一种状态检测方法、装置、计算机设备和存储介质与流程

1.本公开涉及深度学习和计算机视觉技术领域，具体而言，涉及一种状态检测方法、装置、计算机设备和存储介质。


背景技术：

2.矿井作业，需要利用液压支架支撑矿井上表面，防止掉落矿石，导致危险情况的发生。比如，液压支架是一种用来控制采煤工作面矿山压力的防护设备，在煤矿开采过程中，由于煤矿掉落会给液压支架施加侧向力，使液压支架产生侧向摆动，从而带动液压支架扭斜；或者，由于某个液压支架移动，导致多个液压支架承载力不均衡，进而破坏液压支架等情况的发生，会导致煤块掉落，发生危险。现今，通过在液压支架上设置多个传感器设备，收集多个传感器设备采集到的多组数据，并进行融合处理，预测出当前液压支架的位置状态。
3.但是，上述预测方案的前提是需要在液压支架的各个梁上都安装传感器设备，才能判断该液压支架的姿态变化，因此，对液压支架姿态检测的成本要求较高；另外，采煤工作环境复杂，液压支架上的传感器设备容易损坏，传感器设备的线路常常会因为液压支架的移动而折损，造成采集到的数据无法正常回传，不仅影响工作效率，还增加了保养维修传感器设备的成本。


技术实现要素：

4.本公开实施例至少提供一种状态检测方法、装置、计算机设备和存储介质。
5.第一方面，本公开实施例提供了一种状态检测方法，包括：
6.获取目标图像；
7.识别所述目标图像中的液压支架，并确定所述液压支架中的至少一个目标构件对应的多个目标关键点；
8.基于所述目标关键点的目标位置信息，确定所述液压支架的姿态信息；
9.基于所述液压支架的姿态信息，确定所述液压支架的安全状态。
10.本方面，深度神经网络模型能够预先学习到液压支架全部的关键点，并且针对不同的关键点，能够预测到不同的目标构件的姿态信息。因此，通过识别液压支架，确定目标构件对应的多个目标关键点，并利用该目标关键点的目标位置信息，能够准确计算出液压支架的姿态信息，比如某一目标构件的伸缩长度，或者是某一目标构件的倾斜角等。通过监测液压支架的姿态信息，能够准确得到液压支架的安全状态，比如安全或危险等。之后，工作人员可以根据监测到的液压支架的安全状态，在存在危险情况时，进行及时预警。本方面与现有技术中利用多个传感器相比，完全替代了传统传感器对数据的采集。同时，由于获取图像的方式可以是通过已有的监控摄像头，不需要重新布置拍摄设备，因此，能够降低针对信息采集设备的成本；另外，上述方法基于深度神经网络模型进行图像检测，相比较传统传感器融合多个采集数据，能够提高对液压支架的姿态信息的准确度，进而能够检测到较为精确的液压支架的安全状态。
11.一种可选的实施方式中，所述目标构件包括第一构件；所述姿态信息包括所述第一构件相对于预设坐标系中的预设坐标轴的第一倾斜角信息；所述目标位置信息包括第一位置信息；
12.所述基于所述目标关键点的目标位置信息，确定所述液压支架的姿态信息，包括：
13.针对所述第一构件，基于位于所述第一构件的多个目标关键点中每个目标关键点在所述目标图像中的第一位置信息，分别确定每个所述目标关键点在所述预设坐标系下的第二位置信息；
14.基于每个所述目标关键点在所述预设坐标系下的第二位置信息，确定所述第一构件相对于所述预设坐标系中的预设坐标轴的第一倾斜角信息。
15.本实施方式是针对姿态信息为第一倾斜角信息的情况，由于深度神经网络模型能够精准确定每个第一构件中的多个目标关键点，因此，能够根据准确的多个目标关键点确定该目标关键点精准的第一位置信息，进而得到第一位置信息转换到预设坐标系下的精准的第二位置信息。由于第一倾斜角信息是在预设坐标系下进行分析得到的，因此，利用精准的第二位置信息，即可得到精准的第一倾斜角信息。
16.一种可选的实施方式中，所述目标构件还包括第二构件；所述姿态信息还包括所述第二构件的伸缩长度信息；所述目标关键点包括第一关键点和第二关键点；所述目标位置信息包括第三位置信息和第四位置信息；
17.所述基于所述目标关键点的目标位置信息，确定所述液压支架的姿态信息，包括：
18.针对所述第二构件，确定位于所述第二构件上的第一关键点以及与所述第二构件对应的第二关键点；所述第二关键点位于与所述第二构件相连的其他目标构件上；
19.基于所述第一关键点在所述目标图像中的第三位置信息和所述第二关键点在所述目标图像中的第四位置信息，确定所述第一关键点和所述第二关键点之间的距离信息；
20.基于所述距离信息，确定所述第二构件的伸缩长度信息。
21.本实施方式是针对姿态信息为伸缩长度信息的情况，由于深度神经网络模型能够精准确定每个第二构件中的第一关键点，以及预先为第二构件设置的相匹配的第二关键点，因此，能够根据准确的第一关键点和第二关键点确定其分别对应的精准的第三位置信息和第四位置信息。由于精确的第三位置信息和第四位置信息，根据二者之间的变化程度，即可确定第一关键点和第二关键点之间准确的距离信息，进而确定准确的第二构件的伸缩长度信息。
22.一种可选的实施方式中所述识别所述目标图像中的液压支架，确定所述液压支架中的至少一个目标构件对应的多个目标关键点，包括：
23.确定所述液压支架的类型信息；
24.基于所述类型信息对所述目标图像进行识别，确定所述液压支架中的至少一个目标构件对应的多个目标关键点。
25.本实施方式，由于液压支架类型的不同，因此在检测姿态信息时所利用的目标关键点不同。由于在深度神经网络模型的训练阶段可以灵活的为不同类型的液压支架配置不同的关键点，因此，在状态检测阶段，利用类型信息对目标图像进行识别，能够匹配到为该类型信息对应的液压支架所配置的多个目标关键点，提高了目标关键点与目标构件之间的匹配精度。
26.一种可选的实施方式中，所述基于所述液压支架的姿态信息，确定所述液压支架的安全状态，包括：
27.获取与所述第一构件相对应的第一预设标准信息；
28.在所述第一构件的第一倾斜角信息与对应的所述第一预设标准信息相匹配的情况下，确定所述液压支架的安全状态为安全。
29.本实施方式中第一预设标准信息可以是根据历史经验值或实际应用场景得到的第一构件在工作过程中的标准信息；因此，将检测到的准确的第一倾斜角信息与第一预设标准信息进行对比，能够预测出较为准确的液压支架的安全状态。
30.一种可选的实施方式中所述基于所述液压支架的姿态信息，确定所述液压支架的安全状态，包括：
31.获取与所述第一构件相对应的第二预设标准信息，以及与所述第二构件相对应的第三预设标准信息；
32.在所述第一构件的第一倾斜角信息与对应的所述第二预设标准信息相匹配，并且所述第二构件的伸缩长度信息与对应的所述第三预设标准信息相匹配的情况下，确定所述液压支架的安全状态为安全。
33.本实施方式中第二预设标准信息可以是根据历史经验值或实际工作场景得到的第一构件在工作过程中的标准信息，第三预设标准信息可以是根据实际工作场景得到的第二构件在工作过程中的标准信息，因此，将检测到的准确的第一倾斜角信息与第二预设标准信息进行对比，将检测到的伸缩长度信息与第二预设标准信息进行对比，能够预测出较为准确的液压支架的安全状态。
34.一种可选的实施方式中，所述基于所述液压支架的姿态信息，确定所述液压支架的安全状态，包括，包括：
35.获取与所述液压支架同时工作的其他液压支架的姿态信息；
36.基于所述液压支架的姿态信息，与所述其他液压支架中的液压支架的姿态信息相匹配的情况，确定相匹配的所述其他液压支架中液压支架的匹配个数；
37.在所述匹配个数大于预设阈值的情况下，确定所述液压支架的安全状态为安全。
38.本实施方式，在液压支架工作过程中，其安全状态还与同时工作的其他液压支架有关，因此，在确定液压支架的姿态信息的情况下，还可以与其同时工作的其他液压支架的姿态信息进行对比，进一步得到一个较为准确的液压支架的安全状态。
39.一种可选的实施方式中，所述获取目标图像，包括：
40.获取拍摄设备拍摄到的包括所述液压支架的原始图像；
41.识别所述原始图像中的液压支架，并确定所述液压支架对应的检测框；
42.基于所述检测框从所述原始图像中截取所述液压支架对应的目标图像。
43.本实施方式中确定出的液压支架对应的检测框，该检测框能够以最小范围包含整个液压支架，之后，截取该检测框所框出的部分原始图像作为目标图像，即目标图像尺寸小于原始图像，能够节省后续识别目标图像中液压支架的时间，进而提高后续状态检测的效率。
44.一种可选的实施方式中，所述目标构件包括所述液压支架中的支架梁。
45.本实施方式，确定液压支架包括液压支架后，可以将状态检测方法应用在煤矿矿
井场景中，能够精准检测液压支架中的支架梁的姿态信息，进而确定液压支架的安全状态，以针对煤矿矿井应用场景作出及时有效的安全预警。
46.第二方面，本公开实施例还提供一种状态检测装置，包括：
47.图像获取模块，用于获取目标图像；
48.关键点确定模块，用于识别所述目标图像中的液压支架，并确定所述液压支架中的至少一个目标构件对应的多个目标关键点；
49.信息确定模块，用于基于所述目标关键点的目标位置信息，确定所述液压支架的姿态信息；
50.状态检测模块，用于基于所述液压支架的姿态信息，确定所述液压支架的安全状态。
51.一种可选的实施方式中，所述目标构件包括第一构件；所述姿态信息包括所述第一构件相对于预设坐标系中的预设坐标轴的第一倾斜角信息；所述目标位置信息包括第一位置信息；
52.所述信息确定模块，用于针对所述第一构件，基于位于所述第一构件的多个目标关键点中每个目标关键点在所述目标图像中的第一位置信息，分别确定每个所述目标关键点在所述预设坐标系下的第二位置信息；基于每个所述目标关键点在所述预设坐标系下的第二位置信息，确定所述第一构件相对于所述预设坐标系中的预设坐标轴的第一倾斜角信息。
53.一种可选的实施方式中，所述目标构件还包括第二构件；所述姿态信息还包括所述第二构件的伸缩长度信息；所述目标关键点包括第一关键点和第二关键点；所述目标位置信息包括第三位置信息和第四位置信息；
54.所述信息确定模块，用于针对所述第二构件，确定位于所述第二构件上的第一关键点以及与所述第二构件对应的第二关键点；所述第二关键点位于与所述第二构件相连的其他目标构件上；基于所述第一关键点在所述目标图像中的第三位置信息和所述第二关键点在所述目标图像中的第四位置信息，确定所述第一关键点和所述第二关键点之间的距离信息；基于所述距离信息，确定所述第二构件的伸缩长度信息。
55.一种可选的实施方式中，所述关键点确定模块，用于确定所述液压支架的类型信息；基于所述类型信息对所述目标图像进行识别，确定所述液压支架中的至少一个目标构件对应的多个目标关键点。
56.一种可选的实施方式中，所述状态检测模块，用于获取与所述第一构件相对应的第一预设标准信息；在所述第一构件的第一倾斜角信息与对应的所述第一预设标准信息相匹配的情况下，确定所述液压支架的安全状态为安全。
57.一种可选的实施方式中，所述状态检测模块，用于获取与所述第一构件相对应的第二预设标准信息，以及与所述第二构件相对应的第三预设标准信息；在所述第一构件的第一倾斜角信息与对应的所述第二预设标准信息相匹配，并且所述第二构件的伸缩长度信息与对应的所述第三预设标准信息相匹配的情况下，确定所述液压支架的安全状态为安全。
58.一种可选的实施方式中，所述状态检测模块，用于获取与所述液压支架同时工作的其他液压支架的姿态信息；基于所述液压支架的姿态信息，与所述其他液压支架中的液
压支架的姿态信息相匹配的情况，确定相匹配的所述其他液压支架中液压支架的匹配个数；在所述匹配个数大于预设阈值的情况下，确定所述液压支架的安全状态为安全。
59.一种可选的实施方式中，所述图像获取模块，用于获取拍摄设备拍摄到的包括所述液压支架的原始图像；识别所述原始图像中的液压支架，并确定所述液压支架对应的检测框；基于所述检测框从所述原始图像中截取所述液压支架对应的目标图像。
60.一种可选的实施方式中，所述目标构件包括所述液压支架中的支架梁。
61.第三方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的状态检测方法的步骤。
62.第四方面，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的状态检测方法的步骤。
63.关于上述状态检测装置、计算机设备和存储介质的效果描述参见上述状态检测方法的说明，这里不再赘述。
64.为使本公开的上述目的、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。
附图说明
65.为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
66.图1示出了本公开实施例所提供的一种状态检测方法的流程图；
67.图2示出了本公开实施例所提供的液压支架中每个支架梁对应的目标关键点的展示示意图；
68.图3示出了本公开实施例所提供的护帮板的多种工作状态下的倾斜角的展示示意图；
69.图4示出了本公开实施例所提供的顶梁的多种工作状态下的倾斜角的展示示意图；
70.图5示出了本公开实施例所提供的液压支架的一种展示状态的示意图；
71.图6示出了本公开实施例所提供的一种状态检测装置的示意图；
72.图7示出了本公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
73.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开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公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实
施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
74.另外，本公开实施例中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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。
75.在本文中提及的“多个或者若干个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
76.经研究发现，矿井作业，需要利用液压支架支撑矿井上表面，防止掉落矿石，导致危险情况的发生。比如，液压支架是一种用来控制采煤工作面矿山压力的防护设备，在煤矿开采过程中，由于煤矿掉落会给液压支架施加侧向力，使液压支架产生侧向摆动，从而带动液压支架扭斜；或者，由于某个液压支架移动，导致多个液压支架承载力不均衡，进而破坏液压支架等情况的发生，会导致煤块掉落，发生危险。现今，通过在液压支架上设置多个传感器设备，收集多个传感器设备采集到的多组数据，并进行融合处理，预测出当前液压支架的位置状态。但是，上述预测方案的前提是需要在液压支架的各个梁上都安装传感器设备，才能判断该液压支架的姿态变化，因此，对液压支架姿态检测的成本要求较高；另外，采煤工作环境复杂，液压支架上的传感器设备容易损坏，传感器设备的线路常常会因为液压支架的移动而折损，造成采集到的数据无法正常回传，不仅影响工作效率，还增加了保养维修传感器设备的成本。
77.基于上述研究，本公开提供了一种状态检测方法、装置、计算机设备和存储介质，深度神经网络模型能够预先学习到液压支架全部的关键点，并且针对不同的关键点，能够预测到不同的目标构件的姿态信息。因此，通过识别液压支架，确定目标构件对应的多个目标关键点，并利用该目标关键点的目标位置信息，能够准确计算出液压支架的姿态信息，比如某一目标构件的伸缩长度，或者是某一目标构件的倾斜角等。通过监测液压支架的姿态信息，能够准确得到液压支架的安全状态，比如安全或危险等。之后，工作人员可以根据监测到的液压支架的安全状态，在存在危险情况时，进行及时预警。本方面与现有技术中利用多个传感器相比，完全替代了传统传感器对数据的采集。同时，由于获取图像的方式可以是通过已有的监控摄像头，不需要重新布置拍摄设备，因此，能够降低针对信息采集设备的成本；另外，上述方法基于深度神经网络模型进行图像检测，相比较传统传感器融合多个采集数据，能够提高对液压支架的姿态信息的准确度，进而能够检测到较为精确的液压支架的安全状态。
78.针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。
79.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
80.为便于对本实施例进行理解，首先对本公开实施例所公开的一种状态检测方法的应用场景进行详细介绍，以煤矿开采应用场景为例，针对液压支架的状态检测，需要确保液压支架的内部构件不发生变形，以降低发生安全事故的概率。其中，液压支架是用来控制采煤工作面矿山压力的一种支承装置。煤块采集面的矿压以外载的形式作用在液压支架上。在液压支架和煤块采集面围岩相互作用的力学系统中，若液压支架的各支承件合力与顶板作用在液压支架上的外载荷力正好处于同一直线，则可以确定该液压支架安全状态为安全。
81.由于煤矿不断开采，液压支架需要跟随工作面进行移动，并调整姿态，确定以调整后的最终姿态在当前工作面进行工作，由于不确定该液压支架调整后的实际姿态信息是否满足要求，因此，需要外在检测设备进行检测，以进一步确定液压支架的安全状态。
82.另外，由于顶煤移动，同样会对液压支架产生一个倾斜的作用力，导致液压支架的承载力不均衡，进而损坏液压支架，因此，需要实时检测液压支架的安全状态，才能保障矿井中煤矿开采工作的安全。
83.为此，本公开实施例提供了一种状态检测方法，下面对该方法进行详细介绍，本公开实施例所提供的状态检测方法的执行主体一般为具有一定计算能力的计算机设备。在一些可能的实现方式中，该状态检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
84.下面以执行主体为计算机设备为例对本公开实施例提供的状态检测方法加以说明。
85.参见图1所示，为本公开实施例提供的一种状态检测方法的流程图，所述方法包括步骤s101～s104，其中：
86.s101：获取目标图像。
87.本步骤获取到的目标图像中包括液压支架。其中，液压支架包括护帮板、前梁、顶梁、掩护梁、前连杆、底座等构件。
88.在一些实施例中，目标图像可以是对拍摄设备拍摄到的原始图像中的液压支架进行检测框标记，并将检测框标记出的液压支架对应的部分原始图像裁剪后的图像。
89.s102：识别目标图像中的液压支架，并确定液压支架中的至少一个目标构件对应的多个目标关键点。
90.本步骤，可以利用深度神经网络模型识别目标图像中的液压支架，其中，深度神经网络模型在训练过程中利用大量标记有液压支架关键点的样本图像进行迭代训练，最终能够学习到液压支架全部的关键点，因此，在识别目标图像的过程中，确定液压支架，即可确定该液压支架中的至少一个目标构件对应的多个目标关键点。
91.液压支架包括至少一个目标构件。目标构件可以包括护帮板、前梁、顶梁、掩护梁、前连杆等支架梁。
92.示例性的，目标构件对应的多个目标关键点，可以包括目标构件上设置的多个目标关键点，或者，目标构件上设置的一个目标关键点以及预先设置的与该目标构件连接的其他目标构件上设置的至少一个目标关键点。
93.延续上例，参见图2所示，其为液压支架中每个支架梁对应的目标关键点的展示示意图。护帮板21对应的多个目标关键点可以包括该护帮板的前端点1和该护帮板的后端点
2；前梁22对应的多个目标关键点可以包括该前梁的前端点3和与该前梁连接的顶梁的前端点4；顶梁23对应的多个目标关键点可以包括该顶梁的前端点4和该顶梁的后端点5；掩护梁24对应的多个目标关键点可以包括该掩护梁的前端点6和该掩护梁的后端点7；前连杆25对应的多个目标关键点可以包括该前连杆上端点8和该前连杆的下端点9。
94.在一些实施例中，液压支架可以有多种不同的类型(包括型号、种类，本公开实施例不进行具体限定)，不同类型的液压支架，在利用深度神经网络模型进行训练过程时，所标记的关键点位置不同。因此，在识别目标图像中的液压支架的过程中，首先，确定该液压支架的类型，之后，根据预先训练学习到的所属该类型的液压支架对应的关键点的位置，确定该目标图像中的液压支架中至少一个目标构件对应的多个目标关键点。
95.这里，由于在深度神经网络模型的训练阶段可以灵活的为不同类型的液压支架配置不同的关键点，因此，在状态检测阶段，利用类型信息对目标图像进行识别，能够匹配到为该类型信息对应的液压支架所配置的多个目标关键点，提高了目标关键点与目标构件之间的匹配精度。
96.s103：基于目标关键点的目标位置信息，确定液压支架的姿态信息。
97.本步骤中，目标关键点的目标位置信息为s103中确定出的多个目标关键点在目标图像中的目标位置信息。液压支架的姿态信息可以包括至少一个目标构件的姿态信息。
98.具体实施时，可以在目标图像中建立预设坐标系，将目标位置信息转换为在预设坐标系中的坐标信息；之后，基于多个目标关键点的坐标信息，确定目标构件的姿态信息，基于至少一个目标构件的姿态信息，确定液压支架的姿态信息。
99.示例性的，姿态信息可以包括目标构件相对于预设坐标系中的预设坐标轴的第一倾斜角信息，第一倾斜角信息可以包括倾斜角或俯仰角。比如，以目标构件为护帮板为例，确定护帮板相对于预设坐标系中的预设坐标轴的第一倾斜角信息，即倾斜角α1，可以参见图3所示，其为护帮板的多种工作状态下的倾斜角的展示示意图，其中，31表示在目标图像中所建立的预设坐标系，包括x坐标轴311和y坐标轴312；图3中的实直线表示护帮板对应的两个目标关键点(即p1和p2)所连直线，虚直线表示与x坐标轴311平行的直线，其中，实直线包括与x坐标轴311成α1＝
‑
180
°
的直线321，与x坐标轴311成α1＝
‑
150
°
直线322，与x坐标轴311成α1＝
‑
90
°
的直线323，与x坐标轴311成α1＝0
°
的直线324。
100.这里，由液压支架的结构可知，前梁的第一倾斜角信息与顶梁的第一倾斜角信息相同，因此，在确定了顶梁的第一倾斜角信息的情况下，即可确定前梁的第一倾斜角信息，不必重复计算。
101.又比如，以目标构件为顶梁为例，确定顶梁相对于预设坐标系中的预设坐标轴的第一倾斜角信息，即倾斜角α2，参见图4所示，其为顶梁的多种工作状态下的倾斜角的展示示意图。其中，41表示在目标图像中所建立的预设坐标系，包括x坐标轴411和y坐标轴412；图4中的实直线表示顶梁对应的两个目标关键点(即p3和p4)所连直线，虚直线表示与x坐标轴411平行的直线，其中，实直线包括与x坐标轴411成α2＝30
°
的直线421，与x坐标轴411成α2＝
‑
30
°
的直线422。
102.s104：基于液压支架的姿态信息，确定液压支架的安全状态。
103.这里，液压支架的姿态信息能够表征该液压支架的安全状态，具体的，可以是该液压支架中的每个目标构件的姿态信息均满足预设姿态要求，则可以确定该液压支架的安全
状态为安全。如果该液压支架中任意目标构件的姿态信息不满足预设姿态要求，则可以确定该液压支架的安全状态为危险。一旦确定液压支架的安全状态为危险，为了保护工作人员的生命安全，需要及时切断液压支架的工作电源，并在工作人员做好安全防护的情况下，及时调整存在危险状态的目标构件。其调整方式可以包括按照目标构件当前所处状态下的第一预设标准信息进行目标构件倾斜角的调整；或者，按照第三预设标准信息进行目标构件伸缩长度的调整。如果该液压支架中任意目标构件的姿态信息不满足预设姿态要求，则可以确定该液压支架的安全状态为危险。一旦确定液压支架的安全状态为危险，为了保护工作人员的生命安全，需要及时切断液压支架的工作电源，并在工作人员做好安全防护的情况下，及时调整存在危险状态的目标构件。其调整方式可以包括按照目标构件当前所处状态下的第一预设标准信息进行目标构件倾斜角的调整；或者，按照第三预设标准信息进行目标构件伸缩长度的调整。
104.在一些实施例中，预设姿态要求可以包括针对第一倾斜角信息的第一预设标准信息。该第一预设标准信息可以是根据历史经验值和实际工作场景进行定义，本公开实施例中不进行具体限定。比如，针对护帮板的倾斜角α1，在确定护帮板的工作场景为关闭状态的情况下，检测护帮板的倾斜角，此时，可以确定护帮板的第一倾斜角的第一预设标准信息为α1＝
‑
180
°
。如果检测出该倾斜角α1≠
‑
180
°
，则确定该护帮板的安全状态为危险。在确定护帮板的工作场景为打开状态的情况下，检测护帮板的倾斜角，此时，可以确定护帮板的第一倾斜角的第一预设标准信息为α1＝0
°
。如果检测出该倾斜角α1≠0
°
，则确定该护帮板的安全状态为危险。
105.上述s101～s104，通过深度神经网络模型能够预先学习到液压支架全部的关键点，并且针对不同的关键点，能够预测到不同的目标构件的姿态信息。因此，通过识别液压支架，确定目标构件对应的多个目标关键点，并利用该目标关键点的目标位置信息，能够准确计算出液压支架的姿态信息，比如某一目标构件的伸缩长度，或者是某一目标构件的倾斜角等。通过监测液压支架的姿态信息，能够准确得到液压支架的安全状态，比如安全或危险等。之后，工作人员可以根据监测到的液压支架的安全状态，在存在危险情况时，进行及时预警。本方面与现有技术中利用多个传感器相比，完全替代了传统传感器对数据的采集。同时，由于获取图像的方式可以是通过已有的监控摄像头，不需要重新布置拍摄设备，因此，能够降低针对信息采集设备的成本；另外，上述方法基于深度神经网络模型进行图像检测，相比较传统传感器融合多个采集数据，能够提高对液压支架的姿态信息的准确度，进而能够检测到较为精确的液压支架的安全状态。
106.针对s103，在一些实施例中，在确定目标构件包括第一构件的情况下，确定液压支架的姿态信息。此时，姿态信息可以包括第一构件相对于预设坐标系中的预设坐标轴的第一倾斜角信息；目标位置信息可以包括第一位置信息。
107.具体实施时，针对第一构件，基于位于第一构件的多个目标关键点中每个目标关键点在目标图像中的第一位置信息，分别确定每个目标关键点在预设坐标系下的第二位置信息；基于每个目标关键点在预设坐标系下的第二位置信息，确定第一构件相对于预设坐标系中的预设坐标轴的第一倾斜角信息。
108.这里，根据目标关键点在目标图像中的第一位置信息，确定该目标关键点在预设坐标系下的第二位置信息，具体的，可以根据已经在目标图像中建立的预设坐标系，将确定
出的第一位置信息转换为在预设坐标系中的坐标信息，将该坐标信息作为该目标关键点在预设坐标系下的第二位置信息。
109.之后，由于利用第一构件对应的每个目标关键点的第二位置信息，可以表征该第一构件在预设坐标系中的位置，比如，两个目标关键点在预设坐标系中的坐标，可以确定该第一构件在预设坐标系中的直线方程。进而，能够确定该第一构件在预设坐标系中的直线，可以将该直线与预设坐标系中的预设坐标轴的夹角信息作为第一构件的第一倾斜角信息，或者，根据检测任务的需要，还可以将该直线与预设坐标系中的预设坐标轴的夹角的补角信息作为第一构件的第一倾斜角信息。
110.示例性的，第一构件可以包括护帮板、顶梁、掩护梁、前连杆。参见图5所示，其为液压支架的一种展示状态的示意图；其中，护帮板相对于预设坐标系中的预设坐标轴的倾斜角为α1，顶梁相对于预设坐标系中的预设坐标轴的倾斜角为α2，掩护梁相对于预设坐标系中的预设坐标轴的倾斜角为α3，前连杆相对于预设坐标系中的预设坐标轴的倾斜角为α4，51表示在目标图像中所建立的预设坐标系，包括x坐标轴511和y坐标轴512；图5中的目标关键点p1和目标关键点p2所连直线521表示护帮板，目标关键点p3和目标关键点p4所连直线522表示顶梁，目标关键点p5和目标关键点p6所连直线523表示掩护梁，目标关键点p7和目标关键点p8所连直线524表示前连杆。虚直线表示与x坐标轴511平行的直线。其中，直线521的倾斜角α1，即与x坐标轴511的夹角α1＝
‑
30
°
；直线522的倾斜角α2，即与x坐标轴511的夹角α2＝30
°
；直线523的倾斜角α3，即与x坐标轴511的夹角α3＝60
°
；直线524的倾斜角α4，即与x坐标轴511的夹角α4＝150
°
。或者，还可以确定前连杆相对于预设坐标系中的预设坐标轴的倾斜角α4＝30
°
，即与x坐标轴511的夹角的补角。
111.这里，由于深度神经网络模型能够精准确定每个第一构件中的多个目标关键点，因此，能够根据准确的多个目标关键点确定该目标关键点精准的第一位置信息，进而得到第一位置信息转换到预设坐标系下的精准的第二位置信息。由于第一倾斜角信息是在预设坐标系下进行分析得到的，因此，利用精准的第二位置信息，即可得到精准的第一倾斜角信息。
112.针对s103，在一些实施例中，在确定目标构件包括第二构件的情况下，确定液压支架的姿态信息。此时，姿态信息包括第二构件的伸缩长度信息；该第二构件对应的多个目标关键点可以包括第一关键点和第二关键点。目标位置信息可以包括第三位置信息和第四位置信息。这里，第二构件包括可伸缩的构件，比如液压支架中的前梁，前梁为套接在顶梁内的，可伸缩。前梁在工作过程中，根据任务需要，可调整伸缩长度。示例性的，在当前任务为伸出任务的情况下，可以控制前梁伸出某一距离l1；在下一任务为缩回任务的情况下，再控制前梁从当前位置缩回某一距离l2。这里，前梁的伸出量l1或缩回量l2是根据任务需要进行调整的，并不固定。
113.伸缩长度信息可以包括第二构件的伸出量或缩回量，例如，前梁伸出量，或前梁缩回量。以前梁伸出为例，前梁伸出过程包括多个状态，比如，停止状态
‑
伸出状态
‑
停止状态，前梁从上一停止状态到下一停止状态所伸出的长度，即为当前工作时段前梁伸出量。又例如，以前梁缩回为例，前梁缩回过程包括多个状态，比如，停止状态
‑
缩回状态
‑
停止状态，而前梁从上一停止状态到下一停止状态所缩回的长度，即为当前时刻前梁缩回量。
114.具体实施时，针对第二构件，确定位于第二构件上的第一关键点以及与第二构件
对应的第二关键点；第二关键点位于与第二构件相连的其他目标构件上；基于第一关键点在目标图像中的第三位置信息和第二关键点在目标图像中的第四位置信息，确定第一关键点和第二关键点之间的距离信息；基于距离信息，确定第二构件的伸缩长度信息。
115.这里，根据第一关键点在目标图像中的第三位置信息，确定该第一关键点在预设坐标系下的第五位置信息；根据第二关键点在目标图像中的第四位置信息，确定该第二关键点在预设坐标系下的第六位置信息。具体的，可以根据已经在目标图像中建立的预设坐标系，将确定出的第三位置信息转换为在预设坐标系中的坐标信息，将该坐标信息作为该第一关键点在预设坐标系下的第五位置信息；将确定出的第四位置信息转换为在预设坐标系中的坐标信息，将该坐标信息作为该第二关键点在预设坐标系下的第六位置信息。
116.之后，可以利用第二构件对应的第一关键点的第五位置信息所指示的坐标和第二关键点的第六位置信息所是指的坐标，确定两坐标之间的距离，也可表示为第一关键点和第二关键点之间的距离。这里，第一关键点可以为第二构件上的关键点，第二关键点可以为与第二构件相连的其他目标构件上的关键点。
117.针对其他目标构件，在一些实施例中，在第二构件为单个的情况下，其他目标构件可以为与第二构件相连的其他类别的构件，例如，在第二构件为前梁，且前梁为单个伸缩梁的情况下，其他目标构架可以为与前梁相连的顶梁。
118.在另一些实施例中，在第二构件为多个的情况下，其他目标构件可以包括与第二构件相连的其他类别的其他构件(不为第二构件，比如顶梁)，或者，包括与第二构件相连的同一类别的第二构件。例如，前梁包括多节伸缩梁，即为第一节伸缩梁，第二节伸缩梁，第三节伸缩梁，其中第一节伸缩梁的一端与顶梁连接，另一端与第二节伸缩梁连接，第三节伸缩梁一端与第二节伸缩梁连接，另一端与护帮板相连；在第二构件为第一节伸缩梁的情况下，其他目标构架可以为与第一节伸缩梁相连的顶梁；在第二构件为第二节伸缩梁的情况下，其他目标构架可以为与第二节伸缩梁相连的第一节伸缩梁或第三节伸缩梁；在第二构件为第三节伸缩梁的情况下，其他目标构架可以为与第三节伸缩梁相连的第二节伸缩梁。
119.可以预先为第二构件定义对应的其他目标构件上的关键点，即第二关键点，延续上例，在第二构件为前梁，且前梁为单个伸缩梁的情况下，预先定义的第二关键点可以为，与前梁相连的顶梁上的前端点4(参见图2所示)，前梁的第一关键点可以为前梁的前端点3(参见图2所示)。延续上例，在第二构件为前梁，且前梁为多节伸缩梁的情况下，预先定义第二关键点，具体的，可以包括与第三节伸缩梁相连的第二节伸缩梁上的前端点，此时，第三节伸缩梁的第一关键点可以为第三节伸缩梁的前端点。或者，包括与第二节伸缩梁相连的第一节伸缩梁上的前端点，此时，第二节伸缩梁的第一关键点可以为第二节伸缩梁的前端点。或者，包括与第一节伸缩梁相连的顶梁上的前端点，此时，第一节伸缩梁的第一关键点可以为第一节伸缩梁的前端点。
120.之后，根据第一关键点和第二关键点之间的距离，确定第二构件的伸缩长度信息，比如，从前梁开始伸出到停止伸出时间内，第一关键点相对于第二关键点的距离，即可以为前梁的伸出长度。如果有多组第一关键点和第二关键点，分别确定每组第一关键点相对于第二关键点之间的距离，并将其累加，得到前梁总的伸出长度。
121.这里，由于深度神经网络模型能够精准确定每个第二构件中的第一关键点，以及预先为第二构件设置的相匹配的第二关键点，因此，能够根据准确的第一关键点和第二关
键点确定其分别对应的精准的第三位置信息和第四位置信息。由于精确的第三位置信息和第四位置信息，根据二者之间的变化程度，即可确定第一关键点和第二关键点之间准确的距离信息，进而确定准确的第二构件的伸缩长度信息。
122.针对s104，在确定了液压支架的姿态信息的情况下，还可以进一步基于液压支架的姿态信息确定该液压支架的安全状态。
123.利用第一倾斜角信息判断液压支架的安全状态。在一些实施例中，首先，可以先获取与第一构件相对应的第一预设标准信息；之后，在第一构件的第一倾斜角信息与对应的第一预设标准信息相匹配的情况下，才能够确定该液压支架的安全状态为安全。示例性的，针对液压支架中的每个第一构件，在每个第一构件的倾斜角均位于与其对应的第一预设标准信息所指示的预设倾斜角范围的情况下，可以确定该液压支架的安全状态为安全。比如，针对护帮板的倾斜角α1，在确定护帮板的工作场景为关闭状态的情况下，检测护帮板的倾斜角，并确定护帮板关闭状态下的预设倾斜角范围，即如果检测出护帮板的倾斜角则确定该护帮板的安全状态为安全；同理，分别确定液压支架中的顶梁、掩护梁、前连杆等支架梁的倾斜角，在每个支架梁的倾斜角分别位于与其各自对应的第一预设标准信息所指示的预设倾斜角范围的情况下，确定顶梁、掩护梁、前连杆的安全状态为安全，即确定液压支架的安全状态为安全。反之，针对液压支架中的任意一个第一构件，如果任意一个第一构件的第一倾斜角信息与其对应的第一预设标准信息不相匹配，即，任意一个第一构件的倾斜角不位于预设倾斜角范围，则可以确定该液压支架的安全状态为危险。延续上例，如果检测出护帮板的倾斜角或则确定该护帮板的安全状态为危险。此时不必再继续确定其他第一构件的安全状态，即可确定液压支架的安全状态为危险。
124.这里，第一构件的不同工作状态下的预设倾斜角范围不同，第一预设标准信息所指示的预设倾斜角范围可以是根据历史经验值或实际工作场景进行定义，本公开实施例中不进行具体限定。
125.示例性的，煤矿井下液压支架在实际工作中需要和割煤机、刮板机配合实现三机联动工作，如果液压支架中的护帮板未及时收起，则会导致割煤机和护帮板碰撞事故，造成重大安全生产事故。如果液压支架中的护帮板收起后未及时打开，同样会导致片帮冒顶等事故，影响井下工人生命安全。因此，在确定液压支架的安全状态为危险时，需要及时向工作人员发送预警提示信息，或者，直接控制后台系统将该液压支架停机，避免井下安全和生产事故发生。
126.利用第一倾斜角信息和伸缩长度信息判断液压支架的安全状态。在另一些实施例中，还可以获取与第一构件相对应的第二预设标准信息，以及与第二构件相对应的第三预设标准信息；之后，在第一构件的第一倾斜角信息与对应的第二预设标准信息相匹配，并且第二构件的伸缩长度信息与对应的第三预设标准信息相匹配的情况下，确定液压支架的安全状态为安全。反之，如果液压支架中的任意一个第一构件的第一倾斜角信息与其对应的第二预设标准信息不相匹配，或者，液压支架中的任意一个第二构件的伸缩长度信息与其对应的第三预设标准信息不相匹配，则可以确定该液压支架的安全状态为危险。
127.这里，第二预设标准信息和第三预设标准信息都可以是根据历史经验值或实际工
作场景进行定义，本公开实施例中不进行具体限定。
128.示例性的，只有在护帮板、顶梁、掩护梁和前连杆分别对应的倾斜角，均位于与其对应的第二预设标准信息指示的预设倾斜角范围，并且前梁的伸缩长度信息与第三预设标准信息相匹配的情况下，才可以确定该液压支架的安全状态为安全。如果任意一个支架梁，比如前梁，在确定其工作场景为全伸出状态的情况下，已知全伸出状态下前梁对应的第三预设标准信息指示前梁伸出量为1.5m，此时，如果确定前梁的实际伸出长度为1m的情况下，确定前梁的安全状态为危险，进而确定整个液压支架的安全状态为危险。
129.这里，检测前梁的伸缩长度信息，即实际伸缩长度，包括前梁伸出量或前梁缩回量，具体的，已知目标图像中相邻像素点之间的距离，以及实际长度与图像长度的比例c，由于该比例不变，因此，可以通过检测前梁在目标图像中第一关键点和第二关键点之间的距离l3，即图像长度，确定前梁的实际伸缩长度l4＝c
×
l3。
130.另外，第二构件的第二倾斜角信息可以为，与该第二构件相连的其他目标构件的第一倾斜角信息。在一些实施例中，在第一构件的第一倾斜角信息与对应的第二预设标准信息相匹配、第二构件的伸缩长度信息与对应的第三预设标准信息相匹配、并且第二构件的第二倾斜角信息与对应的第四预设标准信息相匹配的情况下，确定液压支架的安全状态为安全。其中，第四预设标准信息可以包括与第二构件相连的其他目标构件对应的第二预设标准信息。
131.在另一些实施例中，可以实时记录有与该液压支架同时工作的其他液压支架的姿态信息，其他液压支架可以有多个。只有保证同时工作的大部分或全部液压支架彼此之间姿态信息相同，才可以确保矿井工作环境的安全状态为安全。因此，判断液压支架的安全状态，还可以将检测到的液压支架的姿态信息与该液压支架同时工作的其他液压支架的姿态信息进行匹配。
132.具体实施时，可以先获取与液压支架同时工作的其他液压支架的姿态信息；基于液压支架的姿态信息，与其他液压支架中的液压支架的姿态信息相匹配的情况，确定相匹配的其他液压支架中液压支架的匹配个数；在匹配个数大于预设阈值的情况下，确定液压支架的安全状态为安全。
133.这里，可以根据同时工作的液压支架的总数量、实际应用场景以及经验值设定预设阈值，本公开实施例不进行具体限定。例如，一般情况下，存在同时工作的10个液压支架，分别即为1，2，
……
10，如果当前液压支架10，与前8个液压支架(2～9)的姿态信息均匹配，只与液压支架1的姿态信息不匹配，则可以确定当前液压支架10的安全状态为安全，液压支架1的安全状态为危险。
134.示例性的，以煤矿开采应用场景为例，有多个液压支架共同作业，其中，需要保证每个液压支架姿态信息都相同。因此，在检测液压支架的安全状态时，可以仅比较液压支架的姿态信息与该液压支架的前一个液压支架(即其他液压支架)的姿态信息是否匹配，如果匹配，则可以确定液压支架的安全状态为安全。如果不匹配，则确定液压支架的安全状态为危险，进而确定整个煤矿开采任务危险，及时向工作人员法发送预警提示信息。
135.针对s101，确定目标图像的过程，具体的，获取拍摄设备拍摄到的包括液压支架的原始图像；识别原始图像中的液压支架，并确定液压支架对应的检测框；基于检测框从原始图像中截取液压支架对应的目标图像。
136.这里，拍摄设备可以为摄像头等，用于拍摄液压支架的设备。检测框为在原始图像中标记液压支架的标识信息，包括指示检测框位置的坐标信息。根据指示检测框位置的坐标信息，确定液压支架的在原始图像中的区域图像(即部分原始图像)，将该区域图像从原始图像中截取出来，可以得到液压支架对应的目标图像。
137.示例性的，可以利用目标检测网络，比如faster rcnn、ssd、yolo v2&v3等检测网络，识别原始图像中的液压支架，确定液压支架对应的检测框。
138.这里，确定出的液压支架对应的检测框，该检测框能够以最小范围包含整个液压支架，之后，截取该检测框所框出的部分原始图像作为目标图像，即目标图像尺寸小于原始图像，能够节省后续识别目标图像中液压支架的时间，进而提高后续状态检测的效率。
139.在一些实施例中，本公开实施例可以利用预先训练好的深度神经网络模型执行，其中，该深度神经网络模型的训练过程可以包括以下步骤：
140.步骤1、获取待训练的目标数据集。
141.其中，目标数据集可以包括多张包含液压支架的图片。示例性的，该图片可以是从拍摄液压支架的视频中抽取的具有不同姿态的液压支架图片。
142.步骤2、针对每张图片，获取用户输入的用于标记图片中液压支架的标记信息，并为图片进行标记处理，得到液压支架对应的预设关键点。
143.其中，该标记信息可以为预设关键点的位置信息。
144.步骤3、识别每张图片中的液压支架，确定液压支架对应的训练检测框。
145.这里，训练过程中确定液压支架的训练检测框的过程，可以参见与实际应用中的状态检测过程确定液压支架的检测框的过程相同，重复部分在此不再赘述。
146.步骤4、基于液压支架对应的训练检测框，确定与训练检测框对应的训练图像。
147.具体的，可以是将训练检测框对应的部分图片截取出来，得到训练图像。
148.步骤5、利用标记有预设关键点的训练图像对待训练的深度神经网络模型进行训练，得到训练好的深度神经网络模型。
149.这里，训练好的目标神经网络能够输出液压支架对应的目标关键点的位置信息。
150.示例性的，上述深度神经网络模型可以为姿态估计模型，比如姿态估计mmpose中的hrnet。
151.本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
152.基于同一发明构思，本公开实施例中还提供了与状态检测方法对应的状态检测装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述状态检测方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
153.参照图6所示，为本公开实施例提供的一种状态检测装置的示意图，所述装置包括：图像获取模块601、关键点确定模块602、信息确定模块603和状态检测模块604；其中，
154.图像获取模块601，用于获取目标图像；
155.关键点确定模块602，用于识别所述目标图像中的液压支架，并确定所述液压支架中的至少一个目标构件对应的多个目标关键点；
156.信息确定模块603，用于基于所述目标关键点的目标位置信息，确定所述液压支架
的姿态信息；
157.状态检测模块604，用于基于所述液压支架的姿态信息，确定所述液压支架的安全状态。
158.一种可选的实施方式中，所述目标构件包括第一构件；所述姿态信息包括所述第一构件相对于预设坐标系中的预设坐标轴的第一倾斜角信息；所述目标位置信息包括第一位置信息；
159.所述信息确定模块603，用于针对所述第一构件，基于位于所述第一构件的多个目标关键点中每个目标关键点在所述目标图像中的第一位置信息，分别确定每个所述目标关键点在所述预设坐标系下的第二位置信息；基于每个所述目标关键点在所述预设坐标系下的第二位置信息，确定所述第一构件相对于所述预设坐标系中的预设坐标轴的第一倾斜角信息。
160.一种可选的实施方式中，所述目标构件还包括第二构件；所述姿态信息还包括所述第二构件的伸缩长度信息；所述目标关键点包括第一关键点和第二关键点；所述目标位置信息包括第三位置信息和第四位置信息；
161.所述信息确定模块603，用于针对所述第二构件，确定位于所述第二构件上的第一关键点以及与所述第二构件对应的第二关键点；所述第二关键点位于与所述第二构件相连的其他目标构件上；基于所述第一关键点在所述目标图像中的第三位置信息和所述第二关键点在所述目标图像中的第四位置信息，确定所述第一关键点和所述第二关键点之间的距离信息；基于所述距离信息，确定所述第二构件的伸缩长度信息。
162.一种可选的实施方式中，所述关键点确定模块602，用于确定所述液压支架的类型信息；基于所述类型信息对所述目标图像进行识别，确定所述液压支架中的至少一个目标构件对应的多个目标关键点。
163.一种可选的实施方式中，所述状态检测模块604，用于获取与所述第一构件相对应的第一预设标准信息；在所述第一构件的第一倾斜角信息与对应的所述第一预设标准信息相匹配的情况下，确定所述液压支架的安全状态为安全。
164.一种可选的实施方式中，所述状态检测模块604，用于获取与所述第一构件相对应的第二预设标准信息，以及与所述第二构件相对应的第三预设标准信息；在所述第一构件的第一倾斜角信息与对应的所述第二预设标准信息相匹配，并且所述第二构件的伸缩长度信息与对应的所述第三预设标准信息相匹配的情况下，确定所述液压支架的安全状态为安全。
165.一种可选的实施方式中，所述状态检测模块604，用于获取与所述液压支架同时工作的其他液压支架的姿态信息；基于所述液压支架的姿态信息，与所述其他液压支架中的液压支架的姿态信息相匹配的情况，确定相匹配的所述其他液压支架中液压支架的匹配个数；在所述匹配个数大于预设阈值的情况下，确定所述液压支架的安全状态为安全。
166.一种可选的实施方式中，所述图像获取模块601，用于获取拍摄设备拍摄到的包括所述液压支架的原始图像；识别所述原始图像中的液压支架，并确定所述液压支架对应的检测框；基于所述检测框从所述原始图像中截取所述液压支架对应的目标图像。
167.一种可选的实施方式中，所述目标构件包括所述液压支架中的支架梁。
168.关于状态检测装置中的各模块的处理流程、以及各模块之间的交互流程的描述可
以参照上述状态检测方法实施例中的相关说明，这里不再详述。
169.基于同一技术构思，本技术实施例还提供了一种计算机设备。参照图7所示，为本技术实施例提供的计算机设备的结构示意图，包括：
170.处理器71、存储器72和总线73。其中，存储器72存储有处理器71可执行的机器可读指令，处理器71用于执行存储器72中存储的机器可读指令，所述机器可读指令被处理器71执行时，处理器71执行下述步骤：s101：获取目标图像；s102：识别目标图像中的液压支架，并确定液压支架中的至少一个目标构件对应的多个目标关键点；s103：基于目标关键点的目标位置信息，确定液压支架的姿态信息；s104：基于液压支架的姿态信息，确定液压支架的安全状态。
171.上述存储器72包括内存721和外部存储器722；这里的内存721也称内存储器，用于暂时存放处理器71中的运算数据，以及与硬盘等外部存储器722交换的数据，处理器71通过内存721与外部存储器722进行数据交换，当计算机设备运行时，处理器71与存储器72之间通过总线73通信，使得处理器71在执行上述方法实施例中所提及的执行指令。
172.本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的状态检测方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
173.本公开实施例还提供一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时实现上述的状态检测方法的步骤。其中，计算机程序产品可以是任何能实现上述状态检测方法的产品，该计算机程序产品中对现有技术做出贡献的部分或全部方案可以以软件产品(例如软件开发包(software development kit，sdk))的形式体现，该软件产品可以被存储在一个存储介质中，通过包含的计算机指令使得相关设备或处理器执行上述状态检测方法的部分或全部步骤。
174.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开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。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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，又例如，多个模块或组件可以结合，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
175.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
176.另外，在本公开各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
177.所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开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，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read
‑
only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
178.最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。