一种基于视觉识别及深度学习的工艺流程审计方法和装置与流程

本申请属于工业自动化和过程控制，特别是涉及一种分布式控制系统(dcs)的工艺流程审计方法和装置。

背景技术：

1、随着工业自动化和过程控制技术的发展，分布式控制系统(dcs)在石油化工、冶金、电力等工业生产中得到了广泛应用。dcs通过分布式架构和实时控制，管理复杂的工业流程，确保生产安全并优化生产效率。例如，在石油化工厂中，dcs用于控制反应釜、泵、阀门等设备，实时监控和调整生产参数，以确保生产过程的稳定性和产品质量。

2、然而，现有的dcs系统在进行多仪表数据的关联分析时存在显著的局限性。具体表现为：

3、单个dcs系统通常仅支持单个仪表的阈值判断，不支持多个数据的关联分析。例如，当一个阀门的开度超过某个阈值时，dcs系统会产生告警，但无法同时结合其他仪表的数据进行综合判断。这种局限性可能导致无法及时发现和处理潜在的系统故障或优化生产流程。例如，在某石化企业的生产过程中，曾因单一阀门告警未能及时关联其他关键参数，导致生产事故发生，造成了巨大的经济损失和安全隐患。

4、不同厂家的dcs系统之间缺乏统一的标准，数据的关联分析几乎无法实现。这是由于各厂商采用了不同的数据格式、通信协议和接口标准，导致系统之间的数据互操作性差。为了实现跨系统的数据关联分析，企业通常需要定制交互协议，并联系多方厂商进行定制开发。这不仅增加了系统集成的复杂性，还显著提高了开发和维护成本。例如，某电力企业为了实现不同厂商dcs系统的数据联动，耗费了数月时间和数百万资金进行定制开发，但最终效果仍不理想。

技术实现思路

1、本申请提供一种基于视觉识别及深度学习的工艺流程审计方法和装置，旨在解决现有的dcs系统在进行多仪表数据的关联分析时存在局限性的问题。

2、第一方面，一种基于视觉识别及深度学习的工艺流程审计方法，所述方法包括：

3、获取当前上位机组态界面显示的图像；

4、利用预先构建的目标识别模型，识别出所述图像中仪器仪表的位置和类型；

5、根据各仪器仪表在图像中的位置，通过文字识别技术，提取图像中显示的仪器仪表数据；所述仪器仪表数据包括仪器仪表的名称及状态数据；

6、整理提取的仪器仪表数据，根据自学习或预设规则，对单个或多个仪器仪表的数据进行判断并产生告警或事件。

7、上述方案中，可选的，所述目标识别模型的构建过程包括：建立多个dcs厂商的仪器仪表样本并进行标注；通过目标检测算法训练深度学习模型，使得模型能够根据组态界面识别得到仪器仪表的位置和类型；其中，所述目标检测算法采用yolo、r-cnn或ssd算法。

8、上述方案中，可选的，所述仪器仪表的类型包括阀门、气压表和温度表；所述状态数据包括阀门的开关状态或开度百分比、气压表的气压值和温度表的温度值。

9、上述方案中，可选的，所述整理提取的仪器仪表数据包括将仪器仪表名称、状态数据整理为列表形式。

10、上述方案中，可选的，所述预设规则，是预先通过文本的方式定义单个或多个仪器仪表的关联事件。

11、上述方案中，可选的，在识别出所述图像中仪器仪表的位置之后，首先根据识别出的位置切割目标图形，然后针对各个目标图形通过文字识别技术提取仪器仪表数据。

12、第二方面，一种基于视觉识别及深度学习的工艺流程审计装置，所述装置包括：

13、数据收集模块，用于获取当前上位机组态界面显示的图像；

14、目标识别模块，用于利用预先构建的目标识别模型，识别出所述图像中仪器仪表的位置和类型；

15、数据提取模块，用于根据各仪器仪表在图像中的位置，通过文字识别技术，提取图像中显示的仪器仪表数据；所述仪器仪表数据包括仪器仪表的名称及状态数据；

16、判断模块：用于整理提取的仪器仪表数据，根据自学习或预设规则，对单个或多个仪器仪表的数据进行判断并产生告警或事件。

17、第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

18、获取当前上位机组态界面显示的图像；

19、利用预先构建的目标识别模型，识别出所述图像中仪器仪表的位置和类型；

20、根据各仪器仪表在图像中的位置，通过文字识别技术，提取图像中显示的仪器仪表数据；所述仪器仪表数据包括仪器仪表的名称及状态数据；

21、整理提取的仪器仪表数据，根据自学习或预设规则，对单个或多个仪器仪表的数据进行判断并产生告警或事件。

22、第四方面，一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现以下步骤：

23、获取当前上位机组态界面显示的图像；

24、利用预先构建的目标识别模型，识别出所述图像中仪器仪表的位置和类型；

25、根据各仪器仪表在图像中的位置，通过文字识别技术，提取图像中显示的仪器仪表数据；所述仪器仪表数据包括仪器仪表的名称及状态数据；

26、整理提取的仪器仪表数据，根据自学习或预设规则，对单个或多个仪器仪表的数据进行判断并产生告警或事件。

27、相比现有技术，本申请至少具有以下有益效果：

28、本申请基于上位机组态界面显示的图像，通过建立多个dcs厂商的仪器仪表样本并进行标注，以及使用目标检测算法和文字识别技术，可以高效地识别和提取dcs系统中各仪表的名称、类型及状态数据。结合自学习或预设规则，对多个仪表的数据进行综合判断和分析，生成告警或事件，提高了系统的自动化程度和安全性。本申请通过基于视觉识别及ai深度学习算法，实现了对多个dcs系统中仪表数据的自动化识别和关联分析，提升了工业生产过程的智能化、安全性和效率，本方案不仅能够提高工业生产过程的安全性，还能够通过数据分析和关联判断，优化生产效率，减少停机时间和维护成本。

技术特征：

1.一种基于视觉识别及深度学习的工艺流程审计方法，其特征在于，包括：

2.根据权利要求1所述的基于视觉识别及深度学习的工艺流程审计方法，其特征在于，所述目标识别模型的构建过程包括：建立多个dcs厂商的仪器仪表样本并进行标注；通过目标检测算法训练深度学习模型，使得模型能够根据组态界面识别得到仪器仪表的位置和类型；其中，所述目标检测算法采用yolo、r-cnn或ssd算法。

3.根据权利要求1所述的基于视觉识别及深度学习的工艺流程审计方法，其特征在于，所述仪器仪表的类型包括阀门、气压表和温度表；所述状态数据包括阀门的开关状态或开度百分比、气压表的气压值和温度表的温度值。

4.根据权利要求1所述的基于视觉识别及深度学习的工艺流程审计方法，其特征在于，所述整理提取的仪器仪表数据包括将仪器仪表名称、状态数据整理为列表形式。

5.根据权利要求1所述的基于视觉识别及深度学习的工艺流程审计方法，其特征在于，所述预设规则，是预先通过文本的方式定义单个或多个仪器仪表的关联事件。

6.根据权利要求1所述的基于视觉识别及深度学习的工艺流程审计方法，其特征在于，在识别出所述图像中仪器仪表的位置之后，首先根据识别出的位置切割目标图形，然后针对各个目标图形通过文字识别技术提取仪器仪表数据。

7.一种基于视觉识别及深度学习的工艺流程审计装置，其特征在于，包括：

8.一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6所述基于视觉识别及深度学习的工艺流程审计方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-6所述基于视觉识别及深度学习的工艺流程审计方法的步骤。

10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-6所述基于视觉识别及深度学习的工艺流程审计方法的步骤。

技术总结
本申请公开了一种基于视觉识别及深度学习的工艺流程审计方法和装置，通过获取当前上位机组态界面显示的图像；利用预先构建的目标识别模型，识别出所述图像中仪器仪表的位置和类型；根据各仪器仪表在图像中的位置，通过文字识别技术，提取图像中显示的仪器仪表数据；所述仪器仪表数据包括仪器仪表的名称及状态数据；整理提取的仪器仪表数据，根据自学习或预设规则，对单个或多个仪器仪表的数据进行判断并产生告警或事件。本申请实现了对多个DCS系统中仪表数据的自动化识别和关联分析，提升了工业生产过程的智能化、安全性和效率，不仅能够提高工业生产过程的安全性，还能够通过数据分析和关联判断，优化生产效率，减少停机时间和维护成本。

技术研发人员：蔡伟,谭曙光
受保护的技术使用者：北京惠而特科技有限公司
技术研发日：
技术公布日：2024/10/10