一种智慧梁场的生产管控方法及系统与流程

1.本发明涉及梁场生产管控技术领域，具体是一种智慧梁场的生产管控方法及系统。


背景技术：

2.铁路梁场是铁路建设中的一个重要设施，主要用于制造、维护和加固铁路桥梁和隧道等工程结构。梁场设在铁路线路附近，便于运输材料和设备，也方便施工人员进行工作。
3.在铁路梁场生产活动中，需要对梁场内的生产过程进行定期巡检，现有的巡检方式大都是间隔式的人工巡检方式，巡检过程频率不高；如果借助摄像头，那么巡检人员需要实时的对监控视频进行识别，工作量大且非常枯燥。
4.随着物联网设备和网络传输技术的发展，梁场的生产活动逐渐智能化，称为智慧梁场，如何提供一种智能化的生产管控方法是构建智慧梁场的重要组成部分。


技术实现要素：

5.本发明的目的在于提供一种智慧梁场的生产管控方法及系统，以解决上述背景技术中提出的问题。
6.为实现上述目的，本发明提供如下技术方案：一种智慧梁场的生产管控方法，所述方法包括：基于预设的传感器实时采集各时刻梁场的物体信息，确定物体分布表；所述传感器包括力学传感器、运动学传感器和视觉传感器；根据物体分布表建立生产模型；所述生产模型为基于梁场地图的图像集；所述图像集以时间信息为顺序；对生产模型进行分析，确定聚集区及其聚集特征；基于所述聚集特征获取近景数据，基于所述近景数据生成管理指引。
7.作为本发明进一步的方案：所述基于预设的传感器实时采集各时刻梁场的物体信息，确定物体分布表的步骤包括：基于预设的力学传感器实时采集震动信息，根据所述震动信息在预设的地图中标记活动区；基于预设的运动学传感器获取活动区的运动参数；所述运动参数包括运动速度和运动加速度；将所述运动参数输入训练好的预测模型，得到各物体的预测信息；所述预测信息用于表征物体的身份信息及其位置；接收预设的视觉传感器获取的视觉信息，根据所述视觉信息对所述预测信息进行验证；当预测信息通过验证时，统计预测信息，并根据所述预测信息生成物体分布表；
其中，所述物体分布表包括身份信息项和位置项。
8.作为本发明进一步的方案：所述接收预设的视觉传感器获取的视觉信息，根据所述视觉信息对所述预测信息进行验证的步骤包括：基于预设的视觉传感器获取不同波段的梁场图像；根据所述预测信息确定卷积特征；所述卷积特征为表征不同物体的特征的图像单元；基于所述卷积特征遍历所述梁场图像，根据遍历结果验证所述预测信息。
9.作为本发明进一步的方案：所述根据物体分布表建立生产模型的步骤包括：获取梁场地图，基于梁场地图接收用户输入的含有区域状态的区域标记信息；根据所述区域标记信息确定模型底图；读取各时刻的物体分布表中的身份信息及其位置，将所述身份信息输入预设的映射模型，得到映射物体；根据所述位置将所述映射物体插入模型底图，得到生产模型。
10.作为本发明进一步的方案：所述对生产模型进行分析，确定聚集区及其聚集特征的步骤包括：读取生产模型，根据预设的点位提取规则确定映射物体对应的点位；基于预设的聚类算法对生产模型中的所有点位进行聚类，选取符合预设的聚类条件的目标点簇；根据所述点位提取规则的逆规则确定所述目标点簇对应的映射物体集，并确定聚集区；读取聚集区中的映射物体对应的运动参数，根据运动参数对映射物体进行赋值，得到聚集特征。
11.作为本发明进一步的方案：所述基于所述聚集特征获取近景数据，基于所述近景数据生成管理指引的步骤包括：将所述聚集特征输入训练好的识别模型，确定异常值；当异常值达到预设的异常阈值时，生成指向聚集区的近景采集指令；将近景采集指令向预设的无人机端发送，获取近景数据；基于所述近景数据生成管理指引。
12.本发明技术方案还提供了一种智慧梁场的生产管控系统，所述系统包括：物体分布判定模块，用于基于预设的传感器实时采集各时刻梁场的物体信息，确定物体分布表；所述传感器包括力学传感器、运动学传感器和视觉传感器；生产模型建立模块，用于根据物体分布表建立生产模型；所述生产模型为基于梁场地图的图像集；所述图像集以时间信息为顺序；聚集特征确定模块，用于对生产模型进行分析，确定聚集区及其聚集特征；近景识别分析模块，用于基于所述聚集特征获取近景数据，基于所述近景数据生成管理指引。
13.作为本发明进一步的方案：所述物体分布判定模块包括：活动区标记单元，用于基于预设的力学传感器实时采集震动信息，根据所述震动信息在预设的地图中标记活动区；
运动参数获取单元，用于基于预设的运动学传感器获取活动区的运动参数；所述运动参数包括运动速度和运动加速度；运动预测单元，用于将所述运动参数输入训练好的预测模型，得到各物体的预测信息；所述预测信息用于表征物体的身份信息及其位置；信息验证单元，用于接收预设的视觉传感器获取的视觉信息，根据所述视觉信息对所述预测信息进行验证；数据统计单元，用于当预测信息通过验证时，统计预测信息，并根据所述预测信息生成物体分布表；其中，所述物体分布表包括身份信息项和位置项。
14.作为本发明进一步的方案：所述生产模型建立模块包括：信息接收单元，用于获取梁场地图，基于梁场地图接收用户输入的含有区域状态的区域标记信息；底图确定单元，用于根据所述区域标记信息确定模型底图；映射物体生成单元，用于读取各时刻的物体分布表中的身份信息及其位置，将所述身份信息输入预设的映射模型，得到映射物体；数据插入单元，用于根据所述位置将所述映射物体插入模型底图，得到生产模型。
15.作为本发明进一步的方案：所述聚集特征确定模块包括：点位提取单元，用于读取生产模型，根据预设的点位提取规则确定映射物体对应的点位；点位聚类单元，用于基于预设的聚类算法对生产模型中的所有点位进行聚类，选取符合预设的聚类条件的目标点簇；聚集区确定单元，用于根据所述点位提取规则的逆规则确定所述目标点簇对应的映射物体集，并确定聚集区；向量插入单元，用于读取聚集区中的映射物体对应的运动参数，根据运动参数对映射物体进行赋值，得到聚集特征。
16.与现有技术相比，本发明的有益效果是：本发明通过预设的传感器实时的确定梁场中各时刻的物体分布情况，所述物体包括设备和工作人员；根据物体分布情况和梁场地图可以建立生产模型，对生产模型进行聚类分析，确定聚集区及其聚集特征，从而确定异常区域，由异常区域生成管控指引，智能化程度极高；有效地提高了梁场的安全程度，为铁路建设夯实基础，无论在生产或者维护过程中，都能够极大地提高及时性，效率极高。
附图说明
17.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。
18.图1为智慧梁场的生产管控方法的流程框图。
19.图2为智慧梁场的生产管控方法的第一子流程框图。
20.图3为智慧梁场的生产管控方法的第二子流程框图。
21.图4为智慧梁场的生产管控方法的第三子流程框图。
22.图5为智慧梁场的生产管控方法的第四子流程框图。
23.图6为智慧梁场的生产管控系统的组成结构框图。
具体实施方式
24.为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
25.图1为智慧梁场的生产管控方法的流程框图，本发明实施例中，一种智慧梁场的生产管控方法，所述方法包括：步骤s100：基于预设的传感器实时采集各时刻梁场的物体信息，确定物体分布表；所述传感器包括力学传感器、运动学传感器和视觉传感器；所述梁场与梁场是同一概念，在梁场中，管理方会预先设置很多传感器，用于对整个梁场中的设备、工作人员或其他物体进行实时监测；所述传感器包括力学传感器，力学传感器一般用于检测震动信号或者载荷信号；运动学传感器，所述运动学传感器用于检测运动物的运动速度；视觉传感器，所述视觉传感器可以是预安装在梁场中的摄像头，用于采集梁场中的视觉信息。
26.统计各时刻梁场内的物体，结合传感器获取到的数据，可以得到各物体的信息，由一张表格进行存储，该表格就是所述物体分布表。
27.步骤s200：根据物体分布表建立生产模型；所述生产模型为基于梁场地图的图像集；所述图像集以时间信息为顺序；每个时刻都对应一个物体分布表，根据时间顺序排列物体分布表，并对排列后的物体分布表进行识别，再结合梁场的地图信息，可以建立各时刻的生产图像；在生产图像上引入时间参数，即可得到生产模型。
28.步骤s300：对生产模型进行分析，确定聚集区及其聚集特征；对生产模型进行分析，判断是否存在聚集区，如果存在聚集区，就获取其聚集特征；聚集特征可以用于判定聚集区内存在异常的可能性。
29.步骤s400：基于所述聚集特征获取近景数据，基于所述近景数据生成管理指引；对聚集特征进行分析，确定哪些聚集区可能存在异常，此时，借助预设的近景采集设备获取近景数据，对近景数据进行分析，根据分析结果生成管理指引并向梁场管理方发送。
30.其中，近景采集设备可以是无人机，无人机在接收到近景数据采集指令时，在近景数据采集指令下获取近景数据，然后，本方法的执行主体根据现有的智能识别算法（一般是神经网络模型）对近景数据进行识别，即可确定一些异常的区域，生成指向异常区域的管理指引，向工作人员发送，为维护过程提供向导。
31.图2为智慧梁场的生产管控方法的第一子流程框图，所述基于预设的传感器实时采集各时刻梁场的物体信息，确定物体分布表的步骤包括：步骤s101：基于预设的力学传感器实时采集震动信息，根据所述震动信息在预设的地图中标记活动区；基于力学传感器可以采集震动信息，对震动信息进行分析，可以在地图中标记一
些动态的区域，称为活动区；步骤s102：基于预设的运动学传感器获取活动区的运动参数；所述运动参数包括运动速度和运动加速度；活动区确定后，由运动学传感器获取运动参数，所述运动参数用于判断活动区内的物体是否在运动；所述运动参数包括运动速度和运动加速度；一般情况下，获取到运动速度后，对运动速度进行数学运算即可得到运动加速度。
32.步骤s103：将所述运动参数输入训练好的预测模型，得到各物体的预测信息；所述预测信息用于表征物体的身份信息及其位置；对运动参数进行预测，可以得到各物体的预测信息；在梁场的生产活动中，各个物体的运动过程几乎都是重复的，比如，某个生产设备的工作过程大都是往复运动，相关工作人员的行为也不会发生大的变化；因此，根据力学传感器可以定位到正在运动的人员或设备，根据运动学传感器可以判断这些人员和设备的身份。其中，所述身份是一个上位概念，设备信息也被视为身份。
33.其中，所述预测模型是运动参数至预测信息的映射，由上述内容可知，某个生产设备的工作过程大都是往复运动，相关工作人员的行为也不会发生大的变化，管理方可以统计各个生产设备或相关工作人员在不同预测信息下对应的运动参数，从而构建一张映射表，在实际应用中，直接通过运动参数读取预测信息即可。
34.此外，关于运动参数和预测信息的映射关系，还可以借助神经网络模型来实现，由管理方采集物体的运动参数及其预测信息，构建训练集、测试集和样本集（8：1：1），基于训练集、测试集和样本集可以训练出一个神经网络模型，输入为运动参数，输出为预测信息。
35.步骤s104：接收预设的视觉传感器获取的视觉信息，根据所述视觉信息对所述预测信息进行验证；视觉传感器借助现有的监控摄像头即可，根据视觉信息对上述判断结果进行验证，验证过程与图像识别过程相比，消耗的计算资源极少，且运行过程容易。
36.步骤s105：当预测信息通过验证时，统计预测信息，并根据所述预测信息生成物体分布表；其中，所述物体分布表包括身份信息项和位置项；当预测信息通过验证后，将预测信息转换为物体分布表。
37.作为本发明技术方案的一个优选实施例，所述接收预设的视觉传感器获取的视觉信息，根据所述视觉信息对所述预测信息进行验证的步骤包括：基于预设的视觉传感器获取不同波段的梁场图像；根据所述预测信息确定卷积特征；所述卷积特征为表征不同物体的特征的图像单元；基于所述卷积特征遍历所述梁场图像，根据遍历结果验证所述预测信息。
38.在本发明技术方案的一个实例中，对验证过程进行了限定，预测信息通俗地说，就是哪些位置处有哪些物体，不同物体在图像中的特征可以预先提取为卷积特征，当获取到梁场图像时，根据对应的卷积特征在梁场图像中进行遍历匹配，即可对预测信息进行验证。
39.图3为智慧梁场的生产管控方法的第二子流程框图，所述根据物体分布表建立生产模型的步骤包括：步骤s201：获取梁场地图，基于梁场地图接收用户输入的含有区域状态的区域标
记信息；获取并显示梁场地图，用户在梁场地图中输入含有区域状态的区域标记信息，这一过程的目的是给用户提供一个调节端口，用户可以基于自己的想法对区域进行调整；比如，用户可以自行标记活动区或一些无效的区域。
40.步骤s202：根据所述区域标记信息确定模型底图；当用户输入确认信息后，构建模型底图。
41.步骤s203：读取各时刻的物体分布表中的身份信息及其位置，将所述身份信息输入预设的映射模型，得到映射物体；读取各时刻的物体分布表，根据物体分布表中的身份信息确定映射物体，具体的映射规则由工作人员预先确定，映射物体可以理解为与实际物体对应的虚拟物体。
42.步骤s204：根据所述位置将所述映射物体插入模型底图，得到生产模型；根据位置将所述映射物体插入模型底图，即可得到生产模型。
43.图4为智慧梁场的生产管控方法的第三子流程框图，所述对生产模型进行分析，确定聚集区及其聚集特征的步骤包括：步骤s301：读取生产模型，根据预设的点位提取规则确定映射物体对应的点位；物体包括工作人员和设备，设备的体积一般大于工作人员，因此，在生产模型中，针对设备提取的点位数量要更多一点；此时，可以所有映射物体都转换为点位；提取密度由工作人员预先确定。
44.步骤s302：基于预设的聚类算法对生产模型中的所有点位进行聚类，选取符合预设的聚类条件的目标点簇；采用现有的聚类算法对点位进行聚类运算，然后对聚类结果进行分析，根据各类点位的密度等参数，可以选取出存在聚集状态的点位集合，称为目标点簇。
45.步骤s303：根据所述点位提取规则的逆规则确定所述目标点簇对应的映射物体集，并确定聚集区；在确定好目标点簇后，根据点位提取规则的逆规则，可以将目标点簇再转换为映射物体集，由映射物体集可以确定聚集区；所述映射物体集中的映射物体均包含于聚集区。
46.步骤s304：读取聚集区中的映射物体对应的运动参数，根据运动参数对映射物体进行赋值，得到聚集特征；在本发明技术方案的一个实施中，读取运动参数，根据运动参数对映射物体进行赋值，使得映射物体上存在一个向量，此时，得到的聚集特征为某一区域内所有物体的运动向量共同确定的参数。
47.图5为智慧梁场的生产管控方法的第四子流程框图，所述基于所述聚集特征获取近景数据，基于所述近景数据生成管理指引的步骤包括：步骤s401：将所述聚集特征输入训练好的识别模型，确定异常值；步骤s402：当异常值达到预设的异常阈值时，生成指向聚集区的近景采集指令；步骤s403：将近景采集指令向预设的无人机端发送，获取近景数据；步骤s404：基于所述近景数据生成管理指引。
48.在本发明技术方案的一个实例中，根据工作人员设定的条件，对聚集特征进行识别，可以得到异常值；当异常值足够高时，控制无人机端获取近景数据，进而根据近景数据
生成管理指引。
49.其中，设定的条件可以是运动参数阈值，也可以是运动参数之间的冲突关系，比如两个相对的向量，且其值在一定阈值以上，就可以认为两个物体之间发生了冲撞。
50.图6为智慧梁场的生产管控系统的组成结构框图，本发明实施例中，一种智慧梁场的生产管控系统，所述系统10包括：物体分布判定模块11，用于基于预设的传感器实时采集各时刻梁场的物体信息，确定物体分布表；所述传感器包括力学传感器、运动学传感器和视觉传感器；生产模型建立模块12，用于根据物体分布表建立生产模型；所述生产模型为基于梁场地图的图像集；所述图像集以时间信息为顺序；聚集特征确定模块13，用于对生产模型进行分析，确定聚集区及其聚集特征；近景识别分析模块14，用于基于所述聚集特征获取近景数据，基于所述近景数据生成管理指引。
51.所述物体分布判定模块11包括：活动区标记单元，用于基于预设的力学传感器实时采集震动信息，根据所述震动信息在预设的地图中标记活动区；运动参数获取单元，用于基于预设的运动学传感器获取活动区的运动参数；所述运动参数包括运动速度和运动加速度；运动预测单元，用于将所述运动参数输入训练好的预测模型，得到各物体的预测信息；所述预测信息用于表征物体的身份信息及其位置；信息验证单元，用于接收预设的视觉传感器获取的视觉信息，根据所述视觉信息对所述预测信息进行验证；数据统计单元，用于当预测信息通过验证时，统计预测信息，并根据所述预测信息生成物体分布表；其中，所述物体分布表包括身份信息项和位置项。
52.所述生产模型建立模块12包括：信息接收单元，用于获取梁场地图，基于梁场地图接收用户输入的含有区域状态的区域标记信息；底图确定单元，用于根据所述区域标记信息确定模型底图；映射物体生成单元，用于读取各时刻的物体分布表中的身份信息及其位置，将所述身份信息输入预设的映射模型，得到映射物体；数据插入单元，用于根据所述位置将所述映射物体插入模型底图，得到生产模型。
53.所述聚集特征确定模块13包括：点位提取单元，用于读取生产模型，根据预设的点位提取规则确定映射物体对应的点位；点位聚类单元，用于基于预设的聚类算法对生产模型中的所有点位进行聚类，选取符合预设的聚类条件的目标点簇；聚集区确定单元，用于根据所述点位提取规则的逆规则确定所述目标点簇对应的映射物体集，并确定聚集区；向量插入单元，用于读取聚集区中的映射物体对应的运动参数，根据运动参数对
映射物体进行赋值，得到聚集特征。
54.上述智慧梁场的生产管控方法所能实现的功能均由计算机设备完成，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现所述智慧梁场的生产管控方法的功能。
55.处理器从存储器中逐条取出指令、分析指令，然后根据指令要求完成相应操作，产生一系列控制命令，使计算机各部分自动、连续并协调动作，成为一个有机的整体，实现程序的输入、数据的输入以及运算并输出结果，这一过程中产生的算术运算或逻辑运算均由运算器完成；所述存储器包括只读存储器（read-only memory，rom），所述只读存储器用于存储计算机程序，所述存储器外部设有保护装置。
56.示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。
57.本领域技术人员可以理解，上述服务设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。
58.所称处理器可以是中央处理单元（central processing unit，cpu），还可以是其他通用处理器、数字信号处理器 （digital signal processor，dsp）、专用集成电路 （application specific integrated circuit，asic）、现成可编程门阵列 （field-programmable gate array，fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。
59.上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如信息采集模板展示功能、产品信息发布功能等）等；存储数据区可存储根据泊位状态显示系统的使用所创建的数据（比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（smart media card， smc），安全数字（secure digital， sd）卡，闪存卡（flash card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
60.终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例系统中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个系统实施例的功能。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计
算机存储器、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、电载波信号、电信信号以及软件分发介质等。
61.需要说明的是，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，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
62.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：
1.一种智慧梁场的生产管控方法，其特征在于，所述方法包括：基于预设的传感器实时采集各时刻梁场的物体信息，确定物体分布表；所述传感器包括力学传感器、运动学传感器和视觉传感器；根据物体分布表建立生产模型；所述生产模型为基于梁场地图的图像集；所述图像集以时间信息为顺序；对生产模型进行分析，确定聚集区及其聚集特征；基于所述聚集特征获取近景数据，基于所述近景数据生成管理指引；所述基于预设的传感器实时采集各时刻梁场的物体信息，确定物体分布表的步骤包括：基于预设的力学传感器实时采集震动信息，根据所述震动信息在预设的地图中标记活动区；基于预设的运动学传感器获取活动区的运动参数；所述运动参数包括运动速度和运动加速度；将所述运动参数输入训练好的预测模型，得到各物体的预测信息；所述预测信息用于表征物体的身份信息及其位置；所述预测模型是运动参数至预测信息的映射；接收预设的视觉传感器获取的视觉信息，根据所述视觉信息对所述预测信息进行验证；当预测信息通过验证时，统计预测信息，并根据所述预测信息生成物体分布表；其中，所述物体分布表包括身份信息项和位置项。2.根据权利要求1所述的智慧梁场的生产管控方法，其特征在于，所述接收预设的视觉传感器获取的视觉信息，根据所述视觉信息对所述预测信息进行验证的步骤包括：基于预设的视觉传感器获取不同波段的梁场图像；根据所述预测信息确定卷积特征；所述卷积特征为表征不同物体的特征的图像单元；基于所述卷积特征遍历所述梁场图像，根据遍历结果验证所述预测信息。3.根据权利要求1所述的智慧梁场的生产管控方法，其特征在于，所述根据物体分布表建立生产模型的步骤包括：获取梁场地图，基于梁场地图接收用户输入的含有区域状态的区域标记信息；根据所述区域标记信息确定模型底图；读取各时刻的物体分布表中的身份信息及其位置，将所述身份信息输入预设的映射模型，得到映射物体；根据所述位置将所述映射物体插入模型底图，得到生产模型。4.根据权利要求1所述的智慧梁场的生产管控方法，其特征在于，所述对生产模型进行分析，确定聚集区及其聚集特征的步骤包括：读取生产模型，根据预设的点位提取规则确定映射物体对应的点位；基于预设的聚类算法对生产模型中的所有点位进行聚类，选取符合预设的聚类条件的目标点簇；根据所述点位提取规则的逆规则确定所述目标点簇对应的映射物体集，并确定聚集区；读取聚集区中的映射物体对应的运动参数，根据运动参数对映射物体进行赋值，得到
聚集特征。5.根据权利要求1所述的智慧梁场的生产管控方法，其特征在于，所述基于所述聚集特征获取近景数据，基于所述近景数据生成管理指引的步骤包括：将所述聚集特征输入训练好的识别模型，确定异常值；当异常值达到预设的异常阈值时，生成指向聚集区的近景采集指令；将近景采集指令向预设的无人机端发送，获取近景数据；基于所述近景数据生成管理指引。6.一种智慧梁场的生产管控系统，其特征在于，所述系统包括：物体分布判定模块，用于基于预设的传感器实时采集各时刻梁场的物体信息，确定物体分布表；所述传感器包括力学传感器、运动学传感器和视觉传感器；生产模型建立模块，用于根据物体分布表建立生产模型；所述生产模型为基于梁场地图的图像集；所述图像集以时间信息为顺序；聚集特征确定模块，用于对生产模型进行分析，确定聚集区及其聚集特征；近景识别分析模块，用于基于所述聚集特征获取近景数据，基于所述近景数据生成管理指引；所述物体分布判定模块包括：活动区标记单元，用于基于预设的力学传感器实时采集震动信息，根据所述震动信息在预设的地图中标记活动区；运动参数获取单元，用于基于预设的运动学传感器获取活动区的运动参数；所述运动参数包括运动速度和运动加速度；运动预测单元，用于将所述运动参数输入训练好的预测模型，得到各物体的预测信息；所述预测信息用于表征物体的身份信息及其位置；所述预测模型是运动参数至预测信息的映射；信息验证单元，用于接收预设的视觉传感器获取的视觉信息，根据所述视觉信息对所述预测信息进行验证；数据统计单元，用于当预测信息通过验证时，统计预测信息，并根据所述预测信息生成物体分布表；其中，所述物体分布表包括身份信息项和位置项。7.根据权利要求6所述的智慧梁场的生产管控系统，其特征在于，所述生产模型建立模块包括：信息接收单元，用于获取梁场地图，基于梁场地图接收用户输入的含有区域状态的区域标记信息；底图确定单元，用于根据所述区域标记信息确定模型底图；映射物体生成单元，用于读取各时刻的物体分布表中的身份信息及其位置，将所述身份信息输入预设的映射模型，得到映射物体；数据插入单元，用于根据所述位置将所述映射物体插入模型底图，得到生产模型。8.根据权利要求6所述的智慧梁场的生产管控系统，其特征在于，所述聚集特征确定模块包括：点位提取单元，用于读取生产模型，根据预设的点位提取规则确定映射物体对应的点
位；点位聚类单元，用于基于预设的聚类算法对生产模型中的所有点位进行聚类，选取符合预设的聚类条件的目标点簇；聚集区确定单元，用于根据所述点位提取规则的逆规则确定所述目标点簇对应的映射物体集，并确定聚集区；向量插入单元，用于读取聚集区中的映射物体对应的运动参数，根据运动参数对映射物体进行赋值，得到聚集特征。

技术总结
本发明涉及梁场生产管控技术领域，具体公开了一种智慧梁场的生产管控方法及系统，所述方法包括基于预设的传感器实时采集各时刻梁场的物体信息，确定物体分布表；根据物体分布表建立生产模型；所述生产模型为基于梁场地图的图像集；所述图像集以时间信息为顺序；对生产模型进行分析，确定聚集区及其聚集特征；基于所述聚集特征获取近景数据，基于所述近景数据生成管理指引。本发明通过预设的传感器实时的确定梁场中各时刻的物体分布情况，所述物体包括设备和工作人员；根据物体分布情况和梁场地图可以建立生产模型，对生产模型进行聚类分析，确定聚集区及其聚集特征，从而确定异常区域，由异常区域生成管控指引，智能化程度极高。智能化程度极高。智能化程度极高。


技术研发人员：杨金明 杨志广 孙秀民 丁伟 赵付昌 宋宪伟 王海龙 张磊 王福杰
受保护的技术使用者：中铁十九局集团有限公司
技术研发日：2023.08.30
技术公布日：2023/10/8