一种基于图像识别的工作质量评估方法和系统与流程

1.本发明涉及图像处理技术领域，尤其涉及一种基于图像识别的工作质量评估方法和系统。


背景技术：

2.在重工业工厂中，工人手工工作时间长、劳动工作量较大的情况较为普遍，并且工人所从事的劳动动作重复性较高。在现有技术中，一般采用便携通信设备或人工肉眼巡检的方式来判断完成进度，进行进度管理。但是，这两种方式都存在耗费人力、操作不便、采集数据不准确和增加人工成本等缺点，无法对工作质量进行精确的评估。


技术实现要素：

3.本发明提供了一种基于图像识别的工作质量评估方法和系统，解决了现有通过便携通信设备或人工肉眼巡检的方式来判断完成进度，进行进度管理，存在耗时费力、操作不便、获取数据不准确等缺点，无法对工作质量进行精确评估的技术问题。
4.本发明第一方面提供的一种基于图像识别的工作质量评估方法，包括：
5.当接收到工作质量评估请求时，获取工作进度监测视频相邻帧的两个待分析图像以及参考数量值；
6.提取每个所述待分析图像的感兴趣区域，利用所述感兴趣区域将所述待分析图像分为目标图像和背景图像；
7.计算两个所述背景图像之间的重合度，根据所述重合度与预设的重合度阈值比较结果，判断两个所述背景图像是否匹配；
8.若两个所述背景图像匹配，则根据所述目标图像在预设的分析策略键值对表中匹配对应的目标分析策略；
9.根据所述目标分析策略对两个所述目标图像和所述参考数量值进行解析，生成工作质量评估结果。
10.可选的，所述提取每个所述待分析图像的感兴趣区域，利用所述感兴趣区域将所述待分析图像分为目标图像和背景图像的步骤，包括：
11.选取每个所述待分析图像的中心点，在所述中心点上构建二维坐标系；
12.基于所述中心点，在所述二维坐标系上采用预设的四个坐标点构建感兴趣区域；
13.截取所述待分析图像在所述感兴趣区域内的图像作为目标图像；
14.截取所述待分析图像在所述感兴趣区域外的图像作为背景图像。
15.可选的，所述计算两个所述背景图像之间的重合度，根据所述重合度与预设的重合度阈值比较结果，判断两个所述背景图像是否匹配的步骤，包括：
16.计算两个所述背景图像之间的第一重合度值；
17.判断所述第一重合度值是否大于或等于预设的重合度阈值；
18.若所述第一重合度值大于或等于所述重合度阈值，则判定两个所述背景图像匹
配；
19.若所述第一重合度值小于所述重合度阈值，则判定两个所述背景图像不匹配。
20.可选的，所述若两个所述背景图像匹配，则根据所述目标图像在预设的分析策略键值对表中匹配对应的目标分析策略的步骤，包括：
21.若两个所述背景图像匹配，则获取所述目标图像中的特征标识；
22.采用所述特征标识，生成对应的复合键；
23.按照所述复合键在预设的分析策略键值对表匹配所述目标图像对应的目标分析策略。
24.可选的，所述根据所述目标分析策略对两个所述目标图像和所述参考数量值进行解析，生成工作质量评估结果的步骤，包括：
25.计算两个所述目标图像之间的第二重合度值；
26.将预设的标准值的与所述第二重合度值进行作差处理，生成第一差值；
27.将所述第一差值与所述参考数量值进行比值处理，生成工作质量评估结果。
28.可选的，所述根据所述目标分析策略对两个所述目标图像和所述参考数量值进行解析，生成工作质量评估结果的步骤，还包括：
29.将两个所述目标图像分别输入预先训练好的目标图像分析模型，生成第一目标图像数量值和第二目标图像数量值；其中，所述目标图像分析模型是用于对输入的目标图像进行分析输出对应的目标图像数量值；
30.将所述第二目标图像数量值与所述第一目标图像数量值进行作差处理，生成第二差值；
31.将所述第二差值与所述参考数量值进行比值处理，得到比值结果作为工作质量评估结果。
32.本发明第二方面提供的一种基于图像识别的工作质量评估系统，包括：
33.待分析数据获取模块，用于当接收到工作质量评估请求时，获取工作进度监测视频相邻帧的两个待分析图像以及参考数量值；
34.图像裁剪模块，用于提取每个所述待分析图像的感兴趣区域，利用所述感兴趣区域将所述待分析图像分为目标图像和背景图像；
35.判断分析模块，用于计算两个所述背景图像之间的重合度，根据所述重合度与预设的重合度阈值比较结果，判断两个所述背景图像是否匹配；
36.目标分析策略选取模块，用于若两个所述背景图像匹配，则根据所述目标图像在预设的分析策略键值对表中匹配对应的目标分析策略；
37.质量评估模块，用于根据所述目标分析策略对两个所述目标图像和所述参考数量值进行解析，生成工作质量评估结果。
38.可选的，判断分析模块，包括：
39.第一重合度值计算子模块，用于计算两个所述背景图像之间的第一重合度值；
40.第一重合度值判断子模块，用于判断所述第一重合度值是否大于或等于预设的重合度阈值；
41.若所述第一重合度值大于或等于所述重合度阈值，则判定两个所述背景图像匹配；
42.若所述第一重合度值小于所述重合度阈值，则判定两个所述背景图像不匹配。
43.可选的，目标分析策略选取模块，包括：
44.特征标识获取子模块，用于若两个所述背景图像匹配，则获取所述目标图像中的特征标识；
45.复合键生成子模块，用于采用所述特征标识，生成对应的复合键；
46.目标分析策略获取子模块，用于按照所述复合键在预设的分析策略键值对表匹配所述目标图像对应的目标分析策略。
47.可选的，所述目标分析策略包括第一目标分析策略和第二目标分析策略，质量评估模块，包括：
48.第二重合度计算子模块，用于计算两个所述目标图像之间的第二重合度值；
49.第一工作质量评估结果获取子模块，用于将预设的标准值的与所述第二重合度值进行作差处理，生成第一差值；
50.将所述第一差值与所述参考数量值进行比值处理，生成工作质量评估结果。
51.从以上技术方案可以看出，本发明具有以下优点：
52.通过获取工作前后工作区域的待分析图像，提取每一个待分析图像的感兴趣区域，根据感兴趣区域将两个待分析图像中工作前的待分析图像划分为第一目标图像和第一背景图像，再利用感兴趣区域将两个待分析图像中工作后的待分析图像划分为第二目标图像和第二背景图像，再判断第一背景图像与第二背景图像是否匹配，从而判断出待分析图像中工作前后的待分析图像是否在同一位置，若工作前后的待分析图像在同一位置，则根据目标图像选取对应的目标分析策略，根据目标分析策略两个目标图像和参考数量值进行解析，计算工作质量评估结果。解决了现有技术通过便携通信设备或人工肉眼巡检的方式来判断完成进度，无法对工作质量进行精确评估的技术问题。
附图说明
53.为了更清楚地说明本发明实施例或现有技术中的技术方案，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，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
54.图1为本发明实施例一提供的一种基于图像识别的工作质量评估方法的步骤流程图；
55.图2为本发明实施例二提供的一种基于图像识别的工作质量评估方法的步骤流程图
56.图3为本发明实施例三提供的一种基于图像识别的工作质量评估系统的结构框图。
具体实施方式
57.本发明实施例提供了一种基于图像识别的工作质量评估方法和系统，用于解决现有通过便携通信设备或人工肉眼巡检的方式来判断完成进度，进行进度管理，存在耗时费力、操作不便、获取数据不准确等缺点，无法对工作质量进行精确的评估的技术问题。
58.为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
59.请参阅图1，图1为本发明实施例一提供的一种基于图像识别的工作质量评估方法的步骤流程图。
60.本发明提供的一种基于图像识别的工作质量评估方法，包括以下步骤：
61.步骤101、当接收到工作质量评估请求时，获取工作进度监测视频相邻帧的两个待分析图像以及参考数量值。
62.工作质量评估请求，指的是接收到管理人员发送的针对工作质量评估结果的生成请求。
63.待分析图像，指的是在同一区域内工作前后的图像，其中图像包含有具体工作类型信息。
64.参考数量值，指的是当前阶段需要完成的工作总量。
65.在本发明实施例中，当接收到管理人员从终端发送的工作质量评估请求时，获取工作进度监测视频相邻帧的两个待分析图像和当前阶段需要完成的工作总量。
66.需要说明的是，获取的是在同一区域内工作前后的图像尺寸大小和图像格式均为相同。
67.步骤102、提取每个待分析图像的感兴趣区域，利用感兴趣区域将待分析图像分为目标图像和背景图像。
68.在本发明实施例中，当获取到待分析图像后，以第一待分析图像的中心点为坐标原点构建二维坐标系，以预设的四个坐标点为围成的区域将第一待分析图像划分为第一目标图像和第一背景图像，以第二待分析图像的中心点为坐标原点构建二维坐标系，以预设的四个坐标点为围成的区域将第二待分析图像划分为第二目标图像和第二背景图像。
69.需要说明的是，第一待分析图像为同一区域工作前的图像，第二待分析图像为同一区域工作后的图像。
70.步骤103、计算两个背景图像之间的重合度，根据重合度与预设的重合度阈值比较结果，判断两个背景图像是否匹配。
71.在本发明实施例中，计算第一背景图像与第二背景图像之间的重合度值，根据重合度值与预设的第一重合度阈值的比较结果，判断第一背景图像与第二背景图像是否匹配。
72.需要说明的是，还可以采用信息摘要算法判断第一背景图像与第二背景图像是否匹配，生成第一背景图像与第二背景图像之间的信息摘要散列值，判断第一背景图像的信息摘要散列值与第二背景图像的信息摘要散列值是否一致，若信息摘要散列值一致，则判定第一背景图像与第二背景图像匹配，若信息摘要散列值不一致，则计算第一背景图像与第二背景图像之间的重合度值，根据重合度值与预设的第一重合度阈值的比较结果，判断第一背景图像与第二背景图像是否匹配。
73.步骤104、若两个背景图像匹配，则根据目标图像在预设的分析策略键值对表中匹
配对应的目标分析策略。
74.在本发明实施例中，当第一背景图像与第二背景图像匹配时，则判定第一待分析图像和第二待分析图像为同一位置的图像，根据目标图像中特征标识从预设的分析策略键值对表匹配对应的目标分析策略。
75.需要说明的是，目标图像中包含有标记好的特征标识，可通过预先训练好的神经网络模型去获取目标图像中的特征标识。
76.步骤105、根据目标分析策略对两个目标图像和参考数量值进行解析，生成工作质量评估结果。
77.在本发明实施例中，根据目标分析策略选取对应的计算方法，若目标分析策略为第一目标分析策略时，则计算第一目标图像与第二目标图像之间的第二重合度值，计算预设的标准值与第二重合度之间的第一差值，再计算第一差值与参考数量值之间的第一比值，将第一比值确定为工作质量评估结果，若目标分析策略为第二目标分析策略时，将第一目标图像和第二目标图像分别输入预先训练好的目标图像分析模型，生成第一目标图像数量值和第二目标图像数量值，计算第二目标图像数量值与第一目标图像数量值之间的第二差值，将第二差值与参考数量值之间的第二比值做为工作质量的评估结果。
78.在本发明实施例中，当接收到管理人员从终端发送请求时，获取工作进度监测视频相邻帧的两个待分析图像，根据预设四个坐标点分别将待分析图像中工作前的待分析图像划分为第一目标图像和第一背景图像，将待分析图像中工作后的待分析图像划分为第二目标图像和第二背景图像，通过计算第一背景图像与第二背景图像之间的第一重合度，判断待分析图像中工作前后的待分析图像是否在同一位置，若工作前后的待分析图像在同一位置，则根据目标图像选取对应的目标分析策略，根据目标分析策略对两个目标图像和参考数量值进行解析，计算出待分析图像对应的工作完成度并将工作完成度作为工作质量的评估结果。解决了现有技术通过便携通信设备或人工肉眼巡检的方式来判断完成进度，无法对工作质量进行精确评估的技术问题。
79.请参阅图2，图2为本发明实施例二提供的一种基于图像识别的工作质量评估方法的步骤流程图。
80.步骤201、当接收到工作质量评估请求时，获取工作进度监测视频相邻帧的两个待分析图像以及参考数量值。
81.在本发明实施例中，当接收到终端发送的工作质量评估请求时，获取工作进度监测视频相邻帧的两个待分析图像和当前所需完成的工作总量，其中两个待分析图像为工作前的待分析图像和工作后的待分析图像。
82.步骤202、提取每个待分析图像的感兴趣区域，利用感兴趣区域将待分析图像分为目标图像和背景图像。
83.进一步地，步骤202包括以下子步骤：
84.s11、选取每个待分析图像的中心点，在中心点上构建二维坐标系。
85.s12、基于中心点，在二维坐标系上采用预设的四个坐标点构建感兴趣区域。
86.坐标点，指的是根据待分析图像的长l1和宽l2，其四个预设坐标点的取值为(0.5l1,0.5l2)、(-0.5l1,0.5l2)、(0.5l1,-0.5l2)、(-0.5l1,-0.5l2)。
87.s13、截取待分析图像在感兴趣区域内的图像作为目标图像。
88.s14、截取待分析图像在感兴趣区域外的图像作为背景图像。
89.在本发明实施例中，以第一待分析图像的中心点为坐标原点构建第一坐标系，根据预设的四个坐标点构建感兴趣区域，选取第一待分析图像在感兴趣区域内的图像作为第一目标图像，选取第一待分析图像在感兴趣区域外的图像作为第一背景图像，再以第二待分析图像的中心点为坐标原点构建第二坐标标系，根据预设的四个坐标点构建感兴趣区域，选取第二待分析图像在感兴趣区域内的图像作为第二目标图像，选取第二待分析图像在感兴趣区域外的图像作为第二背景图像。
90.需要说明的是，第一坐标系和第二坐标系为二维坐标系，本发明是以相同的四个坐标点对第一待分析图像和第二待分析图像进行划分。
91.步骤203、计算两个背景图像之间的重合度，根据重合度与预设的重合度阈值比较结果，判断两个背景图像是否匹配。
92.可选地，步骤203包括以下步骤s21-s24:
93.s21、计算两个背景图像之间的第一重合度值。
94.在本发明实施例中，通过直方图算法计算第一背景图像与第二背景图像之间的第一重合度值。
95.s22、判断第一重合度值是否大于或等于预设的重合度阈值。
96.重合度阈值，指的是第一背景图像与第二背景图像整体相差要小于或等于10％。
97.在本发明实施例中，判断第一重合度值是否大于或等于90％。
98.s23、若第一重合度值大于或等于重合度阈值，则判定两个背景图像匹配。
99.在本发明实施例中，若第一重合度值大于或等于90％，则判定第一背景图像与第二背景图像匹配。
100.s24、若第一重合度值小于重合度阈值，则判定两个背景图像不匹配。
101.在本发明实施例中，若第一重合度值小于90％，则判定第一背景图像与第二背景图像不匹配。
102.步骤204、若两个背景图像匹配，则获取目标图像中的特征标识。
103.特征标识，指的是管理人员通过标注操作，在待分析图像上添加的工作类型。
104.在本发明实施例中，当判定第一背景图像与第二背景图像在同一位置时，获取目标图像中的特征标识。
105.步骤205、采用特征标识，生成对应的复合键。
106.在本发明实施例中，采用特征标识，生成对应的复合键。
107.步骤206、按照复合键在预设的分析策略键值对表匹配目标图像对应的目标分析策略。
108.目标分析策略，指的是根据待分析图像对应工作类型所选择的计算分析方法。
109.在本发明实施例中，按照复合键在预设的分析策略键值对表匹配目标图像对应的计算分析方法。
110.需要说明的是，复合键中含有目标图像的工作类型，例如，若工作类型为砍树，可通过分析目标图像中各色彩的占比，来判断出对应的工作进度，若工作类型为搬运物资，计算目标图像前后的物资数量变化来判定工作完成程度。
111.步骤207、根据目标分析策略对两个目标图像和参考数量值进行解析，生成工作质
量评估结果。
112.可选的，步骤207包括以下步骤s31-s36。
113.s31、计算两个目标图像之间的第二重合度值。
114.在本发明实施例中，当目标分析策略为第一目标分析策略时，计算第一目标图像和第二目标图像之间的第二重合度值。
115.需要说明的是，若目标分析策略为第一目标分析策略时，则通过计算工作前目标图像与工作后目标图像之间的色彩变化百分比来确定待分析图像的工作完成进度。
116.s32、将预设的标准值的与第二重合度值进行作差处理，生成第一差值。
117.第一差值，指的是第一目标图像与第二目标图像之间的差异值。
118.在本发明实施例中，计算100％与第二重合度之间的第一差值。
119.s33、将第一差值与参考数量值进行比值处理，生成工作质量评估结果。
120.在本发明实施例中，计算第一差值与参考数量值之间的第一比值，并将第一比值作为工作质量的评估结果。
121.可选的，步骤207还包括以下步骤s31-s33。
122.s34、将两个目标图像分别输入预先训练好的目标图像分析模型，生成第一目标图像数量值和第二目标图像数量值；其中，目标图像分析模型是用于对输入的目标图像进行分析输出对应的目标图像数量值。
123.在本发明实施例中，将第一目标图像与第二目标图像分别输出预先训练好的目标图像分析模型，生成第一目标图像数量值与第二目标图像数量值。
124.目标图像分析模型具体训练过程为：
125.s341、获取训练样本数据和对应的标准数量值，将训练样本数据输入预设的图像分析模型进行训练，生成对应的训练数量值。
126.图像分析模型，指的是yolov4神经网络模型。
127.训练样本数据，指的是多个训练目标图像，例如，树木图像、箱子图像、断路器开关图像等。
128.在本发明实施例中，当获取到训练样本数据和对应的标准数量值时，将训练样本数据输入预设的yolov4神经网络模型进行训练，生成对应的训练数量值。
129.需要说明的是，训练样本数据中的训练目标图像输入yolov4神经网络模型，会先将训练目标图像缩放至416*416输入神经网络模型，在通过基于mobilenetv3的主干特征提取网络初步提取出训练目标图像的特征，获得三个有效特征层，再通过基于spp和panet的特征金字塔进行加强特征提取，实现三个有效特征层的融合，提取出三个更有效的特征层，最后通过yolov3的head结构检测出训练目标图像中的物体目标及其位置，实现训练目标图像计数。
130.s342、根据训练数量值与标准数量值的比对结果，生成对应精度值。
131.s343、判断精度值是否大于或等于预设精度阈值。
132.s344、若精度值大于或等于精度阈值，则停止训练，生成目标图像分析模型。
133.s345、若精度值小于精度阈值，则按照预设梯度调整图像分析模型的网络参数，跳转执行将训练样本数据输入预设的图像分析模型进行训练，生成对应的训练数量值的步骤，直至精度值大于或等于精度阈值，输出其对应的目标图像分析模型。
134.在本发明实施例中，根据训练数量值与标准数量值的比对结果计算出对应精度值，判断精度值是否大于或等于98％，若精度值大于或等于98％，则停止训练。得到目标图像分析模型，若精度值小于98％，则通过梯度下降法调整图像分析模型的模型参数，并跳转执行将训练样本数据输入预设的yolov4神经网络模型进行训练，生成对应的训练数量值的步骤，直到精度值大于或等于98％。
135.需要说明的是，将训练样本数据中的多个训练目标图像输入yolov4神经网络模型中，生成多个训练数量值，统计出训练数量值与标准数量值相等的个数，再计算个数与训练数量值个数的比值，将比值确定为对应的精度值。
136.s35、将第二目标图像数量值与第一目标图像数量值进行作差处理，生成第二差值。
137.在本发明实施例中，计算第二目标图像数量值与第一目标图像数量值之间的第二差值。
138.s36、将第二差值与参考数量值进行比值处理，生成工作质量评估结果。
139.在本发明实施例中，计算第二差值与参考数量值之间第二比值，并第二比值作为工作质量的评估结果。
140.在本发明实施例中，当接收到管理人员从终端发送的工作质量评估请求时，获取工作进度监测视频相邻帧的两个待分析图像，根据预设四个坐标点分别将两个待分析图像中工作前的待分析图像划分为第一目标图像和第一背景图像，将两个待分析图像中工作后的待分析图像划分为第二目标图像和第二背景图像，通过计算第一背景图像与第二背景图像之间的第一重合度，判断待分析图像中工作前后的待分析图像是否在同一位置，若工作前后的待分析图像在同一位置，则根据任一目标图像选取对应的目标分析策略，根据目标分析策略对两个目标图像和参考数量值进行解析，计算出待分析图像对应的工作完成度并将工作完成度作为工作质量的评估结果。解决了现有技术通过便携通信设备或人工肉眼巡检的方式来判断完成进度，无法对工作质量进行精确评估的技术问题。
141.请参阅图3，图3位本发明实施例三提供的一种提供的一种基于图像识别的工作质量评估系统的结构框图。
142.待分析数据获取模块301，用于当接收到工作质量评估请求时，获取工作进度监测视频相邻帧的两个待分析图像以及参考数量值；
143.图像裁剪模块302，用于提取每个待分析图像的感兴趣区域，利用感兴趣区域将待分析图像分为目标图像和背景图像；
144.判断分析模块303，用于计算两个背景图像之间的重合度，根据重合度与预设的重合度阈值比较结果，判断两个背景图像是否匹配；
145.目标分析策略选取模块304，用于若两个背景图像匹配，则根据目标图像在预设的分析策略键值对表中匹配对应的目标分析策略；
146.质量评估模块305，用于根据目标分析策略对两个目标图像和参考数量值进行解析，生成工作质量评估结果。
147.进一步地，图像裁剪模块302包括：
148.二维坐标系构建子模块，用于选取每个待分析图像的中心点，在中心点上构建二维坐标系；
149.感兴趣区域构建子模块，用于基于中心点，在二维坐标系上采用预设的四个坐标点构建感兴趣区域；
150.目标图像截取子模块，用于截取待分析图像在感兴趣区域内的图像作为目标图像；
151.背景图像截取子模块，用于截取待分析图像在感兴趣区域外的图像作为背景图像；
152.进一步地，判断分析模块303，包括：
153.第一重合度值计算子模块，用于计算两个背景图像之间的第一重合度值；
154.第一重合度值判断子模块，用于判断第一重合度值是否大于或等于预设的重合度阈值；
155.若第一重合度值大于或等于重合度阈值，则判定两个背景图像匹配；
156.若第一重合度值小于重合度阈值，则判定两个背景图像不匹配。
157.进一步地，目标分析策略选取模块304，包括：
158.特征标识获取子模块，用于若两个背景图像匹配，则获取目标图像中的特征标识；
159.复合键生成子模块，用于采用特征标识，生成对应的复合键；
160.目标分析策略获取子模块，用于按照复合键在预设的分析策略键值对表匹配目标图像对应的目标分析策略。
161.进一步地，目标分析策略包括第一目标分析策略和第二目标分析策略，质量评估模块305，包括：
162.第二重合度计算子模块，用于计算两个目标图像之间的第二重合度值；
163.第一工作质量评估结果获取子模块，用于将预设的标准值的与第二重合度值进行作差处理，生成第一差值；
164.将第一差值与参考数量值进行比值处理，生成工作质量评估结果；
165.目标图像数量值获取子模块，用于将两个目标图像分别输入预先训练好的目标图像分析模型，生成第一目标图像数量值和第二目标图像数量值；其中，目标图像分析模型是用于对输入的目标图像进行分析输出对应的目标图像数量值；
166.第二工作质量评估结果获取子模块，用于将第二目标图像数量值与第一目标图像数量值进行作差处理，生成第二差值；
167.将第二差值与参考数量值进行比值处理，得到比值结果作为工作质量评估结果。
168.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，上述描述的系统和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
169.在本技术所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，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接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
170.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。
171.以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种基于图像识别的工作质量评估方法，其特征在于，包括：当接收到工作质量评估请求时，获取工作进度监测视频相邻帧的两个待分析图像以及参考数量值；提取每个所述待分析图像的感兴趣区域，利用所述感兴趣区域将所述待分析图像分为目标图像和背景图像；计算两个所述背景图像之间的重合度，根据所述重合度与预设的重合度阈值比较结果，判断两个所述背景图像是否匹配；若两个所述背景图像匹配，则根据所述目标图像在预设的分析策略键值对表中匹配对应的目标分析策略；根据所述目标分析策略对两个所述目标图像和所述参考数量值进行解析，生成工作质量评估结果。2.根据权利要求1所述的基于图像识别的工作质量评估方法，其特征在于，所述提取每个所述待分析图像的感兴趣区域，利用所述感兴趣区域将所述待分析图像分为目标图像和背景图像的步骤，包括：选取每个所述待分析图像的中心点，在所述中心点上构建二维坐标系；基于所述中心点，在所述二维坐标系上采用预设的四个坐标点构建感兴趣区域；截取所述待分析图像在所述感兴趣区域内的图像作为目标图像；截取所述待分析图像在所述感兴趣区域外的图像作为背景图像。3.根据权利要求1所述的基于图像识别的工作质量评估方法，其特征在于，所述计算两个所述背景图像之间的重合度，根据所述重合度与预设的重合度阈值比较结果，判断两个所述背景图像是否匹配的步骤，包括：计算两个所述背景图像之间的第一重合度值；判断所述第一重合度值是否大于或等于预设的重合度阈值；若所述第一重合度值大于或等于所述重合度阈值，则判定两个所述背景图像匹配；若所述第一重合度值小于所述重合度阈值，则判定两个所述背景图像不匹配。4.根据权利要求1所述的基于图像识别的工作质量评估方法，其特征在于，所述若两个所述背景图像匹配，则根据所述目标图像在预设的分析策略键值对表中匹配对应的目标分析策略的步骤，包括：若两个所述背景图像匹配，则获取所述目标图像中的特征标识；采用所述特征标识，生成对应的复合键；按照所述复合键在预设的分析策略键值对表匹配所述目标图像对应的目标分析策略。5.根据权利要求2所述的基于图像识别的工作质量评估方法，其特征在于，所述根据所述目标分析策略对两个所述目标图像和所述参考数量值进行解析，生成工作质量评估结果的步骤，包括：计算两个所述目标图像之间的第二重合度值；将预设的标准值的与所述第二重合度值进行作差处理，生成第一差值；将所述第一差值与所述参考数量值进行比值处理，生成工作质量评估结果。6.根据权利要求2所述的基于图像识别的工作质量评估方法，其特征在于，所述根据所述目标分析策略对两个所述目标图像和所述参考数量值进行解析，生成工作质量评估结果
的步骤，还包括：将两个所述目标图像分别输入预先训练好的目标图像分析模型，生成第一目标图像数量值和第二目标图像数量值；其中，所述目标图像分析模型是用于对输入的目标图像进行分析输出对应的目标图像数量值；将所述第二目标图像数量值与所述第一目标图像数量值进行作差处理，生成第二差值；将所述第二差值与所述参考数量值进行比值处理，得到比值结果作为工作质量评估结果。7.一种基于图像识别的工作质量评估系统，其特征在于，包括：待分析数据获取模块，用于当接收到工作质量评估请求时，获取工作进度监测视频相邻帧的两个待分析图像以及参考数量值；图像裁剪模块，用于提取每个所述待分析图像的感兴趣区域，利用所述感兴趣区域将所述待分析图像分为目标图像和背景图像；判断分析模块，用于计算两个所述背景图像之间的重合度，根据所述重合度与预设的重合度阈值比较结果，判断两个所述背景图像是否匹配；目标分析策略选取模块，用于若两个所述背景图像匹配，则根据所述目标图像在预设的分析策略键值对表中匹配对应的目标分析策略；质量评估模块，用于根据所述目标分析策略对两个所述目标图像和所述参考数量值进行解析，生成工作质量评估结果。8.根据权利要求7所述的基于图像识别的工作质量评估系统，其特征在于，判断分析模块，包括：第一重合度值计算子模块，用于计算两个所述背景图像之间的第一重合度值；第一重合度值判断子模块，用于判断所述第一重合度值是否大于或等于预设的重合度阈值；若所述第一重合度值大于或等于所述重合度阈值，则判定两个所述背景图像匹配；若所述第一重合度值小于所述重合度阈值，则判定两个所述背景图像不匹配。9.根据权利要求7所述的基于图像识别的工作质量评估系统，其特征在于，目标分析策略选取模块，包括：特征标识获取子模块，用于若两个所述背景图像匹配，则获取所述目标图像中的特征标识；复合键生成子模块，用于采用所述特征标识，生成对应的复合键；目标分析策略获取子模块，用于按照所述复合键在预设的分析策略键值对表匹配所述目标图像对应的目标分析策略。10.根据权利要求7所述的基于图像识别的工作质量评估系统，其特征在于，所述目标分析策略包括第一目标分析策略和第二目标分析策略，质量评估模块，包括：第二重合度计算子模块，用于计算两个所述目标图像之间的第二重合度值；第一工作质量评估结果获取子模块，用于将预设的标准值的与所述第二重合度值进行作差处理，生成第一差值；将所述第一差值与所述参考数量值进行比值处理，生成工作质量评估结果。

技术总结
本发明公开了一种基于图像识别的工作质量评估方法和系统，其方法接收到故障质量评估请求时，获取工作进度监测视频相邻帧的两个待分析图像以及参考数量值，提取每个待分析图像的感兴趣区域，利用感兴趣区域将待分析图像划分为目标图像和背景图像，计算两个背景图像之间的重合度，根据重合度与预设的重合度阈值的比较结果，判断两个背景图像是否匹配，若两个背景图像匹配，则根据目标图像选取对应的目标分析策略，根据目标分析策略对目标图像和参考数量值进行解析，生成工作质量评估结果，解决了现有通过便携通信设备或人工肉眼巡检的方式来判断完成进度，无法对工作质量进行精确评估的技术问题。估的技术问题。估的技术问题。


技术研发人员：刘欣燃 杨德强 陈阵 陆靖宇 廖香勇
受保护的技术使用者：广东电网有限责任公司中山供电局
技术研发日：2023.04.18
技术公布日：2023/7/13