申请/专利权人：广东鉴面智能科技有限公司

申请日：2023-09-04

公开（公告）日：2024-03-22

公开（公告）号：CN116862244B

主分类号：G06Q10/0635

分类号：G06Q10/0635;G06N3/0464;G06V10/774;G06V10/82;G06V20/52;G06V40/10;G06V40/20;G08B21/02;G08B31/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.01.12#著录事项变更;2023.10.27#实质审查的生效;2023.10.10#公开

摘要：本发明公开一种工业现场视觉AI分析与安全预警系统和方法，包括系统平台层、网络层和感知层，其中所述系统平台层包括：AI算法平台，用于将接入厂区内影响安全要素的视频、图片和人员轨迹进行算法分析，包括安全帽佩戴、摔倒、工服穿戴、吸烟、打电话、举手求救的行为进行检测；安全帽管理平台，用于将安全帽的语音通话、视频通话、人员定位的数据进行存储和管理。通过数学期望值作安全风险评估，通过计算出每个区域发生特定事故的概率，可以预测某个区域发生该事故的次数，能给予管理者一定的参考依据，针对该区域频繁发生的事故引起关注，更容易找出事故原因，从而不断完善场地设施。

主权项：1.一种工业现场视觉AI分析与安全预警系统，其特征在于，包括系统平台层、网络层和感知层，其中所述系统平台层包括：AI算法平台，用于将接入厂区内影响安全要素的视频、图片和人员轨迹进行算法分析，包括安全帽佩戴、摔倒、工服穿戴、吸烟、打电话、举手求救的行为进行检测；安全帽管理平台，用于将安全帽的语音通话、视频通话、人员定位的数据进行存储和管理；视频管理平台，用于将摄像机的语音通话、视频通话、图片数据进行存储和管理；安全管控平台，用于特殊危险作业的审批、作业票审批、安全风险评估分析、绩效管理、工伤管理、台账管理和作业计划；还用于安全事件的统计，以及识别安全事件数量异常高的时间段或区域；所述感知层包括传感器组，其中所述传感器组包括摄像机组；所述网络层包括5G网络；对安全帽佩戴、工服穿戴识别采用卷积神经网络和YOLO算法检测，包括：CNN模型训练，使用标注的目标物体图像数据，训练一个CNN模型，使其能准确地判断图像中是否存在目标物体，以及目标物体的位置；YOLO模型训练，使用标注的目标物体图像数据和目标物体位置信息，训练一个YOLO模型，实现目标检测，预测目标物体的位置和类别；模型集成，将训练好的CNN模型和YOLO模型进行集成，CNN模型用于提取图像特征，并将其输入YOLO模型进行目标检测和分类，YOLO模型将输出目标物体的位置信息；后处理，对于YOLO输出的多个物体检测结果，执行非极大值抑制后处理步骤，以筛选出最终的目标物体检测结果；所述安全管控平台还用于安全风险评估分析，所述安全风险评估分析包括：数据收集和分类：统计一段时间内每个区域发生安全事故的数量，其中安全事故包括摔倒、举手求救、高空坠落、火灾、中毒、人为破坏的行为，并作分类；区域划分：将厂区划分为多个区域；统计每个区域的事故数量：每个区域按照安全事故的种类进行数量统计；计算期望值：计算每个区域每种事故类型的期望值，对于特定区域i和特定事故类型j，首先计算该区域该事故类型的发生概率，即P事故j│区域i，计算每种事故类型的期望值，使用以下公式期望值E事故j│区域i=P事故j│区域ix总事故数量；其中，总事故数量是在所有区域中发生的总事故数量；通过计算出每个区域发生特定事故的概率，将当前或未来时间段内发生或预计发生的特定安全事故计算得出其对应的期望值，对每个区域的期望值进行分析和评估，并建立安全分析关联性预测模型；预先收集安全事件数据，包括每个区域发生的不同类型的安全事故、日期和时间信息；对收集的数据进行分析，以了解不同区域和不同类型事故的发生频率，并进行数据清洗、异常值检测和缺失数据填充的预处理步骤；进而再建立关联性预测模型，选择适当的特征来描述每个区域和每种安全事件类型的情况，包括区域的特征、时间特征、事件类型；使用关联规则挖掘算法Apriori算法来发现不同事件之间的关联性。

全文数据：

权利要求：

百度查询： 广东鉴面智能科技有限公司 一种工业现场视觉AI分析与安全预警系统和方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD