一种设备安全检测方法、装置及计算机可读存储介质与流程

1.本技术涉及公共设备应用技术领域，特别是涉及一种设备安全检测方法、装置及计算机可读存储介质。


背景技术：

2.随着物联网、互联网、云计算等新一代信息技术的快速发展，多功能智能杆已成为建设智慧城市必不可少的产物，街道线下商铺消防安全监控已发展成为智能杆ai应用场景的一大部分内容。
3.而传统的线下商铺消防安全监控都是采用人工检测的方式。如：街道上的店铺消防如灭火器等设备信息都是街道管理人员定时定点对设备进行检查，对消防设备信息中有过期或长时间未使用则进行更换。此方法会消耗大量人力资源，同时工作人员进行检查时存在不可把控性。


技术实现要素：

4.本技术的目的在于提供一种设备安全检测方法、装置及计算机可读存储介质，利用ai的ocr文字检测算法进行消防设备设施上的信息参数中保质期过期信息检测以及易燃物品标签信息检测，以判断当前设备是否处于安全状态，有助于减少人力资源的浪费，避免安全隐患的发生。
5.为达到上述目的：
6.第一方面，本技术实施例提供了一种设备安全检测方法，包括以下步骤：
7.将预设的第一摄像范围内的安全设备确定为样本设备，通过智能杆对所述样本设备进行样本图像的采集，根据所述采集的样本图像进行文字识别的神经网络训练，获取神经网络训练模型；
8.将预设的第二摄像范围内的安全设备确定为待检测的目标设备，通过智能杆获取所述目标设备的图像信息，并通过所述神经网络训练模型对所述获取的图像信息进行文字识别；
9.根据所述目标设备的图像信息，判断所述目标设备是否存在安全隐患。
10.可选的，所述通过智能杆对所述样本设备进行样本图像的采集包括以下操作中的至少一种：
11.通过使用随机值对样本图像中其他非设备部分进行遮挡，以对图像数据进行增强；
12.对同一样本设备在不同角度上获取图像信息，通过对同一设备的不同样本图像重叠，以进行图像数据的增强。
13.可选的，所述根据所述采集的样本图像进行文字识别的神经网络训练，包括：
14.将采集的样本图像进行存储，根据所述样本图像进行神经网络训练，以构建vgg16神经网络训练模型对图像进行文字识别；
15.通过crnn循环神经网络对识别的文字进行时间信息的提取。
16.可选的，所述根据所述采集的样本图像进行文字识别的神经网络训练，还包括：
17.对采集到的样本图像进行文字识别；
18.对识别文字中的设备标识性词汇进行存储，并分别设置相对应的存放数量阈值，生成设备标识性词汇比对库。
19.可选的，所述判断所述目标设备是否存在安全隐患，包括：
20.通过所述获取的目标设备的图像信息，对目标设备的当前状态进行检测；
21.若检测到目标设备的当前状态出现预设的损毁情况时，则上报服务端进行警示；
22.若检测目标设备未出现预设的损毁情况时，对目标设备的存放数量进行检测。
23.可选的，所述对目标设备的当前状态进行检测包括：
24.若检测目标设备未出现预设的损毁情况，通过所述获取的目标设备的图像信息进行文字提取以获取目标设备的设备标识性词汇；
25.将所述设备标识性词汇与设备标识性词汇比对库进行比对，获取相对应的设备存放数量阈值；
26.通过所述图像信息对目标设备的存放数量进行检测，若目标设备的存放数量超过所述设备存放数量阈值，则上报服务端进行警示；
27.若目标设备的存放数量未超过所述设备存放数量阈值阈值，则对目标设备的质量问题进行判断。
28.可选的，所述对目标设备的质量问题进行判断包括：
29.若检测目标设备的存放数量未超过所述设备存放数量阈值阈值，对所述获取的目标设备的图像信息进行文字提取以获取目标设备的时间信息，根据所述时间信息判断目标设备是否超出质保期限；
30.若判断目标设备已超出质保期限，则上报服务端进行警示；
31.若判断目标设备尚未超出质保期限，则确定目标设备当前状态正常。
32.第二方面，本技术实施例公开了一种设备安全检测装置，所述装置包括：
33.模型训练模块，用于将预设的第一摄像范围内的安全设备确定为样本设备，通过智能杆对所述样本设备进行样本图像的采集，根据所述采集的样本图像进行文字识别的神经网络训练，获取神经网络训练模型；
34.信息处理模块，用于将预设的第二摄像范围内的安全设备确定为待检测的目标设备，通过智能杆获取所述目标设备的图像信息，并通过所述神经网络训练模型对所述获取的图像信息进行文字识别；
35.判断模块，用于根据所述目标设备的图像信息，用于判断所述目标设备是否存在安全隐患。
36.第三方面，本技术实施例公开了一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行如第一方面所述的设备安全检测方法。
37.第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够实现如第一方面所述的设备安全检查方法。
38.本技术实施例提供的设备安全检测方法、装置及计算机可读存储介质，所述方法包括：将预设的第一摄像范围内的安全设备确定为样本设备，通过智能杆对所述样本设备进行样本图像的采集，根据所述采集的样本图像进行文字识别的神经网络训练，获取神经网络训练模型；将预设的第二摄像范围内的安全设备确定为待检测的目标设备，通过智能杆获取所述目标设备的图像信息，并通过所述神经网络训练模型对所述获取的图像信息进行文字识别；根据所述目标设备的图像信息，判断所述目标设备是否存在安全隐患。如此，利用ai的ocr文字检测算法进行消防设备设施上的信息参数中保质期过期信息检测以及易燃物品标签信息检测，以判断当前设备是否处于安全状态，有助于减少人力资源的浪费，避免了安全隐患的发生。
附图说明
39.图1为本发明一个较佳实施例提供的一种设备安全检测方法的流程示意图；
40.图2为本发明一个较佳实施例提供的一种设备安全检测方法的具体流程示意图；
41.图3为本发明一个较佳实施例提供的一种设备安全检测装置的结构示意图；
42.图4为本发明另一个较佳实施例提供的一种设备安全检测装置的结构示意图。
具体实施方式
43.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
44.需要说明的是，在本文中，采用了诸如s101、s102等步骤代号，其目的是为了更清楚简要地表述相应内容，不构成顺序上的实质性限制，本领域技术人员在具体实施时，可能会先执行s102后执行s101等，但这些均应在本技术的保护范围之内。
45.应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
46.参阅图1，为本技术实施例提供的一种设备安全检测方法，该设备安全检测方法由本技术实施例提供的一种设备安全检测装置来执行，该设备安全检测装置可以采用软件和/或硬件的方式来实现，本技术实施例中的以设备安全检测装置应用于服务器为例，本实施例提供的设备安全检测方法包括以下步骤：
47.步骤s101：将预设的第一摄像范围内的安全设备确定为样本设备，通过智能杆对所述样本设备进行样本图像的采集，根据所述采集的样本图像进行文字识别的神经网络训练，获取神经网络训练模型。
48.在一实施方式中，所述预设的第一摄像范围内的安全设备包括设备状态完好时预设检测范围内的指定摄像头的拍摄范围。这里，所述样本设备的采集样本可以包括如灭火器、过滤式消防自救呼吸器或者检测食品行业相关的添加煤气罐、蜂窝煤等。
49.在一实施方式中，通过使用随机值对样本图像中其他非设备部分进行遮挡，以对图像数据进行增强，和/或，通过100根智能杆上共100路摄像头不同时间进行不同角度样本采集，对同一样本设备在不同角度上进行图像重叠，以对样本设备的图像数据进行增强。
50.在一实施方式中，将采集的样本图像进行存储，根据所述样本图像进行神经网络
训练，以构建vgg16神经网络训练模型对图像进行文字识别，并通过crnn循环神经网络对识别的文字进行时间信息的提取。这里，可以将检测的文字通过权重值量化将所述vgg16神经网络训练模型进行压缩和减少参数，以缩减文件大小。
51.在一实施方式中，在对样本设备进行样本图像的采集之后，还包括对所述样本图像进行文字识别，获取设备的设备标识性词汇进行存储，并分别设置相对应的存放数量阈值，生成设备标识性词汇比对库。这里，所述设备标识性词汇可以包括：街道广告牌、街道店铺招牌、街道堆放物品标签、街道存放消防设备信息等多种标签信息。
52.步骤s102：将预设的第二摄像范围内的安全设备确定为待检测的目标设备，通过智能杆获取所述目标设备的图像信息，并通过所述神经网络训练模型对所述获取的图像信息进行文字识别。
53.在一实施方式中，所述预设的第二摄像范围内的安全设备包括预设的待检测安全设备区域内ip网络摄像头的检测范围；在所述第二摄像范围内对目标设备进行图像检测的检测区域可以为不规则多边形区域。
54.这里，在进行目标设备的图像采集时可以根据客户的不同需求对摄像头采集图像的频率进行设置，包括对所述摄像头设定的图像获取的时间间隔如每若干天天检测一次，如此，在摄像头获取目标的图像信息之前，判断当前时间距离上次检测时间间隔是否达到预设期限内，若未达到则继续等待，如果达到预设期限则进行实时图片的获取。
55.在一实施方式中，通过使用随机值对采集的图像中其他非设备部分进行遮挡，以对图像数据进行增强，和/或，通过100根智能杆上共100路摄像头不同时间进行不同角度样本采集，对同一样本设备在不同角度上进行图像重叠，以对目标设备的图像数据进行增强。
56.步骤s103：根据所述目标设备的图像信息，判断所述目标设备是否存在安全隐患。
57.在一实施方式中，通过所述获取的目标设备的图像信息，对目标设备的当前状态进行检测。若检测到目标设备的当前状态出现预设的损毁情况时，则上报服务端进行警示；若检测目标设备未出现预设的损毁情况时，对目标设备的存放数量进行检测。这里，可以根据图像中出现的设备明显出现破洞损坏、残缺损坏或者明显凸起、凹陷等损毁情况以对目标设备进行判断，所述预设的损毁情况包括设备出现明显缺陷或者发生起火、爆炸等突发情况。
58.在一实施方式中，若检测目标设备未出现预设的损毁情况，通过所述获取的目标设备的图像信息进行文字提取以获取目标设备的设备标识性词汇，将所述设备标识性词汇与设备标识性词汇比对库进行比对，获取相对应的设备存放数量阈值；通过所述图像信息对目标设备的存放数量进行检测，若目标设备的存放数量超过所述设备存放数量阈值，则上报服务端进行警示，若目标设备的存放数量未超过所述设备存放数量阈值，则对目标设备的质量问题进行判断。这里，若对所述目标设备的图像信息未能进行文字提取或者，对所述图像信息进行文字识别却未能提取到设备标识性词汇时，则在服务端进行上报提醒。
59.在一实施方式中，若检测目标设备的当前存放数量未超过所述设备存放数量阈值，对所述获取的目标设备的图像信息进行文字提取以获取目标设备的时间信息，根据所述时间信息判断目标设备是否超出质保期限；若判断目标设备已超出质保期限，则上报服务端进行警示；若判断目标设备尚未超出质保期限，则确定目标设备当前状态正常，如若检测某一手提式干粉灭火器的生产日期为2005年8月18日，有效期为10年，则可以确定所述干
粉灭火器的质保期限截止2015年8月17日，如此，若在2015年8月18日之前对所述干粉灭火器进行检测，则判断所述干粉灭火器状态正常，若在2015年8月17日之后对所述干粉灭火器进行检测，则判断所述干粉灭火器已超过质保期限，并通过服务端进行警示。这里，若对所述目标设备的图像信息未能进行文字提取或者，对所述图像信息进行文字识别却未能提取到目标设备的时间信息时，则在服务端进行上报提醒。
60.综上，上述实施例提供的设备安全检测方法中，通过对目标设备获取图像信息进行文字识别，以判断目标设备是否存在安全隐患，并对存在问题的安全设备通过服务器进行警示，有助于提高安全设备检测的工作效率，减少事故的发生率。
61.参阅图2，为本技术实施例提供的另一种设备安全检测方法，图2所述的方法可以时对图1所示的方法更加详细的具体描述，这里，图2中的步骤s201可以对应于图1中的步骤s101，图2中的步骤s202可以对应于图1中的步骤s102，图2中的步骤s203至步骤s210可以对应于图1中的步骤s103，依照上述对应关系，本实施例提供的设备安全检测方法具体包括以下步骤：
62.步骤s201：服务端获取设备标识性词汇比对库。
63.在一实施方式中，通过使用随机值对样本图像中其他非设备部分进行遮挡，以对图像数据进行增强，和/或，通过100根智能杆上共100路摄像头不同时间进行不同角度样本采集，对同一样本设备在不同角度上进行图像重叠，以对样本设备的图像数据进行增强。
64.在一实施方式中，在对样本设备进行样本图像的采集之后，还包括对所述样本图像进行文字识别，获取设备的设备标识性词汇进行存储，并分别设置相对应的存放数量阈值，生成设备标识性词汇比对库。这里，所述设备标识性词汇可以包括：街道广告牌、街道店铺招牌、街道堆放物品标签、街道存放消防设备信息等多种标签信息。
65.步骤s202：在服务端设置指定检测规则。
66.在一实施方式中，所述检测规则包括设备的检测区域和/或对目标设备的检测时间间隔，这里，在进行目标设备的图像采集时可以根据客户的不同需求对摄像头采集图像的频率进行设置，包括对所述摄像头设定的图像获取的时间间隔如每若干天天检测一次，如此，在摄像头获取目标的图像信息之前，判断当前时间距离上次检测时间间隔是否达到预设期限内，若未达到则继续等待，如果达到预设期限则进行实时图片的获取。
67.步骤s203：判断是否满足检测的时间间隔。
68.步骤s204：若不满足时间间隔时，继续等待至预设时间间隔。
69.步骤s205：抽取实时监控图像信息。
70.步骤s206：检测设备当前是否出现预设的损毁情况。
71.在一实施方式中，通过所述获取的设备的图像信息，对设备的当前状态进行检测。若检测到设备的当前状态出现预设的损毁情况时，则上报服务端进行警示；若检测设备未出现预设的损毁情况时，对设备的存放数量进行检测。这里，可以根据图像中出现的设备明显出现破洞损坏、残缺损坏或者明显凸起、凹陷等损毁情况以对目标设备进行判断，所述预设的损毁情况包括设备出现明显缺陷或者发生起火、爆炸等突发情况。
72.步骤s207：检测设备的存放数量是否超过存放数量阈值。
73.在一实施方式中，若检测设备未出现预设的损毁情况，通过所述获取的设备的图像信息进行文字提取以获取设备的设备标识性词汇，将所述设备标识性词汇与设备标识性
词汇比对库进行比对，获取相对应的设备存放数量阈值；通过所述图像信息对设备的存放数量进行检测，若设备的存放数量超过所述设备存放数量阈值，则上报服务端进行警示，若目标设备的存放数量未超过所述设备存放数量阈值，则对设备的质量问题进行判断。这里，若对所述设备的图像信息未能进行文字提取或者，对所述图像信息进行文字识别却未能提取到设备标识性词汇时，则在服务端进行上报提醒。
74.步骤s208：判断设备是否超出质保期限。
75.在一实施方式中，若检测设备的当前存放数量未超过所述设备存放数量阈值，对所述获取的设备的图像信息进行文字提取以获取设备的时间信息，根据所述时间信息判断设备是否超出质保期限；若判断设备已超出质保期限，则上报服务端进行警示；若判断设备尚未超出质保期限，则确定设备当前状态正常，如若检测某一手提式干粉灭火器的生产日期为2005年8月18日，有效期为10年，则可以确定所述干粉灭火器的质保期限截止2015年8月17日，如此，若在2015年8月18日之前对所述干粉灭火器进行检测，则判断所述干粉灭火器状态正常，若在2015年8月17日之后对所述干粉灭火器进行检测，则判断所述干粉灭火器已超过质保期限，并通过服务端进行警示。这里，若对所述设备的图像信息未能进行文字提取或者，对所述图像信息进行文字识别却未能提取到设备的时间信息时，则在服务端进行上报提醒。
76.步骤s209：设备状态完好未破损。
77.步骤s210：存在消防安全隐患。
78.综上，上述实施例提供的设备安全检测方法中，通过对样本设备进行样本采集并同时神经网络的模型训练，以对设备进行逐级分析，确定设备的安全性能，有助于减少人力资源的浪费，避免安全隐患的发生。
79.基于前述实施例相同的发明构思，下面通过一具体示例对前述实施例提供的方法进行详细说明。
80.参阅图3，为本技术实施例提供的设备安全检测装置，所述设备安全检测装置包括模型训练模块、信息处理模块和判断模块，其中
81.模型训练模块，用于将预设的第一摄像范围内的安全设备确定为样本设备，通过智能杆对所述样本设备进行样本图像的采集，根据所述采集的样本图像进行文字识别的神经网络训练，获取神经网络训练模型；
82.信息处理模块，用于将预设的第二摄像范围内的安全设备确定为待检测的目标设备，通过智能杆获取所述目标设备的图像信息，并通过所述神经网络训练模型对所述获取的图像信息进行文字识别；
83.判断模块，根据所述目标设备的图像信息，用于判断所述目标设备是否存在安全隐患。
84.在一实施方式中，所述模型训练模块，具体用于通过使用随机值对样本图像中其他非设备部分进行遮挡，以对图像数据进行增强，和/或，通过100根智能杆上共100路摄像头不同时间进行不同角度样本采集，对同一样本设备在不同角度上进行图像重叠，以对样本设备的图像数据进行增强。
85.在一实施方式中，将采集的样本图像进行存储，根据所述样本图像进行神经网络训练，以构建vgg16神经网络训练模型对图像进行文字识别，并通过crnn循环神经网络对识
别的文字进行时间信息的提取。这里，可以将检测的文字通过权重值量化将所述vgg16神经网络训练模型进行压缩和减少参数，以缩减文件大小。
86.在一实施方式中，在对样本设备进行样本图像的采集之后，还包括对所述样本图像进行文字识别，获取设备的设备标识性词汇进行存储，并分别设置相对应的存放数量阈值，生成设备标识性词汇比对库。这里，所述设备标识性词汇可以包括：街道广告牌、街道店铺招牌、街道堆放物品标签、街道存放消防设备信息等多种标签信息。
87.在一实施方式中，所述信息处理模块，具体用于在进行目标设备的图像采集时可以根据客户的不同需求对摄像头采集图像的频率进行设置，包括对所述摄像头设定的图像获取的时间间隔如每若干天天检测一次，如此，在摄像头获取目标的图像信息之前，判断当前时间距离上次检测时间间隔是否达到预设期限内，若未达到则继续等待，如果达到预设期限则进行实时图片的获取。
88.在一实施方式中，通过使用随机值对采集的图像中其他非设备部分进行遮挡，以对图像数据进行增强，和/或，通过100根智能杆上共100路摄像头不同时间进行不同角度样本采集，对同一样本设备在不同角度上进行图像重叠，以对目标设备的图像数据进行增强。
89.在一实施方式中，所述判断模块，具体用于通过所述获取的目标设备的图像信息，对目标设备的当前状态进行检测。若检测到目标设备的当前状态出现预设的损毁情况时，则上报判断模块进行警示；若检测目标设备未出现预设的损毁情况时，对目标设备的存放数量进行检测。这里，所述预设的损毁情况包括设备出现明显缺陷或者发生起火、爆炸等突发情况。
90.在一实施方式中，若检测目标设备未出现预设的损毁情况，通过所述获取的目标设备的图像信息进行文字提取以获取目标设备的设备标识性词汇，将所述设备标识性词汇与设备标识性词汇比对库进行比对，获取相对应的设备存放数量阈值；通过所述图像信息对目标设备的存放数量进行检测，若目标设备的存放数量超过所述设备存放数量阈值，则上报判断模块进行警示，若目标设备的存放数量未超过所述设备存放数量阈值，则对目标设备的质量问题进行判断。这里，若对所述目标设备的图像信息未能进行文字提取或者，对所述图像信息进行文字识别却未能提取到设备标识性词汇时，则在判断模块进行上报提醒。
91.在一实施方式中，若检测目标设备的当前存放数量未超过所述设备存放数量阈值，对所述获取的目标设备的图像信息进行文字提取以获取目标设备的时间信息，根据所述时间信息判断目标设备是否超出质保期限；若判断目标设备已超出质保期限，则上报判断模块进行警示；若判断目标设备尚未超出质保期限，则确定目标设备当前状态正常。这里，若对所述目标设备的图像信息未能进行文字提取或者，对所述图像信息进行文字识别却未能提取到目标设备的时间信息时，则在判断模块进行上报提醒。
92.综上，上述提供的上述实施例提供的设备安全检测装置中，通过模型训练模块获取神经网络训练模型和设备关键词汇比对库，通过信息获取模块以获取目标设备的相关信息，通过判断模块对所述目标设备的相关信息进行判断，以确定目标设备的安全性能，有助于提高安全检测的精准度，减少安全事故的发生。
93.基于前述实施例相同的发明构思，本发明实施例提供了一种设备安全检测装置，如图4所示，该装置包括：处理器310和存储有计算机程序的存储器311；其中，图4中示意的
memory)、磁表面存储器、光盘、或只读光盘(cd-rom，compact disc read-only memory)等存储器；也可以是包括上述存储器之一或任意组合的各种设备，如移动电话、计算机、平板设备、个人数字助理等。所述计算机可读存储介质中存储的计算机程序被处理器运行时，实现应用于上述装置的所述设备安全检测方法。所述计算机程序被处理器执行时实现的具体步骤流程请参考图1所示实施例的描述，在此不再赘述。
98.以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
99.在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，除了包含所列的那些要素，而且还可包含没有明确列出的其他要素。
100.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，可轻易想到变化或替换，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所述权利要求的保护范围为准。