(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111534942.4 (22)申请日 2021.12.15 (71)申请人 郑州轻工业大 学 地址 450000 河南省郑州市高新 技术产业 开发区科 学大道136号 (72)发明人 王昊琪　李浩　吕林东　刘根　 文笑雨　张玉彦　孙春亚　 (74)专利代理 机构 北京哌智科创知识产权代理 事务所(普通 合伙) 11745 代理人 张元媛 (51)Int.Cl. G06F 30/20(2020.01) G06V 20/52(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/04(2006.01) (54)发明名称 数字孪生环境下本体驱动的车间不安全状 态语义推理方法 (57)摘要 本发明提出了一种数字孪生环境下本体驱 动的车间不安全状态语义推理方法。 首先， 通过 网络本体语言(OWL)建立车间生产现场不安全状 态的语义本体模型， 并使用语义网规则语言 (SWRL)建立不同类型的车间不安全状态 的推理 规则； 然后， 使用本体编辑器Prot égé对所建立的 车间生产现场不安全状态的语义本体进行编码； 然后， 在U nity 3D中对孪生车间不安全状态虚拟 场景进行仿真， 将高逼真的仿真动画录制成视 频， 作为后续目标检测的数据集来源； 然后， 利用 实例分割算法识别车间生产现场不安全状态的 实例， 并映射为所建立的本体的实例； 最后， 使用 推理引擎执行推理规则， 实现车间生产现场潜在 危险状态及其相关信息的自动推理。 权利要求书2页 说明书6页 附图2页 CN 114282360 A 2022.04.05 CN 114282360 A 1.一种数字孪生环境下本体驱动的车间不安全状态语义推理方法， 其特征在于， 所述 方法具体包括如下步骤： S1:对车间生产现场不 安全状态语义本体进行建模： S11： 建立概念集合； S12： 建立关系集 合； S13： 建立属性 集合； S14： 建立公理； S15： 建立推理规则； S16： 本体编码； S2： 通过数字孪生方法对车间中基于深度学习的不 安全状态进行语义推理： S21： 对孪生车间不 安全状态 虚拟场景进行仿真； S22： 读取孪生车间不 安全状态 虚拟场景的视频作为数据集； S23： 基于深度学习的实例分隔来识别车间生产现场不 安全状态的实例； S24： 将识别到的实例映射到车间生产现场不 安全状态本体的实例集 合； S25： 自动推理， 识别不安全状态类型、 产生原因、 潜在危险、 涉及到的人员和设备、 危险 预警处理方法。 2.如权利要求1所述的一种数字孪生环境下本体驱动的车间不安全状态语义推理方 法， 其特征在于， 步骤S11具体包括： 对 车间生产现场不安全状态进 行分类整理， 分为进入危 险区域类、 不规范穿戴类、 不安全行为类、 危险物质泄漏类、 人机交互安全类， 根据具体情况 再进行细分， 建立生产现场不安全状态语义本体的概念集合； 步骤S12具体包括： 对车间生 产现场不安全状态不同概念之间的语义关系进行分析， 并使用本体建模语言OWL中的对象 属性进行语义关系的定义， 建立车间生产现场不安全状态本体的语义关系集合； 步骤S13具 体包括： 使用OWL中的数据类型属 性对车间生产现场不安全状态语义本体所涉及全部概念 的数据类型属性进行定义， 建立属性集合； 步骤S14具体包括： 使用公理对车间生产现场不 安全状态本体中的概念、 关系和属 性的进行约束， 所有车间生产现场不安全状态的公理组 成车间生产现场不安全状态语义本体模 型的公理集合； 步骤S15具体包括： 使用语义网规则 语言SWRL详细定义自动推理所需的条件， 所有不安全状态的推理规则组成车间生产现场不 安全状态语义本体模 型的推理规则集合； 步骤S16具体包括： 使用本体编辑器Pr otégé对S11 至S15所建立的车间生产现场不安全状态语义本体的概念集合、 关系集合、 属性集合、 公理 集合和推理规则集 合进行编码。 3.如权利要求1所述的一种数字孪生环境下本体驱动的车间不安全状态语义推理方 法， 其特征在于， 步骤S21具体包括： 在虚拟空间的数字孪生车间中， 使用Unity  3D对孪生车 间不安全状态虚拟场景进 行仿真； 步骤S22具体包括： 将逼真的仿 真动画录制成视频作为后 续目标检测的数据集来源； 步骤S23具体包括： 使用基于深度学习的目标检测算法， 实例分 割算法， 对S21中的数据集进 行标记、 训练和测试， 将车间监控所拍摄的视频作为检测对象， 识别出物理空间中车间生产现场不安全状态语义本体所需的概念实例和属性实例； 步骤 S24具体包括： 建立S23中识别 出的实例的到车间生产现场不安全状态语义本体的映射， 完 成对车间生产现场不安全状态本体的实例化； 步骤S25具体包括： 使用规则推理引擎对实例 化之后的车间生产现场不安全状态本体实例执行S15已经定义的推理规则， 自动推理出车权　利　要　求　书 1/2 页 2 CN 114282360 A 2间生产现场的潜在危险、 涉及的人员和对应的处 理方法。 4.如权利要求1所述的一种数字孪生环境下本体驱动的车间不安全状态语义推理方 法， 其特征在于， 步骤S12中车间生产现场不安全状态本体的语义关系集合具体包括： 具有 子类型用“hasSubType ”表示， 例如 “不规范穿戴类 ”具有子类型 “未带安全帽 ”、“未带手套 ”、 “未带护目镜 ”、“未穿工装 ”；“不安全行为”具有子类型 “车间内跑跳 ”、“跌倒”、“长时间使用 手机”、“长时间聊天 ”。权　利　要　求　书 2/2 页 3 CN 114282360 A 3