处理单元302、边缘计算单元303以及稼动率计算单元304。
拉取单元301,用于拉取来自媒体服务的待分析视频;处理单元302,用于对所述待分析视频进行处理,以得到图像帧;边缘计算单元303,用于对所述图像帧进行边缘计算,以得到计算结果;稼动率计算单元304,用于根据所述计算结果进行稼动率计算,以得到稼动率。
在一实施例中,所述处理单元302,用于对所述待分析视频进行解码,以得到图像帧。
在一实施例中,如图15所示,所述边缘计算单元303包括在岗作业时间计算子单元3031、设备时间计算子单元3032以及仪表时间计算子单元3033。
在岗作业时间计算子单元3031,用于对所述图像帧采用边缘计算方法进行人员在岗作业时间计算,以得到人员在岗作业时间;设备时间计算子单元3032,用于对所述图像帧采用边缘计算方法进行设备作业时间以及设备流失时间计算,以得到设备作业时间以及设备流失时间;仪表时间计算子单元3033,用于对所述图像帧采用边缘计算方法进行负荷时间以及停机时间计算,以得到负荷时间以及停机时间。
在一实施例中,如图16所示,所述在岗作业时间计算子单元3031包括框定模块30311、关联模块30312、识别模块30313以及时间确定模块30314。
框定模块30311,用于在边缘侧对所述图像帧框定作业区域并导入相关人员脸部图片;关联模块30312,用于将作业区域与相关人员脸部图片进行关联,以得到关联信息;识别模块30313,用于识别所述图像帧内相关人员以及所处的区域信息;时间确定模块30314,用于根据所述关联信息、相关人员以及所处的区域信息确定相关人员在岗作业时间,以得到人员在岗作业时间。
在一实施例中,所述设备时间计算子单元3032,用于在边缘侧通过安全灯视频识别算法识别所述图像帧内的安全灯的颜色,以确定设备作业时间以及设备流失时间。
在一实施例中,所述仪表时间计算子单元3033,用于在边缘侧通过仪表视频识别算法识别所述图像帧内的设备仪表盘的读数,以确定负荷时间以及停机时间。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述稼动率分析装置300和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述稼动率分析装置300可以实现为一种计算机程序的形式,该计算机程序可以在如图17所示的计算机设备上运行。
请参阅图17,图17是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器,其中,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图17,该计算机设备500包括通过***总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作***5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种稼动率分析方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种稼动率分析方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图17中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:
拉取来自媒体服务的待分析视频;对所述待分析视频进行处理,以得到图像帧;对所述图像帧进行边缘计算,以得到计算结果;根据所述计算结果进行稼动率计算,以得到稼动率。
其中,所述计算结果包括人员在岗作业时间、设备作业时间、设备流失时间、负荷时间以及停机时间。
所述稼动率包括人员稼动率以及设备稼动率。
在一实施例中,处理器502在实现所述对所述待分析视频进行处理,以得到图像帧步骤时,具体实现如下步骤:
对所述待分析视频进行解码,以得到图像帧。
在一实施例中,处理器502在实现所述对所述图像帧进行边缘计算,以得到计算结果步骤时,具体实现如下步骤:
对所述图像帧采用边缘计算方法进行人员在岗作业时间计算,以得到人员在岗作业时间;对所述图像帧采用边缘计算方法进行设备作业时间以及设备流失时间计算,以得到设备作业时间以及设备流失时间;对所述图像帧采用边缘计算方法进行负荷时间以及停机时间计算,以得到负荷时间以及停机时间。
在一实施例中,处理器502在实现所述对所述图像帧采用边缘计算方法进行人员在岗作业时间计算,以得到人员在岗作业时间步骤时,具体实现如下步骤:
在边缘侧对所述图像帧框定作业区域并导入相关人员脸部图片;将作业区域与相关人员脸部图片进行关联,以得到关联信息;识别所述图像帧内相关人员以及所处的区域信息;根据所述关联信息、相关人员以及所处的区域信息确定相关人员在岗作业时间,以得到人员在岗作业时间。
在一实施例中,处理器502在实现所述对所述图像帧采用边缘计算方法进行设备作业时间以及设备流失时间计算,以得到设备作业时间以及设备流失时间步骤时,具体实现如下步骤:
在边缘侧通过安全灯视频识别算法识别所述图像帧内的安全灯的颜色,以确定设备作业时间以及设备流失时间。
在一实施例中,处理器502在实现所述对所述图像帧采用边缘计算方法进行负荷时间以及停机时间计算,以得到负荷时间以及停机时间步骤时,具体实现如下步骤:
在边缘侧通过仪表视频识别算法识别所述图像帧内的设备仪表盘的读数,以确定负荷时间以及停机时间。
应当理解,在本申请实施例中,处理器502可以是中央处理单元302 (CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路 (Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机***中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中该计算机程序被处理器执行时使处理器执行如下步骤:
拉取来自媒体服务的待分析视频;对所述待分析视频进行处理,以得到图像帧;对所述图像帧进行边缘计算,以得到计算结果;根据所述计算结果进行稼动率计算,以得到稼动率。
其中,所述计算结果包括人员在岗作业时间、设备作业时间、设备流失时间、负荷时间以及停机时间。
所述稼动率包括人员稼动率以及设备稼动率。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述待分析视频进行处理,以得到图像帧步骤时,具体实现如下步骤:
对所述待分析视频进行解码,以得到图像帧。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述图像帧进行边缘计算,以得到计算结果步骤时,具体实现如下步骤:
对所述图像帧采用边缘计算方法进行人员在岗作业时间计算,以得到人员在岗作业时间;对所述图像帧采用边缘计算方法进行设备作业时间以及设备流失时间计算,以得到设备作业时间以及设备流失时间;对所述图像帧采用边缘计算方法进行负荷时间以及停机时间计算,以得到负荷时间以及停机时间。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述图像帧采用边缘计算方法进行人员在岗作业时间计算,以得到人员在岗作业时间步骤时,具体实现如下步骤:
在边缘侧对所述图像帧框定作业区域并导入相关人员脸部图片;将作业区域与相关人员脸部图片进行关联,以得到关联信息;识别所述图像帧内相关人员以及所处的区域信息;根据所述关联信息、相关人员以及所处的区域信息确定相关人员在岗作业时间,以得到人员在岗作业时间。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述图像帧采用边缘计算方法进行设备作业时间以及设备流失时间计算,以得到设备作业时间以及设备流失时间步骤时,具体实现如下步骤:
在边缘侧通过安全灯视频识别算法识别所述图像帧内的安全灯的颜色,以确定设备作业时间以及设备流失时间。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述图像帧采用边缘计算方法进行负荷时间以及停机时间计算,以得到负荷时间以及停机时间步骤时,具体实现如下步骤:
在边缘侧通过仪表视频识别算法识别所述图像帧内的设备仪表盘的读数,以确定负荷时间以及停机时间。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元302中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.稼动率分析方法,其特征在于,包括:
拉取来自媒体服务的待分析视频;
对所述待分析视频进行处理,以得到图像帧;
对所述图像帧进行边缘计算,以得到计算结果;
根据所述计算结果进行稼动率计算,以得到稼动率。
2.根据权利要求1所述的稼动率分析方法,其特征在于,所述对所述待分析视频进行处理,以得到图像帧,包括:
对所述待分析视频进行解码,以得到图像帧。
3.根据权利要求1所述的稼动率分析方法,其特征在于,所述计算结果包括人员在岗作业时间、设备作业时间、设备流失时间、负荷时间以及停机时间;
所述对所述图像帧进行边缘计算,以得到计算结果,包括:
对所述图像帧采用边缘计算方法进行人员在岗作业时间计算,以得到人员在岗作业时间;
对所述图像帧采用边缘计算方法进行设备作业时间以及设备流失时间计算,以得到设备作业时间以及设备流失时间;
对所述图像帧采用边缘计算方法进行负荷时间以及停机时间计算,以得到负荷时间以及停机时间。
4.根据权利要求3所述的稼动率分析方法,其特征在于,所述对所述图像帧采用边缘计算方法进行人员在岗作业时间计算,以得到人员在岗作业时间,包括:
在边缘侧对所述图像帧框定作业区域并导入相关人员脸部图片;
将作业区域与相关人员脸部图片进行关联,以得到关联信息;
识别所述图像帧内相关人员以及所处的区域信息;
根据所述关联信息、相关人员以及所处的区域信息确定相关人员在岗作业时间,以得到人员在岗作业时间。
5.根据权利要求3所述的稼动率分析方法,其特征在于,所述对所述图像帧采用边缘计算方法进行设备作业时间以及设备流失时间计算,以得到设备作业时间以及设备流失时间,包括:
在边缘侧通过安全灯视频识别算法识别所述图像帧内的安全灯的颜色,以确定设备作业时间以及设备流失时间。
6.根据权利要求3所述的稼动率分析方法,其特征在于,所述对所述图像帧采用边缘计算方法进行负荷时间以及停机时间计算,以得到负荷时间以及停机时间,包括:
在边缘侧通过仪表视频识别算法识别所述图像帧内的设备仪表盘的读数,以确定负荷时间以及停机时间。
7.根据权利要求1所述的稼动率分析方法,其特征在于,所述稼动率包括人员稼动率以及设备稼动率。
8.稼动率分析装置,其特征在于,包括:
拉取单元,用于拉取来自媒体服务的待分析视频;
处理单元,用于对所述待分析视频进行处理,以得到图像帧;
边缘计算单元,用于对所述图像帧进行边缘计算,以得到计算结果;
稼动率计算单元,用于根据所述计算结果进行稼动率计算,以得到稼动率。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210256376.3A CN114359818B (zh) | 2022-03-16 | 2022-03-16 | 稼动率分析方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210256376.3A CN114359818B (zh) | 2022-03-16 | 2022-03-16 | 稼动率分析方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114359818A true CN114359818A (zh) | 2022-04-15 |
CN114359818B CN114359818B (zh) | 2022-06-14 |
Family
ID=81094573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210256376.3A Active CN114359818B (zh) | 2022-03-16 | 2022-03-16 | 稼动率分析方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114359818B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115311796A (zh) * | 2022-07-11 | 2022-11-08 | 西安电子科技大学广州研究院 | 边缘智能安防报警*** |
CN116362454A (zh) * | 2023-06-03 | 2023-06-30 | 宁德时代新能源科技股份有限公司 | 产能分析***及方法、电子设备、存储介质、产品 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160149850A1 (en) * | 2014-11-24 | 2016-05-26 | Linkedln Corporation | Intelligent scheduling for employee activation |
CN111193662A (zh) * | 2019-12-27 | 2020-05-22 | 浙江华工赛百数据***有限公司 | 一种基于视觉识别的边缘计算网关 |
CN112016369A (zh) * | 2019-05-31 | 2020-12-01 | 阿里巴巴集团控股有限公司 | 确定生产进度、订单盘点的方法、***及边缘服务器 |
CN112689069A (zh) * | 2020-12-18 | 2021-04-20 | 上海上实龙创智能科技股份有限公司 | 一种基于边缘网关的产线纠错辅助***及方法 |
CN113238544A (zh) * | 2021-04-27 | 2021-08-10 | 深圳市益普科技有限公司 | 基于动作信号的设备数据采集***及方法 |
CN113723315A (zh) * | 2021-09-01 | 2021-11-30 | 常熟希那基汽车零件有限公司 | 一种基于树莓派的稼动率监视*** |
CN113780906A (zh) * | 2020-06-09 | 2021-12-10 | 富鼎电子科技(嘉善)有限公司 | 机台管理方法、装置及计算机可读存储介质 |
-
2022
- 2022-03-16 CN CN202210256376.3A patent/CN114359818B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160149850A1 (en) * | 2014-11-24 | 2016-05-26 | Linkedln Corporation | Intelligent scheduling for employee activation |
CN112016369A (zh) * | 2019-05-31 | 2020-12-01 | 阿里巴巴集团控股有限公司 | 确定生产进度、订单盘点的方法、***及边缘服务器 |
CN111193662A (zh) * | 2019-12-27 | 2020-05-22 | 浙江华工赛百数据***有限公司 | 一种基于视觉识别的边缘计算网关 |
CN113780906A (zh) * | 2020-06-09 | 2021-12-10 | 富鼎电子科技(嘉善)有限公司 | 机台管理方法、装置及计算机可读存储介质 |
CN112689069A (zh) * | 2020-12-18 | 2021-04-20 | 上海上实龙创智能科技股份有限公司 | 一种基于边缘网关的产线纠错辅助***及方法 |
CN113238544A (zh) * | 2021-04-27 | 2021-08-10 | 深圳市益普科技有限公司 | 基于动作信号的设备数据采集***及方法 |
CN113723315A (zh) * | 2021-09-01 | 2021-11-30 | 常熟希那基汽车零件有限公司 | 一种基于树莓派的稼动率监视*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115311796A (zh) * | 2022-07-11 | 2022-11-08 | 西安电子科技大学广州研究院 | 边缘智能安防报警*** |
CN116362454A (zh) * | 2023-06-03 | 2023-06-30 | 宁德时代新能源科技股份有限公司 | 产能分析***及方法、电子设备、存储介质、产品 |
CN116362454B (zh) * | 2023-06-03 | 2023-10-20 | 宁德时代新能源科技股份有限公司 | 产能分析***及方法、电子设备、存储介质、产品 |
Also Published As
Publication number | Publication date |
---|---|
CN114359818B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114359818B (zh) | 稼动率分析方法、装置、计算机设备及存储介质 | |
CN111723727B (zh) | 基于边缘计算的云监控方法、装置、电子设备及存储介质 | |
CN110572579B (zh) | 图像处理方法、装置及电子设备 | |
CN110348522B (zh) | 一种图像检测识别方法及***、电子设备、图像分类网络优化方法及*** | |
CN111629264B (zh) | 一种基于web的分离式前端图像渲染方法 | |
US11551447B2 (en) | Real-time video stream analysis system using deep neural networks | |
CN114943936A (zh) | 目标行为识别方法、装置、电子设备及存储介质 | |
CN112235540A (zh) | 一种用于屏幕显示故障识别报警的智能视频监控*** | |
CN113395523B (zh) | 基于并行线程的图像解码方法、装置、设备及存储介质 | |
CN102148983A (zh) | 一种解决处理高清图像资源占用过高的方法 | |
CN110704268B (zh) | 一种视频图像自动化测试方法及装置 | |
CN112040090A (zh) | 视频流处理方法、装置、电子设备和存储介质 | |
US20230168945A1 (en) | Efficient High Bandwidth Shared Memory Architectures for Parallel Machine Learning and AI Processing of Large Data Sets and Streams | |
CN117176990A (zh) | 一种视频流处理方法、装置、电子设备及存储介质 | |
US20160165282A1 (en) | Method and device for post processing of a video stream | |
CN115147752A (zh) | 一种视频分析方法、装置及计算机设备 | |
CN114039279A (zh) | 轨道交通站内的控制柜监控方法及*** | |
TW202249035A (zh) | 工業互聯網的雲邊協同處理方法、電子裝置及存儲介質 | |
CN111866586B (zh) | 井下视频数据处理方法、装置、电子设备及存储介质 | |
US11893791B2 (en) | Pre-processing image frames based on camera statistics | |
CN113596395A (zh) | 一种图像获取的方法及监控设备 | |
CN110321857B (zh) | 基于边缘计算技术的精准客群分析方法 | |
CN109194981B (zh) | 远程视频追踪方法、装置、存储介质 | |
EP3975159A1 (en) | Method and a system for measuring the latency of a graphical display output | |
CN111047433A (zh) | 用户数异常原因的分析方法、装置、服务器和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Patentee after: Shenzhen Huafu Technology Co.,Ltd. Address before: 518000 Room 201, building A, 1 front Bay Road, Shenzhen Qianhai cooperation zone, Shenzhen, Guangdong Patentee before: SHENZHEN HUAFU INFORMATION TECHNOLOGY Co.,Ltd. |