CN115206042B - 工控安全的智能化监测方法、装置、设备及介质 - Google Patents
工控安全的智能化监测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115206042B CN115206042B CN202210832477.0A CN202210832477A CN115206042B CN 115206042 B CN115206042 B CN 115206042B CN 202210832477 A CN202210832477 A CN 202210832477A CN 115206042 B CN115206042 B CN 115206042B
- Authority
- CN
- China
- Prior art keywords
- identification area
- target
- personnel
- safety
- industrial control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Databases & Information Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种工控安全的智能化监测方法、装置、设备及介质,包括:检测是否有人员进入工控场景对应的识别区域;当检测到有人员进入识别区域时,采集识别区域所对应的目标信息,目标信息包括识别区域内目标人员对应的人员信息、目标人员在识别区域内的行为信息、识别区域对应的智能化设备的工作状态以及识别区域对应的环境参数中的至少一种;将目标信息输入至预先确定出的安全系数识别模型,并根据模型输出结果确定目标人员在识别区域中的安全系数;根据安全系数执行相匹配的智能化操作。可见,本发明能够实现工控安全的智能化监测,有利于提高人与智能化设备协同工作的安全性。
Description
技术领域
本发明涉及工控安全技术领域,尤其涉及一种工控安全的智能化监测方法、装置、设备及介质。
背景技术
随着人工智能、物联网等相关技术的快速发展,很多场景逐步通过智能化设备代替人工,这样不仅能够节约人力成本,还能够提高相应的效率,比如提高生产效率、加工效率等。在实际应用中,由于智能化设备在工作过程中也会存在一些问题(如长时间工作温度过高进而导致的设备罢工或损害)或者由于一些环境条件的限制,智能化设备也不能完全实现自动化,这样的情况还是需要少量人员参与操作,通过少量人力与智能化设备的共同协作,在节约人力成本、提高效率的同时,还能够在一定程度上提高智能化设备的工作可靠性。
然而,实践发现,在一些环境复杂或者安全系数较低的场景中,人员参与智能化设备的控制过程会存在一些危险,降低了人与智能化设备协同工作的安全性。可见,如何实现工控安全的智能化监测以提高人与智能化设备协同工作的安全性显得尤为重要。
发明内容
本发明提供了一种工控安全的智能化监测方法、装置、设备及介质,能够实现工控安全的智能化监测,以提高人与智能化设备协同工作的安全性。
本发明第一方面公开了一种工控安全的智能化监测方法,所述方法包括:
检测是否有人员进入工控场景对应的识别区域;
当检测到有人员进入识别区域时,采集识别区域所对应的目标信息,所述目标信息包括所述识别区域内目标人员对应的人员信息、所述目标人员在所述识别区域内的行为信息、所述识别区域对应的智能化设备的工作状态以及所述识别区域对应的环境参数中的至少一种;
将所述目标信息输入至预先确定出的安全系数识别模型,并根据模型输出结果,确定所述目标人员在所述识别区域中的安全系数;
根据所述安全系数执行相匹配的智能化操作。
本发明第二方面公开了一种工控安全的智能化监测装置,所述装置包括:
检测模块,用于检测是否有人员进入工控场景对应的识别区域;
采集模块,用于当所述检测模块检测到有人员进入识别区域时,采集识别区域所对应的目标信息,所述目标信息包括所述识别区域内目标人员对应的人员信息、所述目标人员在所述识别区域内的行为信息、所述识别区域对应的智能化设备的工作状态以及所述识别区域对应的环境参数中的至少一种;
安全系数确定模块,用于将所述目标信息输入至预先确定出的安全系数识别模型,并根据模型输出结果确定所述目标人员在所述识别区域中的安全系数;
工控模块,用于根据所述安全系数执行相匹配的智能化操作。
本发明第三方面公开了另一种工控安全的智能化监测设备,所述设备包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的工控安全的智能化监测方法中的部分或全部步骤。
本发明第四方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的工控安全的智能化监测方法中的部分或全部步骤。
与现有技术相比,本发明具有以下有益效果:
检测是否有人员进入工控场景对应的识别区域;当检测到有人员进入识别区域时,采集识别区域所对应的目标信息,目标信息包括识别区域内目标人员对应的人员信息、目标人员在识别区域内的行为信息、识别区域对应的智能化设备的工作状态以及识别区域对应的环境参数中的至少一种;将目标信息输入至预先确定出的安全系数识别模型,并根据模型输出结果确定目标人员在识别区域中的安全系数;根据安全系数执行相匹配的智能化操作。可见,本发明能够实现工控安全的智能化监测,有利于提高人与智能化设备协同工作的安全性;此外,还能够根据确定出的安全系数执行相匹配的操作,具体的,在安全系数较小时,智能执行防护操作,当安全系数不小时,执行潜在危险因子预警操作,进一步丰富了工控安全的智能化监测控制功能,不仅能够在安全系数较低时保证识别区域的安全性,还能够在安全系数不低时对潜在危险因子进行预警,减少工控场景中安全事故发生概率,有利于进一步提高工控场景的安全性;此外,还能够进一步根据可控影响因子或者不可控影响因子执行相匹配的操作,有利于提高工控安全的可靠性;此外,能够从分析出的所有危险因子中筛选出与目标人员相匹配的潜在危险因子,在保证潜在危险因子全面性的同时还能够提高确定出的潜在危险因子的准确性;此外,还能够基于目标人员相匹配的安全系数识别模型的模型输出结果,确定安全系数,有利于实现安全系数的针对性个性化确定,有利于进一步提高确定出的工控场景安全系数的准确性;此外,当识别区域有多个人员时,能够基于行为主导占比确定出目标人员,有利于提高确定出的目标人员的可靠性,进而有利于提高安全系数的准确性;此外,还能够基于行为主导占比的相关参数分析行为主导占比,不仅提供了一种行为主导占比的智能化确定方式,还有利于提高行为主导占比的准确性,进而有利于提高安全系数的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种工控安全的智能化监测方法的流程示意图;
图2是本发明实施例公开的另一种工控安全的智能化监测方法的流程示意图;
图3是本发明实施例公开的一种工控安全的智能化监测装置的结构示意图;
图4是本发明实施例公开的又一种工控安全的智能化监测设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品、端口或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品、端口或端固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种工控安全的智能化监测方法及装置,能够实现工控安全的智能化监测,有利于提高人与智能化设备协同工作的安全性;此外,还能够根据确定出的安全系数执行相匹配的操作,有利于进一步保证工控场景的安全性。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种工控安全的智能化监测方法的流程示意图。其中,图1所描述的方法可以应用于工控安全监测装置中,该工控安全监测装置可以集成于工控场景中的智能化设备中,也可以集成在工控场景对应的管理服务器中,该管理服务器可以是本地服务器,也可以是云端服务器,本发明实施例不做限定。如图1所示,该工控安全的智能化监测方法可以包括以下操作:
S101、检测是否有人员进入工控场景对应的识别区域。
其中,工控场景对应的识别区域可以是工控场景对应的任一识别区域,也可以是工控场景对应的关键识别区域(如存在安全隐患的识别区域或者需要进行人与智能化设备协同工作的识别区域)中的任一识别区域。
S102、当检测到有人员进入识别区域时,采集识别区域所对应的目标信息。
其中,目标信息包括识别区域内目标人员对应的人员信息(如人员性别、人员姓名等)、目标人员在识别区域内的行为信息、识别区域对应的智能化设备的工作状态以及识别区域对应的环境参数(如温度、气体浓度等)中的至少一种。
其中,识别区域中的目标人员可以是识别区域中的任一人员、部分人员或全部人员,本发明实施例对目标人员的数量和确定方式不作任何限定。
S103、将目标信息输入至预先确定出的安全系数识别模型,并根据模型输出结果确定目标人员在识别区域中的安全系数。
其中,安全系数识别模型是预先训练好的模型。可选的,该安全系数可以是安全分值,也可以是安全等级。其中,模型输出结果可以为安全系数自身,或与安全系数具备关联关系的标识数据,可根据该关联关系,确定出相应的安全系数。
其中,所述安全系数识别模型基于不同样本识别区域对应目标信息和相应标准安全系数,对预先设置的机器学习模型训练得到。其中,样本识别区域与前述采集的识别区域可以相同或不同,本发明实施例对此不作任何限定。其中,标准安全系数可以由技术人员人工标注得到。其中,机器学习模型可以采用现有技术的至少一种模型组合得到,本发明实施例对该机器学习模型的网络结构不作任何限定。
示例性的,可以针对同一类别的目标人员,训练得到相同的安全系数识别模型;针对不同类别的目标人员,训练得到不同的安全系数识别模型,从而提高安全系数识别模型针对某一类目标人员的安全系数确定结果的准确度。
相应的,在针对同一类别的目标人员,训练得到相同的安全系数识别模型时,可以仅将样本区域中与目标人员同一类别的人员所生成的目标信息作为训练样本,将相应标准安全系数作为训练标签,对预先构建的机器学习模型进行训练,并将训练好的机器学习模型作为该类别的目标人员对应的安全系数识别模型。
需要说明的是,不同的安全系数识别模型在训练阶段对应机器学习模型可以相同或不同,本发明实施例对此不作任何限定。
相应的,根据目标人员对应的人员信息,选取与目标人员对应的安全系数识别模型;将目标信息输入至目标人员对应的安全系数识别模型中,并根据模型输出结果,确定安全系数。
本发明实施例能够基于目标人员相匹配的安全系数识别模型确定安全系数,有利于实现安全系数确定结果的针对性、个性化确定,还能够提高出的工控场景安全系数的准确性。
S104、根据安全系数执行相匹配的智能化操作。
可见,实施本发明实施例所描述的方法能够实现工控安全的智能化监测,有利于提高人与智能化设备协同工作的安全性;此外,还能够根据确定出的安全系数执行相匹配的操作。
在一个可选的实施例中,上述的根据安全系数执行相匹配的智能化操作可以包括:若安全系数小于等于预设安全系数阈值,则确定影响安全系数的影响因子,并根据影响因子执行相匹配的防护操作;若安全系数大于预设安全系数阈值,则确定识别区域中的潜在危险因子,并输出潜在危险因子对应的预警提示。
其中,预设安全系数阈值可以由技术人员根据需要进行设置或调整。本发明对预设安全系数阈值的数值大小不作任何限定。
其中,影响因子可以理解为能够影响安全但通常不会出现安全事故的因素;潜在危险因子可以理解为能够影响安全且存在较高概率出现安全事故的因素。
可见,该可选的实施例还能够在安全系数较小时(如前述小于等于预设安全系数阈值),智能执行防护操作,当安全系数较大时(如前述大于预设安全系数阈值),执行潜在危险因子预警操作,进一步丰富了工控安全的智能化监测控制功能,不仅能够在安全系数较小时保证识别区域的安全性,还能够在安全系数较大时对潜在危险因子进行预警,减少工控场景中安全事故发生概率,有利于进一步提高工控场景的安全性。
在该可选的实施例中,进一步可选的,上述的根据影响因子执行相匹配的防护操作,可以包括:若影响因子为可控影响因子,则输出危险预警和/或调整相应智能化设备的工作参数和/或启动识别区域所在环境中的辅助智能化设备;
若影响因子为不可控影响因子,则在安全等级小于等于安全等级阈值时,启动识别区域所在环境对应的工控安全机制,如关闭所有智能化设备的工控安全机制,或者,开启区域屏障工控安全机制。
可见,该可选的实施例还能够进一步根据可控影响因子或者不可控影响因子执行相匹配的操作,有利于提高工控安全的可靠性。
在该可选的实施例中,又进一步可选的,上述的确定识别区域中的潜在危险因子,可以包括:确定识别区域所在环境中处于工作状态的智能化设备集合;根据智能化设备集合中各智能化设备的当前工作状态,确定识别区域所在环境中的各危险因子;根据目标人员对应的人员信息、目标人员在识别区域内的行为信息以及识别区域对应的环境参数中的至少一种,从各危险因子中选取目标人员所对应的潜在危险因子。
示例性的,智能化设备的当前工作状态可以包括工作状态和非工作状态。其中,非工作状态可以是空闲状态、断电状态和维修状态等;其中,工作状态可以包括间歇工作状态和持续工作状态等。相应的,将识别区域所在环境中,处于工作状态的智能化设备添加至智能化设备集合中,并针对智能化设备集合中各智能化设备,根据该智能化设备在识别区域所在环境中工作时,可能发生安全隐患的因素作为危险因子;根据目标人员的工种等人员信息、目标人员在识别区域内的工作行为等对应的行为信息,以及识别区域中的放置物品和天气情况等环境参数,从至少一种危险因子中,选取对目标人员安全性存在威胁的潜在危险因子,从而使得确定的潜在危险因子更具人员针对性。具体的,可以预先设置不同目标人员的人员信息、行为信息、识别区域的环境参数与潜在危险因子之间的关联关系,可以根据该关联关系,确定出与目标人员的人员信息、行为信息和识别区域的环境参数相匹配的潜在危险因子。
可见,该可选的实施例还能够从分析出的所有危险因子中筛选出与目标人员相匹配的潜在危险因子,在保证潜在危险因子全面性的同时还能够提高确定出的潜在危险因子的准确性。
实施例二
请参阅图2,图2是本发明实施例公开的另一种工控安全的智能化监测方法的流程示意图。其中,图2所描述的方法可以应用于工控安全监测装置中,该工控安全监测装置可以集成于工控场景中的智能化设备中,也可以集成在工控场景对应的管理服务器中,该管理服务器可以是本地服务器,也可以是云端服务器,本发明实施例不做限定。如图2所示,该工控安全的智能化监测方法可以包括以下操作:
S201、检测是否有人员进入工控场景对应的识别区域。
S202、当检测到有人员进入识别区域时,确定进入识别区域的所有人员的人员数量。
其中,可以采用目标检测技术,确定进入识别区域的所有人员的人员数量;或者还可以通过在入口处设置传感器,统计通过人员的数量。当然,还可以采用现有技术的其他方式进行人员数量确定,本发明实施例对比不作任何限定。
S203、当人员数量大于等于预设数量阈值时,确定各人员在识别区域中的行为主导占比。
其中,行为主导占比用于表示人员在识别区域的行为的重要程度。
S204、将识别区域中的行为主导占比最大的其中一个人员确定为目标人员。
S205、采集识别区域所对应的目标信息。
其中,目标信息包括识别区域内目标人员对应的人员信息、目标人员在识别区域内的行为信息、识别区域对应的智能化设备的工作状态以及识别区域对应的环境参数中的至少一种。
S206、将目标信息输入至预先确定出的安全系数识别模型,并根据模型输出结果确定目标人员在识别区域中的安全系数。
S207、根据安全系数执行相匹配的智能化操作。
可见,实施本发明实施例所描述的方法能够在识别区域有多个人员时,能够基于行为主导占比确定出目标人员,有利于提高确定出的目标人员的可靠性,进而有利于提高安全系数的准确性。
在一个可选的实施例中,上述的确定各人员在识别区域中的行为主导占比,可以包括:针对各人员,采集用于确定该人员在识别区域中的行为主导占比的目标参数,目标参数包括该人员对应的人员类型、进入识别区域的时长、在预设时间段内进入识别区域的频次、当前时间所处的时间段、在识别区域所处环境中处于工作状态的智能化设备信息中的至少一种;根据该人员对应的目标参数,确定该人员在识别区域中的行为主导占比。
示例性的,可以分别针对各目标参数,分别设置相应的占比等级得分,并将不同目标参数对应占比等级得分的加权和,作为最终确定的主导占比参数。其中,不同目标参数的最高占比等级得分可以由技术人员根据需要或经验值进行预先设置,并按照等级不同,设置不同的地域最高占比等级得分的分值。
可见,该可选的实施例还能够基于行为主导占比的相关参数分析行为主导占比,不仅提供了一种行为主导占比的智能化确定方式,还有利于提高行为主导占比的准确性,进而有利于提高安全系数的准确性。
实施例三
请参阅图3,图3是本发明实施例公开的一种工控安全的智能化监测装置的结构示意图。其中,图3所描述的装置可以集成于工控场景中的智能化设备中,也可以集成在工控场景对应的管理服务器中,该管理服务器可以是本地服务器,也可以是云端服务器,本发明实施例不做限定。如图3所示,该工控安全的智能化监测装置可以包括:
检测模块301,用于检测是否有人员进入工控场景对应的识别区域;
采集模块302,用于当检测模块301检测到有人员进入识别区域时,采集识别区域所对应的目标信息,目标信息包括识别区域内目标人员对应的人员信息、目标人员在识别区域内的行为信息、识别区域对应的智能化设备的工作状态以及识别区域对应的环境参数中的至少一种;
安全系数确定模块303,用于将目标信息输入至预先确定出的安全系数识别模型,并根据模型输出结果确定目标人员在识别区域中的安全系数;
工控模块304,用于根据安全系数执行相匹配的智能化操作。
可见,实施图3所描述的装置能够实现工控安全的智能化监测,有利于提高人与智能化设备协同工作的安全性;此外,还能够根据确定出的安全系数执行相匹配的操作。
在一个可选的实施例中,工控模块304可以包括:
影响因子确定单元,用于若安全系数小于等于预设安全系数阈值,则确定影响安全系数的影响因子,并根据影响因子执行相匹配的防护操作;
潜在危险因子确定单元,用于若安全系数大于预设安全系数阈值,则确定识别区域中的潜在危险因子,并输出潜在危险因子对应的预警提示。
可见,该可选的实施例在安全系数较小时,智能执行防护操作,当安全系数不小时,执行潜在危险因子预警操作,进一步丰富了工控安全的智能化监测控制功能,不仅能够在安全系数较低时保证识别区域的安全性,还能够在安全系数不低时对潜在危险因子进行预警,减少工控场景中安全事故发生概率,有利于进一步提高工控场景的安全性。
在该可选的实施例中,进一步可选的影响因子确定单元,可以包括:
可控响应子单元,用于若影响因子为可控影响因子,则输出危险预警和/或调整相应智能化设备的工作参数和/或启动识别区域所在环境中的辅助智能化设备;
不可控响应子单元,用于若影响因子为不可控影响因子,则在安全等级小于等于安全等级阈值时,启动识别区域所在环境对应的工控安全机制。
可见,该可选的实施例还能够进一步根据可控影响因子或者不可控影响因子执行相匹配的操作,有利于提高工控安全的可靠性。
进一步可选的,潜在危险因子确定单元,可以包括:
智能化设备集合确定子单元,用于确定识别区域所在环境中处于工作状态的智能化设备集合;
危险因子确定子单元,用于根据智能化设备集合中各智能化设备的当前工作状态,确定识别区域所在环境中的各危险因子;
潜在危险因子选取子单元,用于根据目标人员对应的人员信息、目标人员在识别区域内的行为信息以及识别区域对应的环境参数中的至少一种,从各危险因子中选取目标人员所对应的潜在危险因子。
可见,该可选的实施例还能够从分析出的所有危险因子中筛选出与目标人员相匹配的潜在危险因子,在保证潜在危险因子全面性的同时还能够提高确定出的潜在危险因子的准确性。
在另一个可选的实施例中,安全系数确定模块303,可以包括:
模型选取单元,用于根据目标人员对应的人员信息,选取与目标人员对应的安全系数识别模型;
模型使用单元,用于将目标信息输入至目标人员对应的安全系数识别模型。
可见,该可选的实施例还能够基于目标人员相匹配的安全系数识别模型确定安全系数,有利于实现安全系数的针对性、个性化确定,有利于进一步提高确定出的工控场景安全系数的准确性。
在又一个可选的实施例中,该装置还可以包括:
人员数量确定模块,用于在检测到有人员进入所述识别区域之后,确定进入识别区域的所有人员的人员数量。
行为主导占比确定模块,用于当人员数量大于等于预设数量阈值时,确定每个人员在识别区域中的行为主导占比;
人员确定模块,用于将识别区域中的行为主导占比最大的其中一个人员确定为目标人员。
可见,该可选的实施例还能够当识别区域有多个人员时,能够基于行为主导占比确定出目标人员,有利于提高确定出的目标人员的可靠性,进而有利于提高安全系数的准确性。
在又一个可选的实施例中,行为主导占比确定模块,可以包括:
数据采集单元,用于针对各人员,采集用于确定该人员在识别区域中的行为主导占比的目标参数,目标参数包括该人员对应的人员类型、进入识别区域的时长、在预设时间段内进入识别区域的频次、当前时间所处的时间段、在识别区域所处环境中处于工作状态的智能化设备信息中的至少一种;
行为主导占比确定子单元,用于根据该人员对应的目标参数,确定该人员在识别区域中的行为主导占比。
可见,该可选的实施例还能够基于行为主导占比的相关参数分析行为主导占比,不仅提供了一种行为主导占比的智能化确定方式,还有利于提高行为主导占比的准确性,进而有利于提高安全系数的准确性。
实施例四
请参阅图4,图4是本发明实施例公开的又一种工控安全的智能化监测装设备的结构示意图。其中,图4所描述的设备可以集成于工控场景中的智能化设备中,也可以集成在工控场景对应的管理服务器中,该管理服务器可以是本地服务器,也可以是云端服务器,本发明实施例不做限定。如图4所示,该工控安全的智能化监测装置可以包括:
存储有可执行程序代码的存储器401;
与存储器401耦合的处理器402;
处理器402调用存储器401中存储的可执行程序代码,执行本发明实施例一或实施例二中所公开的工控安全的智能化监测方法中的部分或全部步骤。
实施例五
本发明实施例公开了一种计算机存储介质,计算机存储介质存储有计算机指令,计算机指令被调用时,用于执行本发明任一实施例所公开的工控安全的智能化监测方法中的部分或全部步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种工控安全的智能化监测方法及装置所揭露的仅为本发明较佳实施例而已,仅用于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项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;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (8)
1.一种工控安全的智能化监测方法,其特征在于,所述方法包括:
检测是否有人员进入工控场景对应的识别区域;
当检测到有人员进入识别区域时,采集识别区域所对应的目标信息,所述目标信息包括所述识别区域内目标人员对应的人员信息、所述目标人员在所述识别区域内的行为信息、所述识别区域对应的智能化设备的工作状态以及所述识别区域对应的环境参数;
将所述目标信息输入至预先确定出的安全系数识别模型,并根据模型输出结果,确定所述目标人员在所述识别区域中的安全系数;
根据所述安全系数执行相匹配的智能化操作;
其中,所述方法还包括:
在检测到有人员进入所述识别区域之后,确定进入所述识别区域的所有人员的人员数量;
当所述人员数量大于等于预设数量阈值时,针对各人员,采集用于确定该人员在所述识别区域中的行为主导占比的目标参数,所述目标参数包括该人员对应的人员类型、进入所述识别区域的时长、在预设时间段内进入所述识别区域的频次、当前时间所处的时间段以及在所述识别区域所处环境中处于工作状态的智能化设备信息;
将该人员的不同目标参数对应占比等级得分的加权和,作为该人员在识别区域中的主导占比参数,并基于行为主导占比参数,确定行为主导占比;
将所述识别区域中的行为主导占比最大的其中一个人员,确定为目标人员。
2.根据权利要求1所述的工控安全的智能化监测方法,其特征在于,所述根据所述安全系数执行相匹配的智能化操作,包括:
若所述安全系数小于等于预设安全系数阈值,则确定影响所述安全系数的影响因子,并根据所述影响因子执行相匹配的防护操作;
若所述安全系数大于所述预设安全系数阈值,则确定所述识别区域中的潜在危险因子,并输出所述潜在危险因子对应的预警提示。
3.根据权利要求2所述的工控安全的智能化监测方法,其特征在于,所述根据所述影响因子执行相匹配的防护操作,包括:
若所述影响因子为可控影响因子,则输出危险预警和/或调整相应智能化设备的工作参数和/或启动所述识别区域所在环境中的辅助智能化设备;
若所述影响因子为不可控影响因子,则在所述安全系数小于等于所述预设安全系数阈值时,启动所述识别区域所在环境对应的工控安全机制。
4.根据权利要求2所述的工控安全的智能化监测方法,其特征在于,所述确定所述识别区域中的潜在危险因子,包括:
确定所述识别区域所在环境中处于工作状态的智能化设备集合;
根据所述智能化设备集合中各智能化设备的当前工作状态,确定所述识别区域所在环境中的各危险因子;
根据所述目标人员对应的人员信息、所述目标人员在所述识别区域内的行为信息以及所述识别区域对应的环境参数中的至少一种,从各所述危险因子中选取所述目标人员所对应的潜在危险因子。
5.根据权利要求1-4任一项所述的工控安全的智能化监测方法,其特征在于,所述将所述目标信息输入至预先确定出的安全系数识别模型,包括:
根据所述目标人员对应的人员信息,选取与所述目标人员对应的安全系数识别模型;将所述目标信息输入至所述目标人员对应的安全系数识别模型。
6.一种工控安全的智能化监测装置,其特征在于,所述装置包括:
检测模块,用于检测是否有人员进入工控场景对应的识别区域;
采集模块,用于当所述检测模块检测到有人员进入识别区域时,采集识别区域所对应的目标信息,所述目标信息包括所述识别区域内目标人员对应的人员信息、所述目标人员在所述识别区域内的行为信息、所述识别区域对应的智能化设备的工作状态以及所述识别区域对应的环境参数;
安全系数确定模块,用于将所述目标信息输入至预先确定出的安全系数识别模型,并根据模型输出结果确定所述目标人员在所述识别区域中的安全系数;
工控模块,用于根据所述安全系数执行相匹配的智能化操作;
其中,所述装置还包括:
人员数量确定模块,用于在检测到有人员进入所述识别区域之后,确定进入识别区域的所有人员的人员数量;
行为主导占比确定模块中的数据采集单元,用于当所述人员数量大于等于预设数量阈值时,针对各人员,采集用于确定该人员在识别区域中的行为主导占比的目标参数,目标参数包括该人员对应的人员类型、进入识别区域的时长、在预设时间段内进入识别区域的频次、当前时间所处的时间段以及在识别区域所处环境中处于工作状态的智能化设备信息;
所述行为主导占比确定模块中的行为主导占比确定子单元,用于将该人员的不同目标参数对应占比等级得分的加权和,作为该人员在识别区域中的主导占比参数,并基于行为占比参数,确定行为主导占比;
人员确定模块,用于将所述识别区域中的行为主导占比最大的其中一个人员,确定为目标人员。
7.一种工控安全的智能化监测设备,其特征在于,所述设备包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-5任一项所述的工控安全的智能化监测方法。
8.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-5任一项所述的工控安全的智能化监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210832477.0A CN115206042B (zh) | 2022-07-14 | 2022-07-14 | 工控安全的智能化监测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210832477.0A CN115206042B (zh) | 2022-07-14 | 2022-07-14 | 工控安全的智能化监测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115206042A CN115206042A (zh) | 2022-10-18 |
CN115206042B true CN115206042B (zh) | 2023-06-23 |
Family
ID=83582298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210832477.0A Active CN115206042B (zh) | 2022-07-14 | 2022-07-14 | 工控安全的智能化监测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115206042B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018036985A (ja) * | 2016-09-02 | 2018-03-08 | 株式会社汎建大阪製作所 | 作業管理システム |
CN108319234A (zh) * | 2017-12-31 | 2018-07-24 | 分众安环(北京)科技有限公司 | 安全管理***、方法、设备、存储介质、信息处理云平台 |
CN108630229A (zh) * | 2017-03-22 | 2018-10-09 | 发那科株式会社 | 学习模型构建装置、异常检测装置、异常检测***及服务器 |
KR102115322B1 (ko) * | 2018-11-28 | 2020-05-26 | 주식회사 휴먼아이씨티 | 스마트 영상분석 시스템 |
CN111899492A (zh) * | 2020-06-30 | 2020-11-06 | 广州中石科技有限公司 | 一种受限空间作业***方法 |
CN112650183A (zh) * | 2020-12-29 | 2021-04-13 | 煤炭科学研究总院 | 工业互联网平台 |
CN112666911A (zh) * | 2020-12-29 | 2021-04-16 | 煤炭科学研究总院 | 协同控制*** |
CN113627897A (zh) * | 2021-08-23 | 2021-11-09 | 珠海优特电力科技股份有限公司 | 现场作业人员安全的管控方法和装置及存储介质 |
CN113960953A (zh) * | 2020-07-20 | 2022-01-21 | 广东共德信息科技有限公司 | 一种基于物联网技术的智能工地应用***及其使用方法 |
CN114721342A (zh) * | 2022-04-28 | 2022-07-08 | 南京安工信息科技有限公司 | 一种化工企业安全生产管理一体化平台***及其预警*** |
-
2022
- 2022-07-14 CN CN202210832477.0A patent/CN115206042B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018036985A (ja) * | 2016-09-02 | 2018-03-08 | 株式会社汎建大阪製作所 | 作業管理システム |
CN108630229A (zh) * | 2017-03-22 | 2018-10-09 | 发那科株式会社 | 学习模型构建装置、异常检测装置、异常检测***及服务器 |
CN108319234A (zh) * | 2017-12-31 | 2018-07-24 | 分众安环(北京)科技有限公司 | 安全管理***、方法、设备、存储介质、信息处理云平台 |
KR102115322B1 (ko) * | 2018-11-28 | 2020-05-26 | 주식회사 휴먼아이씨티 | 스마트 영상분석 시스템 |
CN111899492A (zh) * | 2020-06-30 | 2020-11-06 | 广州中石科技有限公司 | 一种受限空间作业***方法 |
CN113960953A (zh) * | 2020-07-20 | 2022-01-21 | 广东共德信息科技有限公司 | 一种基于物联网技术的智能工地应用***及其使用方法 |
CN112650183A (zh) * | 2020-12-29 | 2021-04-13 | 煤炭科学研究总院 | 工业互联网平台 |
CN112666911A (zh) * | 2020-12-29 | 2021-04-16 | 煤炭科学研究总院 | 协同控制*** |
CN113627897A (zh) * | 2021-08-23 | 2021-11-09 | 珠海优特电力科技股份有限公司 | 现场作业人员安全的管控方法和装置及存储介质 |
CN114721342A (zh) * | 2022-04-28 | 2022-07-08 | 南京安工信息科技有限公司 | 一种化工企业安全生产管理一体化平台***及其预警*** |
Also Published As
Publication number | Publication date |
---|---|
CN115206042A (zh) | 2022-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112348520A (zh) | 基于XGBoost的风险评估方法、装置和电子设备 | |
CN110875039B (zh) | 语音识别方法和设备 | |
CN111382779A (zh) | 警情相似度识别方法、装置及设备 | |
CN113095132A (zh) | 一种基于神经网络的燃气现场目标检测和行为识别方法、***、终端及存储介质 | |
CN110837718A (zh) | 道岔故障检测方法、装置、电子设备及存储介质 | |
CN116128674B (zh) | 一种基于智能交通的能源数据处理方法及装置 | |
CN115100739B (zh) | 人机行为检测方法、***、终端设备及存储介质 | |
CN113077821A (zh) | 音频质量检测方法、装置、电子设备及存储介质 | |
CN114005236A (zh) | 基于物联网的森林火灾检测方法、***和可读存储介质 | |
CN115206042B (zh) | 工控安全的智能化监测方法、装置、设备及介质 | |
CN116956282B (zh) | 基于网络资产内存时间序列多特征数据的异常检测*** | |
CN117131379A (zh) | 基于神经网络的智能家居异常监测方法及*** | |
CN115618283B (zh) | 一种跨站点脚本攻击检测方法、装置、设备及存储介质 | |
CN111081224B (zh) | 一种面向石油安全事件的数据采集方法及装置 | |
CN114490829A (zh) | 一种故障识别方法、装置、设备及存储介质 | |
CN112926633A (zh) | 异常能耗检测方法、装置、设备及存储介质 | |
CN116740819B (zh) | 基于ai算法的施工现场中施工异常行为的识别方法及装置 | |
CN118053261B (zh) | 用于智慧校园的防欺凌预警方法、装置、设备及介质 | |
CN116955456B (zh) | 基于开源情报的舆论数据处理方法及*** | |
CN116128169B (zh) | 一种用于智能交通的多***联动控制方法及装置 | |
CN116739387B (zh) | 一种多维度分析数据的方法及装置、计算机存储介质 | |
CN117475367B (zh) | 基于多规则协调的污水图像处理方法及*** | |
CN117217625B (zh) | 一种基于数据分析的企业***方法及装置 | |
CN113778836B (zh) | 云原生应用健康监测方法、装置、设备与可读存储介质 | |
CN116318792A (zh) | 一种信息安全管理方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |