应用于安全生产管理的工厂设备运行数据处理方法及系统与流程

本发明涉及人工智能，具体而言，涉及一种应用于安全生产管理的工厂设备运行数据处理方法及系统。

背景技术：

1、在工厂的安全生产管理中，一般会先进行工厂设备的运行数据采集操作，如对工厂设备进行运行视频监控，以得到对应的监控视频，然后，可以对监控视频进行分析进行运行状态分析操作，例如，可以基于人工智能技术，对监控视频进行运行状态分析。其中，人工智能技术是一门综合学科，既有硬件层面的技术也有软件层面的技术。人工智能基础技术，一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。其中，机器学习(machinelearning，ml)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。

2、但是，在现有技术中，在基于人工智能技术，对监控视频进行分析的过程中，存在着分析的可靠度不高的问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种应用于安全生产管理的工厂设备运行数据处理方法及系统，以在一定程度上提高运行数据分析的可靠度。

2、为实现上述目的，本发明实施例采用如下技术方案：

3、一种应用于安全生产管理的工厂设备运行数据处理方法，所述工厂设备运行数据处理方法包括：

4、提取多个典型设备运行信息，所述典型设备运行信息包括典型设备运行监控视频和所述典型设备运行监控视频对应的典型优化运行监控视频；

5、依据所述多个典型设备运行信息，对初始视频优化网络进行更新调整；

6、通过更新调整后的所述初始视频优化网络，对待处理的目标设备运行监控视频进行视频优化操作，以形成所述目标设备运行监控视频对应的目标优化运行监控视频，所述目标优化运行监控视频包括的视频帧的数量小于或等于所述目标设备运行监控视频包括的视频帧的数量，所述目标设备运行监控视频基于对目标工厂设备进行视频监控以形成；

7、通过进行更新调整操作形成的设备运行状态分析网络，对所述目标优化运行监控视频进行运行状态分析操作，以输出所述目标工厂设备对应的运行状态分析数据，所述运行状态分析数据用于反映所述目标工厂设备具有的运行安全程度，并作为安全生产管理的依据。

8、在一些优选的实施例中，在上述应用于安全生产管理的工厂设备运行数据处理方法中，所述依据所述多个典型设备运行信息，对初始视频优化网络进行更新调整的步骤，包括：

9、依据待定视频帧簇和所述典型优化运行监控视频，分析出所述典型优化运行监控视频对应的典型视频代表数据，所述待定视频帧簇包括多个待定视频帧，所述典型视频代表数据用于反映每一个所述待定视频帧属于所述典型优化运行监控视频的概率参数；

10、通过所述初始视频优化网络，将所述典型设备运行监控视频进行分析挖掘操作，以输出对应的挖掘视频代表数据，所述挖掘视频代表数据用于反映每一个所述待定视频帧属于所述典型设备运行监控视频对应的挖掘优化运行监控视频的概率参数；

11、依据所述典型视频代表数据和所述挖掘视频代表数据，对所述初始视频优化网络进行更新调整。

12、在一些优选的实施例中，在上述应用于安全生产管理的工厂设备运行数据处理方法中，所述初始视频优化网络包括关键信息挖掘模型、关键信息整合模型和关键信息还原模型，所述通过所述初始视频优化网络，将所述典型设备运行监控视频进行分析挖掘操作，以输出对应的挖掘视频代表数据的步骤，包括：

13、通过所述关键信息挖掘模型，将所述典型设备运行监控视频进行关键信息挖掘操作，以输出所述典型设备运行监控视频中的每一个监控视频片段对应的视频关键信息描述向量；

14、通过所述关键信息整合模型，将挖掘出的多个视频关键信息描述向量进行向量整合操作，以输出对应的整合关键信息描述向量；

15、通过所述关键信息还原模型，依据所述整合关键信息描述向量进行关键信息还原操作，以输出对应的挖掘视频代表数据。

16、在一些优选的实施例中，在上述应用于安全生产管理的工厂设备运行数据处理方法中，所述挖掘视频代表数据包括所述挖掘优化运行监控视频中的多个帧坐标对应的局部挖掘视频代表数据，所述局部挖掘视频代表数据包括每一个所述待定视频帧对应的挖掘视频代表参数，所述挖掘视频代表参数用于反映所述待定视频帧属于所述挖掘优化运行监控视频中对应帧坐标上的视频帧的概率参数；

17、所述通过所述关键信息还原模型，依据所述整合关键信息描述向量进行关键信息还原操作，以输出对应的挖掘视频代表数据的步骤，包括：

18、通过所述关键信息还原模型，将所述整合关键信息描述向量进行关键信息还原操作，以输出对应的在前的局部挖掘视频代表数据，以及，对所述在前的局部挖掘视频代表数据中具有最大值的挖掘视频代表参数对应的待定视频帧进行标记，以标记为第一优化视频帧；

19、通过所述关键信息还原模型，基于标记出的优化视频帧，将所述整合关键信息描述向量进行关键信息还原操作，以输出对应的在后的局部挖掘视频代表数据，以及，对所述在后的局部挖掘视频代表数据中具有最大值的挖掘视频代表参数对应的待定视频帧进行标记，以标记为第二优化视频帧，并在标记出的优化视频帧属于结束视频帧时完成，所述结束视频帧为空白视频帧，用于反映所述挖掘优化运行监控视频的视频末端。

20、在一些优选的实施例中，在上述应用于安全生产管理的工厂设备运行数据处理方法中，所述典型视频代表数据包括所述典型优化运行监控视频中的多个帧坐标对应的局部典型视频代表数据，所述局部典型视频代表数据用于反映每一个所述待定视频帧属于所述典型优化运行监控视频中对应帧坐标上的视频帧的概率参数，所述挖掘视频代表数据包括所述挖掘优化运行监控视频中的多个帧坐标对应的局部挖掘视频代表数据，所述局部挖掘视频代表数据用于反映每一个所述待定视频帧属于所述挖掘优化运行监控视频中对应帧坐标上的视频帧的概率参数；

21、所述依据所述典型视频代表数据和所述挖掘视频代表数据，对所述初始视频优化网络进行更新调整的步骤，包括：

22、依据每一个所述帧坐标对应的所述局部挖掘视频代表数据与所述局部典型视频代表数据之间的区别信息，分析出每一个所述帧坐标对应的局部误差指标；

23、依据分析出的多个所述局部误差指标，计算出对应的目标误差指标，所述目标误差指标与多个所述局部误差指标之间具有正相关的对应关系；

24、依据所述目标误差指标，对所述初始视频优化网络进行更新调整。

25、在一些优选的实施例中，在上述应用于安全生产管理的工厂设备运行数据处理方法中，所述通过更新调整后的所述初始视频优化网络，对待处理的目标设备运行监控视频进行视频优化操作，以形成所述目标设备运行监控视频对应的目标优化运行监控视频的步骤，包括：

26、通过所述初始视频优化网络，将所述目标设备运行监控视频进行分析挖掘操作，以输出对应的视频代表数据，以及，基于所述视频代表数据，从待定视频帧簇包括的多个待定视频帧中，分析出属于所述目标优化运行监控视频的多个确认视频帧，所述视频代表数据用于反映每一个所述待定视频帧属于所述目标设备运行监控视频对应的目标优化运行监控视频的概率参数；

27、对每一个所述确认视频帧进行组合操作，以形成所述目标设备运行监控视频对应的目标优化运行监控视频。

28、在一些优选的实施例中，在上述应用于安全生产管理的工厂设备运行数据处理方法中，所述初始视频优化网络包括关键信息挖掘模型、关键信息整合模型和关键信息还原模型，所述通过所述初始视频优化网络，将所述目标设备运行监控视频进行分析挖掘操作，以输出对应的视频代表数据，以及，基于所述视频代表数据，从待定视频帧簇包括的多个待定视频帧中，分析出属于所述目标优化运行监控视频的多个确认视频帧的步骤，包括：

29、通过所述关键信息挖掘模型，将所述目标设备运行监控视频进行关键信息挖掘操作，以输出所述目标设备运行监控视频中的每一个监控视频片段对应的视频关键信息表征向量；

30、通过所述关键信息整合模型，将挖掘出的多个视频关键信息表征向量进行向量整合操作，以输出对应的整合关键信息表征向量；

31、通过所述关键信息还原模型，依据所述整合关键信息表征向量进行进行关键信息还原操作，以输出对应的视频代表数据，以及，基于所述视频代表数据，从多个所述待定视频帧中，分析出属于所述目标优化运行监控视频的多个确认视频帧；

32、其中，所述目标设备运行监控视频中包括局部结束视频帧，所述局部结束视频帧用于反映所述监控视频片段的视频片段末端，所述通过所述关键信息挖掘模型，将所述目标设备运行监控视频进行关键信息挖掘操作，以输出所述目标设备运行监控视频中的每一个监控视频片段对应的视频关键信息表征向量的步骤，包括：

33、通过所述关键信息挖掘模型，分析所述目标设备运行监控视频中的局部结束视频帧，对第一个所述局部结束视频帧之前的视频帧进行标记，以标记为一个所述监控视频片段，并对每两个所述局部结束视频帧之间的视频帧进行标记，以标记为一个所述监控视频片段；以及，通过所述关键信息挖掘模型，将每一个所述监控视频片段进行关键信息挖掘操作，以输出每一个所述监控视频片段对应的视频关键信息表征向量。

34、在一些优选的实施例中，在上述应用于安全生产管理的工厂设备运行数据处理方法中，所述视频代表数据包括所述目标优化运行监控视频中的多个帧坐标对应的局部视频代表数据，所述局部视频代表数据包括每一个所述待定视频帧对应的视频代表参数，所述视频代表参数用于反映所述待定视频帧属于所述目标优化运行监控视频中对应帧坐标上的视频帧的概率参数；

35、所述通过所述关键信息还原模型，依据所述整合关键信息表征向量进行进行关键信息还原操作，以输出对应的视频代表数据，以及，基于所述视频代表数据，从多个所述待定视频帧中，分析出属于所述目标优化运行监控视频的多个确认视频帧的步骤，包括：

36、通过所述关键信息还原模型，将所述整合关键信息表征向量进行关键信息还原操作，以输出对应的在前的局部视频代表数据，以及，对所述在前的局部视频代表数据中具有最大值的视频代表参数对应的待定视频帧进行标记，以标记为第一确认视频帧；

37、通过所述关键信息还原模型，基于标记出的确认视频帧，将所述整合关键信息表征向量进行关键信息还原操作，以输出对应的在后的局部视频代表数据，以及，对所述在后的局部视频代表数据中具有最大值的视频代表参数对应的待定视频帧进行标记，以标记为第二确认视频帧，并在标记出的确认视频帧为结束视频帧时完成，所述结束视频帧为空白视频帧，用于反映所述目标优化运行监控视频的视频末端。

38、在一些优选的实施例中，在上述应用于安全生产管理的工厂设备运行数据处理方法中，所述视频代表数据包括所述目标优化运行监控视频中的多个帧坐标对应的局部视频代表数据，所述局部视频代表数据包括每一个所述待定视频帧对应的视频代表参数，所述视频代表参数用于反映所述待定视频帧属于所述目标优化运行监控视频中对应帧坐标上的视频帧的概率参数；

39、所述通过所述关键信息还原模型，依据所述整合关键信息表征向量进行进行关键信息还原操作，以输出对应的视频代表数据，以及，基于所述视频代表数据，从多个所述待定视频帧中，分析出属于所述目标优化运行监控视频的多个确认视频帧的步骤，包括：

40、通过所述关键信息还原模型，基于不一样的视频帧，分别将所述整合关键信息表征向量进行关键信息还原操作，以输出多个所述视频代表数据，以及，针对每一个所述视频代表数据，对所述视频代表数据中的每一个局部视频代表数据中具有最大值的视频代表参数对应的待定视频帧进行标记，以标记为确认视频帧，并对标记出的多个确认视频帧进行组合操作，以形成所述视频代表数据对应的确认视频帧簇；

41、分析出每一个所述确认视频帧簇对应的合并视频代表参数，所述合并视频代表参数与所述确认视频帧簇中的多个确认视频帧对应的视频代表参数之间具有正相关的对应的关系；

42、从多个所述确认视频帧簇中，确定出合并视频代表参数具有最大值的所述确认视频帧簇中的多个确认视频帧。

43、本发明实施例还提供一种应用于安全生产管理的工厂设备运行数据处理系统，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现上述的方法。

44、本发明实施例提供的应用于安全生产管理的工厂设备运行数据处理方法及系统，可以先提取多个典型设备运行信息，典型设备运行信息包括典型设备运行监控视频和典型优化运行监控视频；依据多个典型设备运行信息，对初始视频优化网络进行更新调整；通过更新调整后的初始视频优化网络，对待处理的目标设备运行监控视频进行视频优化操作，以形成目标设备运行监控视频对应的目标优化运行监控视频；通过进行更新调整操作形成的设备运行状态分析网络，对目标优化运行监控视频进行运行状态分析操作，以输出目标工厂设备对应的运行状态分析数据。基于前述的内容，由于在进行运行状态分析操作之前，会基于更新调整后的初始视频优化网络对目标设备运行监控视频进行视频优化操作，使得得到的目标优化运行监控视频在一定程度上更为精简，即目标优化运行监控视频包括的视频帧的数量小于或等于目标设备运行监控视频包括的视频帧的数量，即运行状态分析操作的依据更为精简，因此，可以在一定程度上提高运行数据分析的可靠度，改善现有技术中存在的可靠度不高的问题。

45、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。