智慧水泥视频监控分析系统 TensorFlow

智慧水泥视频监控分析系统水准的提升，水泥厂向智能化系统、系统一体化、数字化管理的角度发展趋势是大势所趋。智慧水泥视频监控分析系统将工业生产智能化视频监控与生产安全有机结合，为工业化生产情景给予全天、多层次的即时监控、分析和预警信息，填补人力查验的不够，提升警报解决的时效性，进而更合理地协助监管部门解决紧急状况，合理地提升工业化生产的智能化系统和安全系数。

介绍了分布式TensorFlow训练甚多学习模型的理论。本小节将具体介绍如何使用TF在分布式集群中训练深度学习模型。TensorFlow集群通过一系列的任务（tasks）来执行TF计算图中的运算。一般来说，不同的任务跑在不同的机器上。当然，使用GPU时，不同任务可以使用用一太机器上的不同GPU。TF中的任务可以聚合成工作。每个工作可以包含一个或多个任务。当一个TF集群有多个任务的时候，需要使用tf.train.ClusterSpec来指定运行每一个人物的机器。

安全生产防护装备穿戴鉴别：运用燧机智慧水泥视频监控分析系统鉴别视频中员工的帽子、反光衣服裤子、防护衣，立即给予出现异常预警信息，加强安全性管理方法，将安全事故抹杀在摇蓝内。浓烟鉴别、火苗鉴别：即时检验生产制造情景地区，一旦发觉浓烟，火苗马上警报，进而做到火灾事故初期预警信息的实际效果。工作人员区域入侵识别：即时检验特定地区，当检验有些人挨近、来回徘徊时，马上通告警报信息立即注意异常情况。

import tensorflow as tf

c = tf.constant('Hello ,this is the server1!')

#生成一个有两个人物的集群，一个任务跑在本地的2222端口，另一个跑在本地的2223端口
cluster = tf.train.ClusterSpec({"local":['localhost:2998','localhost2999']})
#通过上面生成的集群配置生成Server。并通过job_name和task_index指定当前启动的任务。
server = tf.train.Server(cluster,job_name='local',task_index=0)
#通过server.target生成会话来使用来使用TF集群中的资源。通过log_device_placement可以看到执行每一个操作的任务
sess = tf.Session(server.target,config=tf.ConfigProto(log_device_placement = True))
print(sess.run(c))

import tensorflow as tf

c = tf.constant('Hello ,this is the server2!')
#和第一个任务一样的集群配置
cluster = tf.train.ClusterSpec({"local":['localhost:2998','localhost2999']})
#指定task_index = 1，所以第二个任务是运行在2999端口上
server = tf.train.Server(cluster,job_name='local',task_index=0)

sess = tf.Session(server.target,config=tf.ConfigProto(log_device_placement = True))
print(sess.run(c))

灰分检测：对水泥厂运行机器进行实时监测，当设备在运转环节中产生灰分时，应该马上警报，并马上告知工作员前往现场，以防影响到正常的运作。开料口阻塞检验：选用智能化分析技术性检验开料口阻塞状况，立即预警信息和清除拥挤，减少损失。旋转阀运动状态检验：即时监控旋转阀的运动状态。当监测到旋转阀的出现异常运动状态时，应该马上警报并妥善处理。传动带运动状态检验：检测传动带的运动状态。当监测到传动带撕破、误差出现异常时，应该马上警报。