"京东方智能监控系统与智能制造实践"

需积分: 0 0 下载量 103 浏览量 更新于2023-12-24 收藏 2.05MB DOCX 举报
本文通过介绍了B6 Array 分厂自主开发的设备智能监控系统的应用,针对传统设备监控与智能制造的矛盾,以及中国制造业向智能制造转型升级的背景。在践行智能制造的过程中,京东方通过转变业务定位,从半导体显示技术转型为物联网公司,为信息交互和人类健康提供智慧端口产品和专业服务。为了消除设备监控死角,节约不良调查时间,减少工厂生产运营人力成本,B6 Array 分厂开发了一套应用于京东方面板生产产线的设备智能监控系统。该系统旨在将设备监控从被动模式转化为主动模式,通过预防不良来提高生产效率。这一举措充分挖掘了企业数据潜能,建立了一套可视化、智能化的设备监控系统,使工程师从繁复的日常监控工作中解放出来,为公司运营提供长久动力。 随着《中国制造 2025》战略以及相关配套政策的陆续出台,中国制造业正加快向智能制造转型升级。在这一背景下,传统设备监控与智能制造之间出现了矛盾。传统设备监控模式通常是被动的,即发现不良后才进行调查和解决问题,这样就需要花费大量的时间和人力。而智能制造要求设备能够实现自主监控和预防,以提高生产效率和节约成本。因此,为了适应智能制造的要求,企业需要在设备监控方面进行创新和升级。 在这样的背景下,B6 Array 分厂自主开发了一套应用于京东方面板生产产线的设备智能监控系统。该系统的研发目的在于消除设备监控死角,节约不良调查时间,减少工厂生产运营人力成本,将设备监控从被动模式转化为主动模式。这一举措是为了适应智能制造的要求,提高生产效率,降低生产成本,以及减少不良品的产生。通过这一系统,B6 Array 分厂有效地提高了生产效率,降低了不良品的产生率,为公司的运营提供了更多的助力。 这一智能监控系统的应用充分体现了京东方作为物联网公司的定位,为信息交互和人类健康提供智慧端口产品和专业服务。通过自主开发的设备智能监控系统,京东方实现了从传统设备监控到智能制造的转型。该系统通过充分挖掘企业数据潜能,建立了一套可视化、智能化的设备监控系统,使工程师能够摆脱繁复的日常监控工作,将精力集中在更有价值的工作上,为公司的长远发展提供了动力。 总之,B6 Array 分厂自主开发的设备智能监控系统的应用,是京东方在智能制造道路上的一次成功尝试。该系统的成功应用不仅提高了生产效率,降低了生产成本,减少了不良品的产生率,还为公司的长远发展提供了动力,使京东方在物联网行业中保持领先地位。该案例也为其他制造企业提供了借鉴和参考,鼓励更多的企业在智能制造方面进行创新和升级,推动中国制造业向智能制造转型升级。
247 浏览量
当前,随着国际国内形势的变化,安全已经成为人们日益关注的问题,出于反恐安保的需要,智能视频监控已经广泛运用在奥运会、世博会、青奥会等大型赛事活动安保工作中。不仅国家安全需要智能视频监控,社会安全也需要视频监控系统,当前在工厂、酒店、超市、码头、学校、家庭、政府部门、银行等等,都广泛采用了智能视频监控系统保障人身安全、财产安全和交通安全。 视频监控技术主要经历了三个发展阶段,第一阶段是人力现场监控,即通过肉眼和人脑对现场情况进行监控,这是几千年来的传统做法,能起到一定的效果,但需要耗费大量的人力物力,而且限于人的视力和脑力,起到的监控效果受到很大的限制。第二阶段是传统视频监控,即通过机器眼和人脑进行监控,即通过摄像机或者其他视频采集设备获取现场视频,然后靠人脑对视频对判断处理,这种方式极大的提升了视频的采集能力,基本能做到全天候、无死角的还原现场情况,但受限于人脑的数据处理能力,没有能力将视频获取的海量数据进行实时处理分析,限制了监控效果的进一步提高。第三阶段是智能视频监控,就是利用计算机对摄像机或者其他视频采集设备获取的现场视频自己进行内容分析,从而自动检测与识别出需要掌握的信息,并给出相应的预警预报信号。 三个阶段图 实验表明:在盯着视频画面仅仅22分钟后,人眼会对画面里面95%以上的活动视而不见。 智能监控系统的应用全文共5页,当前为第1页。 智能监控系统的应用全文共5页,当前为第1页。 1997年,卡内基梅隆大学牵头,麻省理工学院等高校参与的视觉监控重大项目VSAM启动,主要研究用于战场及普通民用场景监控的自动视频理解技术。1999年,康奈尔大学设计了一套航拍视频检测与持续跟踪系统,该系统能够对多运动目标实现长时间的准确跟踪,即使发生短时间内目标被遮挡或目标时静时动的情况仍可以完成跟踪,这点对于空中侦察或者追踪意义重大。2003年法国的SILOGIC公司和英国雷丁大学等机构参与研究的AVITRACK项目,检测和跟踪机场停机坪出现的飞机、汽车以及行为等运动目标,辅助机场管理人员进行管理和调度,不仅可以提高机场利用率,而且可以提高机场安全管理水平。 目标跟踪就是将视频中的每一帧图像中确定出要检测的运动目标位置,并把各个帧中同一运动目标对应起来。 主要难度来源于局部遮挡、姿势变化、运动模糊、光照变化等因素 一般跟踪选择 颜色特征、边缘特征、光流、或者纹理,代表性的方法有均值漂移法(Meanshift):无参核密度估计。卡尔曼滤波:线性、高斯。扩展卡尔曼滤波(EKF):非线性、高斯。粒子滤波(PF):非线性、非高斯。 几个代表性目标检测与跟踪算法 智能监控系统的应用全文共5页,当前为第2页。帧差法 :适合摄像头固定的场景,利用建立的背景模型来生成背景图像的像素值,然后将当前帧与背景图像求差,差值较大的像素区域被认为是运动目标区域,而差值较小的像素区域被认为是背景区域。 智能监控系统的应用全文共5页,当前为第2页。 Camshift跟踪算法 对室内环境下的目标跟踪具有较高的鲁棒性 光流跟踪算法,运动物品在观测成像面上的像素运动的瞬间速度 粒子滤波跟踪算法,粒子滤波跟踪算法可以跟踪速度较快的目标。但对复杂环境的目标跟踪鲁棒性不足。 中国科学院自动化所的生物识别与安全技术研究中心CBSR 采用人工监控的传统统计方法,不仅费时费力,且无法保障统计精度。实时可靠的人流量统计信息在交通控制、商业分析、节假日出行人数统计等许多领域同样具有非常重要的意义。 传统检测方法 超声波、红外、感应线圈 缺点:成本高、需要专门安装、移动困难,适应性差。 精度较低且仅用于稀疏、几乎无遮挡的人群 作用的范围小 基于视频图像分析的优点 成本低、安装灵活、精度高 应用前景广阔 利用现有摄像头就可以实现人群密度估计并进行人流量计数。 智能监控系统的应用全文共5页,当前为第3页。沈阳天目科技有限公司的商场客流统计、超市客流统计。南京恩能自动化设备有限公司提高的客流量统计系统解决方案。杭州海康威视软件有限公司的发明专利:人流量统计的方法及系统。 智能监控系统的应用全文共5页,当前为第3页。 场景标定-----人头检测----人头目标跟踪----人头目标运动轨迹分析-----人流量统计 基于人体的跟踪检测 目前存在的问题: [11]沈阳天目科技有限公司http://www.tymo.cn/Demo.aspx. [12]南京恩能自动化设备有限公司http://inovoauto.1688.com/. [13] Z. Wang, H. Liu, Y. Qian and T. Xu. Crowd density estimation based on local binary pattern cooccurrence matrix. ICMEW 2012. [14] A. B