基于深度学习的烟草工业人员行为分析管控研究

基于深度学习的烟草工业人员行为分析管控研究
#1.1.1 研究背景
对于生产企业而言，产品质量重于泰山。自2014年来，云南烟草市场投诉数量未有明显下降趋势，且云南中烟各工厂内部每月抽查都存在产品缺陷等问题（未流入市场），如何提升产品质量一直以来都是困扰烟草工业的痛点、难点问题。
而对于产品质量的控制，主要是由质检、操作人员直接对产品进行观察、接触，质检、操作人员是否按时、按量、规范进行质检工作成为产品质量控制的核心同时也是管理重点。目前，对于员工是否进行产品质量检查操作判定依据较为主观，过程管控成本居高不下；其次在发生质量事故或者市场反馈需要对产品进行追溯时，主要是采用人工对视频监控进行观看来对质检、操作人员的质检工作进行分析评估，以评估结果对质检、操作人员的质检行为进行管理，而人工核对方式效率低下、准确率较差且浪费大量人力成本，因此本文提出一种基于机器视觉的人员行为分析系统，为管理层提供“员工画像”，以优化人力资源分配、利用方式。
通过视频监控对特定任务、特定场景进行智能分析管理，一直以来是智能工厂最求的目标。物体分类与检测的研究，是整个工厂视频智能分析管理的基石，是解决跟踪、分割、场景理解等其他复杂问题的基础。深度学习算法在物体分类与检测具方面具有强力的性能，虽然计算深度网络的前项传导与反向传播带来巨大的时间复杂度，但模型对于智能物体分类、检测具有精度高，泛化性能好、鲁棒性强等特点。随着计算机硬件技术的发展，使工厂监控视频智能分析与深度学习结合成为可能。所以，深度学习网络对于工厂监控视频智能分析，具有重要意义。
1.1.2研究目的及意义
本文的研究的范围是烟草工业领域，意在解决烟草工业生产成品中对于人力资源过程管控成本较高的问题，研究的目的是基于机器视觉进行员工画像绘制。通过热力图，分析优秀操作工频繁操作区域，为优秀操作法分析、新员工岗前培训提供数据支撑。利用机器视觉识别每名操作人员的自检行为，将行为量化为具体数据，可为管理人员合理分配人力资源提供数据支撑。热力图数据与机器视觉数据构成人员行为画像，支撑排产系统精准计算。在理论和现实方面，都有很强的意义，具体表现为：
（1）理论方面。通过本文的研究，为人力资源分配提供一种新思路。传统环境中，对于人员评价均较为主观，缺乏判断依据。而本文研究方向可为该领域提供了一种全新视觉，通过机器视觉将员工的工作状态抽象为可量化的数据，借助机器学习等新技术，可绘制员工画像，为人力资源分配提供客观、科学的判断依据。
（2）应用方面，该项目可广泛应用于烟草工业制造业作业场所中人员行为画像，为管理人员提供客观、服众、周密、详细的职能人员痕迹化数据，支持智能、智慧工厂的推广应用。
传统生产要素中，人、机、料、法、环五要素必不可少，如需提升生产效能，必须从五要素着手逐一解决。而其中，由于人力资源要素变化极大、难以把控，一直以来都是困扰管理层的一大难题。该系统旨在通过调用车间内安防摄像头视频流并构建相应神经网络模型，以机器视觉分析、判断人员行为，将员工近几月的工作行为量化为一种工作状态模型，绘制“员工画像”，判断其工作状态是否异常，在员工工作效率低下的情况下系统能够自动发出预警信息，提示管理人员加派人手到相关生产设备，以加强产品质量管控。
然而，“员工画像”模型的建立是一个长期的复杂的过程。它受到工作环境、员工心理因素、员工身体状况等方方面面的影响，因此其评价指标体系需要多方面的考虑。
本文的研究目的主要有：
（1）通过摄像头获取到人员的工作在岗区域热力图，以此获取优秀操作人员的工作画像，以此指导新员工进行培训。
（2）通过“员工画像”，比对操作人员工作状态，若员工出现有异于画