CN115909645B - 一种车间生产安全预警***和预警方法 - Google Patents

Abstract

本发明公开了一种车间生产安全预警***和预警方法，其涉及安全生产技术领域。该***包括：多个监控终端和监控平台，且每个监控终端均与监控平台无线通信；监控终端用于获取不同区域与车间生产安全状况相关的各安全指标对应的实时时域数据和实时图像数据；监控平台用于将不同区域发生安全事故时与车间生产安全状况相关的各安全指标对应的时域数据和原始图像数据构成训练集，用于构建安全预警模型，及用于将实时时域数据和实时图像数据输入至通过训练集训练后的安全预警模型中获得安全预警信息。该预警***通过时域数据对图像数据进行修正补偿，能够获取更为准确的车间烟雾图像数据，从而可以及时进行车间生产安全预警。

Description

一种车间生产安全预警***和预警方法

技术领域

本发明涉及安全生产技术领域，特别涉及一种车间生产安全预警***和预警方法。

背景技术

车间是企业内部组织生产的基本单位，它拥有完成生产任务所必需的厂房或场地、机器设备、工具和一定的生产人员、技术人员和管理人员。目前传统的加工制造类工厂车间存在较多安全隐患，则需要对生产车间内的安全状况进行监测，进而能够对存在的安全隐患和安全问题进行预警或相应的处理，所以对车间生产安全进行预警尤为重要。

火灾是车间安全问题中最严重事故之一，有设备故障出现的火灾事故、有设备破损导致的火灾事故、有人为操作设备不当导致的火灾事故、有人为携带不安全物品进入车间造成的火灾事故等。对于未能避免的火灾情况，则必须要进行车间烟雾情况的实时监控。

目前，大多数的车间生产安全预警***对火灾进行预警监控时，通常都是在火灾蔓延后才开始进行报警的，因为火灾刚开始时烟雾浓度较小，烟雾传感器往往不能准确的检测到烟雾浓度数据，然而当小浓度的烟雾数据不能被检测到时，则容易导致火灾蔓延，不能够及时地提前控制火灾的发生；并且当车间较大时也不可能高密度的处处布设烟雾传感器，因为这样虽然可以及时准确检测到小浓度烟雾，但也容易获得误导数据，即某些耗油设备长时间运转后有一些烟气是正常的，或者某些材料加工过程也有一小点烟气这也是不可避免的，如果将这些数据都认为是火灾数据，那么会影响车间的正常运行。

对于火灾的预警监控，图像分析也是目前的一种方法，但是这仍是在火灾蔓延后采集火灾图像，再对图像进行分析，即仍然为火灾后处理报警。更重要的是，对车间的火灾进行图像分析时，由于车间大小设备较多，其分析起来较为麻烦，且设备也有可能作为遮挡物影响图像分析的准确性，还有车间的复杂环境下光线也是影响图像准确分析的一个重要因素。

因此，仅通过烟感传感器或图像分析均不能满足车间火灾监控的需求，所以如何在不影响车间正常运行的前提下，能够获得火灾刚开始的准确小烟雾浓度数据是一个需要解决的问题。

发明内容

基于此，有必要针对上述背景技术中提出的技术问题，提供一种车间生产安全预警***和预警方法的技术方案。

本发明实施例提供的一种车间生产安全预警***，包括：多个监控终端和监控平台，且每个所述监控终端均与所述监控平台无线通信；

所述监控终端，用于获取不同区域与车间生产安全状况相关的各安全指标对应的实时时域数据和不同区域的实时图像数据；

所述监控平台，用于将不同区域发生安全事故时与车间生产安全状况相关的各安全指标对应的时域数据、和不同区域发生安全事故时的原始图像数据构成训练集；用于构建安全预警模型；及用于将实时时域数据和实时图像数据输入至通过训练集训练后的安全预警模型中，获得安全预警信息；

其中，所述安全预警模型包括：特征提取模块、区域数据修正模块、区域融合模块、目标分割模块和报警模块；

所述特征提取模块，用于从不同区域的实时图像数据中提取烟雾特征数据，同时从不同区域各安全指标对应的实时时域数据中提取指标特征数据；

所述区域数据修正模块，用于根据多个指标特征数据对烟雾特征数据进行修正补偿，获得完整的区域烟雾特征数据；

所述区域融合模块，用于将区域烟雾特征数据还原至原始图像数据中，并对各区域的图像数据进行拼接融合；

所述目标分割模块，用于从拼接融合后的图像数据中分割出完整的全域烟雾目标图像数据，并获取全域烟雾目标图像数据的新烟雾特征数据；

所述报警模块，用于根据新烟雾特征数据，输出安全预警信号。

进一步地，每个所述监控终端均包括：第一控制器，所述第一控制器电连接有视频监控单元、第一GPS定位单元、与车间生产安全状况相关的各安全指标对应的传感器组、第一报警单元和第一无线通信模块。

进一步地，所述传感器组包括：烟雾浓度传感器、有害气体浓度传感器、氧气浓度传感器、温度传感器和气体压力传感器。

进一步地，所述监控平台包括：中央处理器，所述中央处理器电连接有第二无线通信模块。

进一步地，所述烟雾特征数据，包括：代表烟雾浓度大小的灰度数据、烟雾范围数据、烟雾蔓延方向数据。

进一步地，所述区域数据修正模块，包括：

灰度修正子模块，用于根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据的权重分配和各指标特征数据大小与灰度值之间的关系，对灰度数据进行修正；

范围修正子模块，用于根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据的大小与位置范围大小的对应关系构成的最大区域，对烟雾范围数据进行修正；

方向修正子模块，用于根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据所在位置构成最大区域的轨迹形状和轨迹样式形状与蔓延方向的对应关系，对烟雾蔓延方向数据进行修正；

其中，通过训练集对安全预警模型进行训练，能够获得多个指标特征数据的权重、多个指标特征数据大小与灰度值之间的关系、多个指标特征数据大小与位置范围大小的对应关系、轨迹样式形状与蔓延方向的对应关系。

进一步地，本发明实施例提供一种车间生产安全预警***，还包括：区域刷卡终端和多个佩戴终端；

所述区域刷卡终端包括：第二控制器，所述第二控制器电连接有第三无线通信模块、RFID读写器、第一近距通信模块；

每个所述佩戴终端均包括：第三控制器，所述第三控制器电连接有第二近距通信模块和第二报警器，且所述佩戴终端上粘贴有RFID标签；

其中，所述RFID读写器读取所述RFID标签上的编号信息，并将编号信息和位置信息依次通过所述第三无线通信模块和所述第二无线通信模块传输至所述中央处理器；所述中央处理器根据佩戴终端与危险源的距离远近和火灾危险情况将报警等级信号依次通过所述第二无线通信模块和所述第三无线通信模块传输至所述第二控制器；所述第二控制器依次通过所述第一近距通信模块和所述第二近距通信模块将报警等级信号传输至对应编号的所述第三控制器，所述第三控制器控制第二报警单元发出不同等级的近距报警信号。

进一步地，所述第一近距通信模块和第二近距通信模块，均采用WIFI通信模块或蓝牙通信模块。

进一步地，所述第三控制器上还电连接有第二GPS定位单元。

进一步地，所述佩戴终端布设于手环或胸挂卡片上。

还有，本发明实施例提供的一种车间生产安全预警方法，包括：

获取不同区域与车间生产安全状况相关的各安全指标对应的实时时域数据和不同区域的实时图像数据；

将不同区域发生安全事故时与车间生产安全状况相关的各安全指标对应的时域数据、和不同区域发生安全事故时的原始图像数据构成训练集；

构建安全预警模型；

将实时时域数据和实时图像数据输入至通过训练集训练后的安全预警模型中，获得安全预警信息；

其中，所述构建安全预警模型，包括：

从不同区域的实时图像数据中提取烟雾特征数据，同时从不同区域各安全指标对应的实时时域数据中提取指标特征数据；

根据多个指标特征数据对烟雾特征数据进行修正补偿，获得完整的区域烟雾特征数据；

将区域烟雾特征数据还原至原始图像数据中，并对各区域的图像数据进行拼接融合；

从拼接融合后的图像数据中分割出完整的全域烟雾目标图像数据，并获取全域烟雾目标图像数据的新烟雾特征数据；

根据新烟雾特征数据，输出安全预警信号。

本发明实施例提供的上述车间生产安全预警***和预警方法，与现有技术相比，其有益效果如下：

本发明构建安全预警模型时，引入了不同区域发生安全事故时与车间生产安全状况相关的各安全指标对应的时域数据（如，烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据），并通过这些时域特征数据修正车间的图像特征数据（如，代表烟雾浓度大小的灰度数据、烟雾范围数据、烟雾蔓延方向数据）；即，根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据的权重分配和各指标特征数据大小与灰度值之间的关系，对灰度数据进行修正；根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据的大小与位置范围大小的对应关系构成的最大区域，对烟雾范围数据进行修正；根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据所在位置构成最大区域的轨迹形状和轨迹样式形状与蔓延方向的对应关系，对烟雾蔓延方向数据进行修正。所以，本发明的重点是通过多种安全指标对应的时域数据对图像数据进行修正，并且在修正过程中时域特征和图像特征之间的对应关系是通过大量历史数据训练而得，如此就可以得到准确的图像数据，其特别适应于在火灾初期烟雾较小时，通过时域小数据和弱的图像数据进行补偿，从而可以获得真实准确的车间火灾情况；而需要强调的是本发明不是简单的同时采集多种时域数据和图像数据进行综合考量后确定报警信息，因为本发明采集的是时域小数据和弱的图像数据，这些数据独立分析时都比较小很难判断火灾的情况，也容易出现误判断；总之，本发明能够在不影响车间正常工作的情况下获取更为准确的车间烟雾图像数据，从而可以及时进行安全预警。

还有，考虑到实际车间生产工作时有些设备发出的声音可能较大，且一般情况车间较大，即使某处出现安全问题发出了报警信号，但距离报警器远的员工很可能仍然没有及时听到报警信号，从而不能及时采取合理的安全措施；如果某一处发生安全问题，整个车间多处都发出报警信号则容易造成恐慌和混乱，不利用安全有序逃离，且也不利于合理安排正在进行的工作。基于此，本发明设计了区域刷卡终端和佩戴终端，相近车间之间设有一个共用区域刷卡终端，各车间的员工通过佩戴终端向区域刷卡终端打卡（采用RFID技术），并传至中央处理器，当车间某处发生危险时，中央处理器根据距离危险源的远近发送不同的报警等级信号，从而可以使员工避免恐慌，并能合理安排正在进行的工作和对危险进行消除。

附图说明

图1为一个实施例中提供的一种车间生产安全预警***架构示意图；

图2为一个实施例中提供的监控终端布设示意图；

图3为一个实施例中提供的佩戴终端布设示意图；

图4为一个实施例中提供的一种车间生产安全预警方法流程示意图；

图5为一个实施例中提供的安全预警模型功能示意图；

图6为一个实施例中提供的区域数据修正模块功能示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

实施例1：

参见图1，一个实施例中提供的一种车间生产安全预警***，其包括：多个监控终端和监控平台，且每个监控终端均与监控平台无线通信。

其中，监控终端均包括：第一控制器，第一控制器电连接有视频监控单元、第一GPS定位单元、与车间生产安全状况相关的各安全指标对应的传感器组、第一报警单元和第一无线通信模块；监控平台包括：中央处理器，中央处理器电连接有第二无线通信模块；第一无线通信模块和第二无线通信模块之间无线通信，通常采用射频通信模块。

具体功能如下：

监控终端，用于获取不同区域与车间生产安全状况相关的各安全指标对应的实时时域数据和不同区域的实时图像数据。

监控平台，用于将不同区域发生安全事故时与车间生产安全状况相关的各安全指标对应的时域数据、和不同区域发生安全事故时的原始图像数据构成训练集；用于构建安全预警模型；及用于将实时时域数据和实时图像数据输入至通过训练集训练后的安全预警模型中，获得安全预警信息。

一个具体实施方式中：

安全预警模型采用深度神经网络实现，其包括：特征提取模块、区域数据修正模块、区域融合模块、目标分割模块和报警模块。参见图5，各模块的具体功能如下：

特征提取模块，用于从输入层的不同区域的实时图像数据中提取烟雾特征数据，同时从输入层的不同区域各安全指标对应的实时时域数据中提取指标特征数据。其可以采用多个小尺寸卷积网络同时进行特征提取，提取特征之前通过傅里叶变换将数据转换为频域数据，然后再提取特征数据。

区域数据修正模块，用于根据多个指标特征数据对烟雾特征数据进行修正补偿，获得完整的区域烟雾特征数据。其发生在分时发生在特征修正层（一个大尺寸卷积网络）。

区域融合模块，用于将区域烟雾特征数据还原至原始图像数据中，并对各区域的图像数据进行拼接融合。其在还原之前首先将区域烟雾特征数据转换为时域数据，还原在图像中，然后通过全连接层实现多区域图像的拼接融合。

目标分割模块，用于从拼接融合后的图像数据中分割出完整的全域烟雾目标图像数据，并获取全域烟雾目标图像数据的新烟雾特征数据。其通过新的卷积层实现全域的新烟雾特征数据。

报警模块，用于根据新烟雾特征数据，通过输出层输出多种类型的安全预警信号，比如根据远近、强度综合分析后输出不同等级的安全预警信号，或者同时输出不同类型的安全预警信号。

较佳地，本发明实施例中的传感器组包括：烟雾浓度传感器、有害气体浓度传感器、氧气浓度传感器、温度传感器和气体压力传感器，其对应的多个指标特征数据包括：烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据。

较佳地，本发明实施例中的烟雾特征数据，包括：代表烟雾浓度大小的灰度数据、烟雾范围数据、烟雾蔓延方向数据、烟雾蔓延强度数据。

针对以上较佳实施方式，本发明实施例中的区域数据修正模块具体包括：灰度修正子模块、范围修正子模块、方向修正子模块。参见图6，各模块的具体功能如下：

灰度修正子模块，用于根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据的权重分配（训练获得），对灰度数据进行修正。具体地，将多个指标特征数据分布在区域图像中，在区域图像的每个像素点处，按照不同指标特征数据的权重，对归一化后的各指标特征数据进行加权平均值后，再根据归一化后的各特征数据大小与灰度值之间的关系（训练获得），将平均值转换为灰度值再加上原图像该像素点处的灰度值，相加之和作为新的像素点灰度值，从而预测火灾强度。

范围修正子模块，用于根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据所在位置构成的最大区域，对烟雾范围数据进行修正。具体地，根据各指标的数值大小与危险范围之间的关系（训练获得），将所有危险范围和原图像危险范围一起考虑后构成的最大区域作为新的烟雾范围。

方向修正子模块，用于根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据所在位置构成最大区域的轨迹形状，对烟雾蔓延方向数据进行修正。具体地，分析新的烟雾范围形成的轨迹形状，整个轨迹按照形状可以分为多个区，指标特征数据轨迹样式形状与蔓延方向的对应关系（训练获得），从而预测火灾蔓延方向。

其中，需要说明的是，通过历史数据不同区域发生安全事故时与车间生产安全状况相关的各安全指标对应的时域数据、和不同区域发生安全事故时的原始图像数据构成的训练集训练安全预警模型，获得多个指标特征数据的权重、各指标特征数据大小与灰度值之间的关系、多个指标特征数据大小与位置范围大小的对应关系、多个指标特征数据轨迹样式形状与蔓延方向的对应关系（比如，类似圆形椭圆形则为四周蔓延型火灾，类似长条形则为主方向蔓延型火灾，多个类似圆形椭圆形则为多源头蔓延型火灾等），从而构建成可用的安全预警模型，参见图4。

另一个具体实施方式中：

安全预警模型包括：特征提取模块、区域数据修正模块、区域融合模块、目标分割模块和报警模块。

较佳地，本发明实施例中的传感器组包括：烟雾浓度传感器、有害气体浓度传感器、氧气浓度传感器、温度传感器和气体压力传感器，其对应的多个指标特征数据包括：烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据。

较佳地，本发明实施例中的烟雾特征数据，包括：代表烟雾浓度大小的灰度数据、烟雾范围数据、烟雾蔓延方向数据、烟雾蔓延强度数据。

参见图5，安全预警模型的各模块具体功能如下：

特征提取的计算方式如下：

特征提取模块，用于从不同区域的实时图像数据中提取烟雾特征数据（比如大小、范围、方向），首先从图像中分割出烟雾区域，然后根据图像灰度大小确认烟雾大小，灰度图像覆盖范围确定烟雾范围，灰度图像覆盖范围形状预测烟雾蔓延方向。同时，特征提取模块，还用于从不同区域各安全指标对应的实时时域数据中提取指标特征数据，可以提取出时间曲线数据（比如烟雾浓度时间曲线数据、有害气体浓度时间曲线数据、氧气浓度时间曲线数据、温度数据时间曲线、气体压力时间曲线数据）。

特征修正的计算方式如下：

区域数据修正模块，用于根据多个指标特征数据对烟雾特征数据进行修正补偿，获得完整的区域烟雾特征数据。即根据时间曲线数据与大小、范围、方向的关联关系，并通过实时时域数据对烟雾的特征大小、范围、方向进行补偿修正。

图像融合的计算方式如下：

区域融合模块，用于将区域烟雾特征数据还原至原始图像数据中，并对各区域的图像数据进行拼接融合。即按照原始图像的位置对各区域图像重新进行位置还原和图像拼接。

全域特征提取的计算方式如下：

目标分割模块，用于从拼接融合后的图像数据中分割出完整的全域烟雾目标图像数据，并获取全域烟雾目标图像数据的新烟雾特征数据（具体提取方式可参见特征提取模块）。

预警信号输出的计算方式如下：

报警模块，用于根据新烟雾特征数据，输出多种类型的安全预警信号，比如根据远近、强度综合分析后输出不同等级的安全预警信号，或者同时输出不同类型的安全预警信号。

本发明实施例中，区域数据修正模块具体包括：灰度修正子模块、范围修正子模块、方向修正子模块。参见图6，各模块的具体功能如下：

具体地，根据以下计算方式确定灰度值：

灰度修正子模块，用于根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据的权重分配，对灰度数据进行修正。即将多个指标特征数据分布在区域图像中，在区域图像的每个像素点处，按照不同指标特征数据的权重，对归一化后的各指标特征数据进行加权平均值后，再根据归一化后的各特征数据大小与灰度值之间的关系，将平均值转换为灰度值再加上原图像该像素点处的灰度值，相加之和作为新的像素点灰度值，从而预测火灾强度。

具体地，根据以下计算方式确定烟雾范围：

范围修正子模块，用于根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据所在位置构成的最大区域，对烟雾范围数据进行修正。即根据各指标的数值大小与危险范围之间的关系，将所有危险范围和原图像危险范围一起考虑后，以所有危险范围和原图像危险范围中最大边界范围构成的最大区域作为新的烟雾范围。

具体地，根据以下计算方式预测火灾蔓延方向：

方向修正子模块，用于根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据所在位置构成最大区域的轨迹形状，对烟雾蔓延方向数据进行修正。具体地，分析新的烟雾范围形成的轨迹形状，整个轨迹按照形状可以分为多个区段，根据各区段指标特征数据轨迹样式形状与蔓延方向的对应关系（比如，类似圆形椭圆形则为四周蔓延型火灾，类似长条形则为主方向蔓延型火灾，多个类似圆形椭圆形则为多源头蔓延型火灾等），从而预测火灾蔓延方向。

根据以上各模块中功能的计算方式形成含参数的安全预警模型，然后通过历史数据不同区域发生安全事故时与车间生产安全状况相关的各安全指标对应的时域数据、和不同区域发生安全事故时的原始图像数据构成的训练集训练安全预警模型，从而可以确定安全预警模型中的参数，进而构建成可用的安全预警模型。

其中，安全预警模型中的参数具体包括：多个指标特征数据的权重、各指标特征数据大小与灰度值之间的关系、多个指标特征数据大小与位置范围大小的对应关系、多个指标特征数据轨迹样式形状与蔓延方向的对应关系。

实施例2：

为了能够使车间的员工能够在某处发生安全危险报警时避免恐慌，并能合理安排正在进行的工作和对危险进行消除，本发明实施例还提供了另一种技术方案，参见图1，其具体包括：

在实施1的基础上添加了多个区域刷卡终端和多个佩戴终端，其中区域刷卡终端的数量少于佩戴终端的数量。一个总的监控平台，多个车间共用一个区域刷卡终端，每个车间内固定设有多个监控终端（具体参见图2可设置在车间内墙壁上，也可以设在车间内靠近某些设备处，也可以有其他合适的设置方式）；还有，每个员工进入车间时随身佩戴佩戴终端，但佩戴终端不与员工绑定，可以随机佩戴。

区域刷卡终端包括：第二控制器，第二控制器电连接有第三无线通信模块、RFID读写器、第一近距通信模块；佩戴终端包括：第三控制器，第三控制器电连接有第二近距通信模块、第二GPS定位单元和第二报警器，且佩戴终端上粘贴有RFID标签。其中，第三无线通信模块与第二无线通信模块实现无线通信；RFID读写器和RFID标签适配读取RFID标签上的编号信息；第一近距通信模块和第二近距通信模块之间进行近距离通信，可以采用WIFI通信模块或蓝牙通信模块，使得通信可靠。

实际使用时，RFID读写器读取RFID标签上的编号信息，并将编号信息和位置信息依次通过第三无线通信模块和第二无线通信模块传输至中央处理器；中央处理器根据佩戴终端与危险源的距离远近和火灾危险情况将报警等级信号依次通过第二无线通信模块和第三无线通信模块传输至第二控制器；第二控制器依次通过第一近距通信模块和第二近距通信模块将报警等级信号传输至对应编号的第三控制器，第三控制器控制第二报警单元发出不同等级的近距报警信号，比如：距离较近则发出一级报警信号，员工需要尽快撤离；距离一般远近则发出二级报警信号，员工可以尽快处理手中工作和救援后撤离；距离较远时，员工可以酌情处理手中工作和救援后撤离。

需要说明的是，佩戴终端上有开关键，在员工收到报警信号后可以选择先关闭，这样在员工执行非正常工作动作时就不会继续报警。

较佳地，本发明实施例的佩戴终端布设于手环或胸挂卡片上，便于携带，图3为佩戴终端为手环时的结构图。

基于同一发明构思，本发明实施例还提供一种车间生产安全预警方法，其步骤包括：

S1，获取不同区域与车间生产安全状况相关的各安全指标对应的实时时域数据和不同区域的实时图像数据。

S2，将不同区域发生安全事故时与车间生产安全状况相关的各安全指标对应的时域数据、和不同区域发生安全事故时的原始图像数据构成训练集。

S3，构建安全预警模型。

S3，将实时时域数据和实时图像数据输入至通过训练集训练后的安全预警模型中，获得安全预警信息。

其中，对于步骤S3构建安全预警模型，具体包括：

S31，从不同区域的实时图像数据中提取烟雾特征数据，同时从不同区域各安全指标对应的实时时域数据中提取指标特征数据；

S32，根据多个指标特征数据对烟雾特征数据进行修正补偿，获得完整的区域烟雾特征数据；

S33，将区域烟雾特征数据还原至原始图像数据中，并对各区域的图像数据进行拼接融合；

S34，从拼接融合后的图像数据中分割出完整的全域烟雾目标图像数据，并获取全域烟雾目标图像数据的新烟雾特征数据；

S35，根据新烟雾特征数据，输出安全预警信号。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种车间生产安全预警***，其特征在于，包括：多个监控终端和监控平台，且每个所述监控终端均与所述监控平台无线通信；

所述监控终端，用于获取不同区域与车间生产安全状况相关的各安全指标对应的实时时域数据和不同区域的实时图像数据；

所述监控平台，用于将不同区域发生安全事故时与车间生产安全状况相关的各安全指标对应的时域数据、和不同区域发生安全事故时的原始图像数据构成训练集；用于构建安全预警模型；及用于将实时时域数据和实时图像数据输入至通过训练集训练后的安全预警模型中，获得安全预警信息；

其中，所述安全预警模型包括：特征提取模块、区域数据修正模块、区域融合模块、目标分割模块和报警模块；

所述特征提取模块，用于从不同区域的实时图像数据中提取烟雾特征数据，同时从不同区域各安全指标对应的实时时域数据中提取指标特征数据；

所述区域数据修正模块，用于根据多个指标特征数据对烟雾特征数据进行修正补偿，获得完整的区域烟雾特征数据；

所述区域融合模块，用于将区域烟雾特征数据还原至原始图像数据中，并对各区域的图像数据进行拼接融合；

所述目标分割模块，用于从拼接融合后的图像数据中分割出完整的全域烟雾目标图像数据，并获取全域烟雾目标图像数据的新烟雾特征数据；

所述报警模块，用于根据新烟雾特征数据，输出安全预警信号；

所述区域数据修正模块，包括：

灰度修正子模块，用于根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据的权重分配和各指标特征数据大小与灰度值之间的关系，对灰度数据进行修正；

范围修正子模块，用于根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据的大小与位置范围大小的对应关系构成的最大区域，对烟雾范围数据进行修正；

方向修正子模块，用于根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据所在位置构成最大区域的轨迹形状和轨迹样式形状与蔓延方向的对应关系，对烟雾蔓延方向数据进行修正；

其中，通过训练集对安全预警模型进行训练，能够获得多个指标特征数据的权重、多个指标特征数据大小与灰度值之间的关系、多个指标特征数据大小与位置范围大小的对应关系、轨迹样式形状与蔓延方向的对应关系。

2.如权利要求1所述的车间生产安全预警***，其特征在于，每个所述监控终端均包括：第一控制器，所述第一控制器电连接有视频监控单元、第一GPS定位单元、与车间生产安全状况相关的各安全指标对应的传感器组、第一报警单元和第一无线通信模块。

3.如权利要求2所述的车间生产安全预警***，其特征在于，所述传感器组包括：烟雾浓度传感器、有害气体浓度传感器、氧气浓度传感器、温度传感器和气体压力传感器。

4.如权利要求1所述的车间生产安全预警***，其特征在于，所述监控平台包括：中央处理器，所述中央处理器电连接有第二无线通信模块。

5.如权利要求1所述的车间生产安全预警***，其特征在于，所述烟雾特征数据，包括：代表烟雾浓度大小的灰度数据、烟雾范围数据、烟雾蔓延方向数据。

6.如权利要求4所述的车间生产安全预警***，其特征在于，还包括：区域刷卡终端和多个佩戴终端；

所述区域刷卡终端包括：第二控制器，所述第二控制器电连接有第三无线通信模块、RFID读写器、第一近距通信模块；

每个所述佩戴终端均包括：第三控制器，所述第三控制器电连接有第二近距通信模块、第二GPS定位单元和第二报警器，且所述佩戴终端上粘贴有RFID标签；

其中，所述RFID读写器读取所述RFID标签上的编号信息，并将编号信息和位置信息依次通过所述第三无线通信模块和所述第二无线通信模块传输至所述中央处理器；所述中央处理器根据佩戴终端与危险源的距离远近和火灾危险情况将报警等级信号依次通过所述第二无线通信模块和所述第三无线通信模块传输至所述第二控制器；所述第二控制器依次通过所述第一近距通信模块和所述第二近距通信模块将报警等级信号传输至对应编号的所述第三控制器，所述第三控制器控制第二报警单元发出不同等级的近距报警信号。

7.如权利要求6所述的车间生产安全预警***，其特征在于，所述第一近距通信模块和第二近距通信模块，均采用WIFI通信模块或蓝牙通信模块。

8.如权利要求6所述的车间生产安全预警***，其特征在于，所述佩戴终端布设于手环或胸挂卡片上。

9.一种车间生产安全预警方法，其特征在于，包括：

获取不同区域与车间生产安全状况相关的各安全指标对应的实时时域数据和不同区域的实时图像数据；

将不同区域发生安全事故时与车间生产安全状况相关的各安全指标对应的时域数据、和不同区域发生安全事故时的原始图像数据构成训练集；

构建安全预警模型；

将实时时域数据和实时图像数据输入至通过训练集训练后的安全预警模型中，获得安全预警信息；

其中，所述构建安全预警模型，包括：

从不同区域的实时图像数据中提取烟雾特征数据，同时从不同区域各安全指标对应的实时时域数据中提取指标特征数据；

根据多个指标特征数据对烟雾特征数据进行修正补偿，获得完整的区域烟雾特征数据；

将区域烟雾特征数据还原至原始图像数据中，并对各区域的图像数据进行拼接融合；

从拼接融合后的图像数据中分割出完整的全域烟雾目标图像数据，并获取全域烟雾目标图像数据的新烟雾特征数据；

根据新烟雾特征数据，输出安全预警信号；

所述根据多个指标特征数据对烟雾特征数据进行修正补偿，获得完整的区域烟雾特征数据，具体包括：

根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据的权重分配和各指标特征数据大小与灰度值之间的关系，对灰度数据进行修正；

根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据的大小与位置范围大小的对应关系构成的最大区域，对烟雾范围数据进行修正；

根据多个指标特征数据中的烟雾浓度数据、有害气体浓度数据、氧气浓度数据、温度数据、气体压力数据所在位置构成最大区域的轨迹形状和轨迹样式形状与蔓延方向的对应关系，对烟雾蔓延方向数据进行修正；

其中，通过训练集对安全预警模型进行训练，能够获得多个指标特征数据的权重、多个指标特征数据大小与灰度值之间的关系、多个指标特征数据大小与位置范围大小的对应关系、轨迹样式形状与蔓延方向的对应关系。

Images