CN116579601B - 矿山安全生产风险监测预警***及方法 - Google Patents

矿山安全生产风险监测预警***及方法 Download PDF

Info

Publication number
CN116579601B
CN116579601B CN202310317365.6A CN202310317365A CN116579601B CN 116579601 B CN116579601 B CN 116579601B CN 202310317365 A CN202310317365 A CN 202310317365A CN 116579601 B CN116579601 B CN 116579601B
Authority
CN
China
Prior art keywords
trigger condition
area image
risk
mining area
early warning
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
Application number
CN202310317365.6A
Other languages
English (en)
Other versions
CN116579601A (zh
Inventor
陈友良
刘长青
陈涛
廖志国
梁博伶
王庆
郭庞锋
于景丰
王宏
王相山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Academy Of Emergency Management Science Anhui Dangerous Chemicals Registration Center Anhui Safety Accident Investigation And Analysis Technology Center
China Academy of Safety Science and Technology CASST
Original Assignee
Anhui Academy Of Emergency Management Science Anhui Dangerous Chemicals Registration Center Anhui Safety Accident Investigation And Analysis Technology Center
China Academy of Safety Science and Technology CASST
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Academy Of Emergency Management Science Anhui Dangerous Chemicals Registration Center Anhui Safety Accident Investigation And Analysis Technology Center, China Academy of Safety Science and Technology CASST filed Critical Anhui Academy Of Emergency Management Science Anhui Dangerous Chemicals Registration Center Anhui Safety Accident Investigation And Analysis Technology Center
Priority to CN202310317365.6A priority Critical patent/CN116579601B/zh
Publication of CN116579601A publication Critical patent/CN116579601A/zh
Application granted granted Critical
Publication of CN116579601B publication Critical patent/CN116579601B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/44—Event detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • 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
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Agronomy & Crop Science (AREA)
  • Psychiatry (AREA)
  • Quality & Reliability (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Emergency Management (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提供矿山安全生产风险监测预警***及方法，其中，***包括：监测模块，用于对需要进行安全生产风险监测预警的矿山的生产现场进行监测，获取监测数据；分析模块，用于根据监测数据，生成对多个风险项目进行风险分析的综合分析结果；预警模块，用于根据综合分析结果，确定综合分析结果中的异常项并进行相应异常预警；风险管理模块，用于确定适宜管理异常预警的第二管理计划，通过第二管理计划对产生异常预警的风险项目进行对应管理。本发明的矿山安全生产风险监测预警***及方法，在矿山发生异常预警后及时确定适宜管理异常预警的第二管理计划，提升了异常处理的及时性，提升了矿山生产作业的安全性。

Description

矿山安全生产风险监测预警***及方法
技术领域
本发明涉及矿山安全技术领域，特别涉及矿山安全生产风险监测预警***及方法。
背景技术
矿山是有一定开采境界的开采矿石的独立生产经营单位，包括采矿车间和辅助车间。在进行采掘生产的过程中，为保证工作人员的安全，需要进行安全生产风险的监测(例如：地下矿山现场检查的重点主要包括安全出口、通风设施、水仓、水泵、人行道、提升机安全设施、局部通风机、巷道支护、溜槽、安全标志和排水沟等安全设施的大小、型号、新旧程度和实际运行能力等。必要时，需要携带风速计和剂量计等仪器进行现场测量)，并及时发出相应预警。
申请号为：CN201910440275.X的发明专利公开了一种智能感知矿山安全生产预警与防控监管信息化大数据***，其中包括：现场端，服务端和应用端。现场端包括：第一通信模块、第一处理器、安全数据存储模块、数据接入模块、传感器、现场检查模块、预警指示模块、预警与防控处理模块。服务端包括第二通信模块、第二处理器、数据存储模块、安全标准管理模块以及智能预测模块；本发明还对利用机器学习算法根据数据存储模块中的现场安全大数据，训练***预测模型的处理过程做了详细说明。上述发明实现了复杂***体系下的智能预测，指导管理人员更好地开展矿山生产安全的预警与防控工作，极大降低了***对于人员及素质的高度依赖，可更好地保障矿山生产安全。
但是，现有技术虽然设置安全标准管理模块，但是需要管理人员主动查看安全标准管理模块的比对结果，无法根据比对结果和获取的管理数据直接确定异常预警的管理计划，异常处理的及时性和适宜性较差，进而导致生产作业的安全性也较低。
因此，本发明提供矿山安全生产风险检测预警***及方法，用以解决上述问题。
发明内容
本发明目的之一在于提供了矿山安全生产风险监测预警***，在矿山发生异常预警后及时确定适宜管理异常预警的第二管理计划，避免人工处理异常预警的不及时和不合理，提升了异常处理的及时性，提升了矿山生产作业的安全性。
本发明实施例提供的矿山安全生产风险监测预警***，包括：
监测模块，用于对需要进行安全生产风险监测预警的矿山的生产现场进行监测，获取监测数据；
分析模块，用于根据所述监测数据，生成对多个风险项目进行风险分析的综合分析结果；
预警模块，用于根据所述综合分析结果，确定所述综合分析结果中的异常项并进行相应异常预警；
风险管理模块，用于获取从预设的采集路径采集的第一管理计划，从所述第一管理计划中确定适宜管理所述异常预警的第二管理计划，通过所述第二管理计划对产生所述异常预警的风险项目进行对应管理。
优选的，所述监测模块对需要进行安全生产风险监测预警的矿山的生产现场进行监测，获取监测数据，包括：
监控节点确定单元，用于确定所述生产现场中预设的多个监控节点；
监测数据获取单元，用于获取所述监控节点上传的所述监测数据；所述监测数据包括：矿山数据和目标监测人员的人员数据。
优选的，所述预警模块根据综合分析结果，确定综合分析结果中的异常项并进行相应异常预警，包括：
异常判定规则获取单元，用于获取所述综合分析结果的结果项，同时，获取所述结果项的结果类型对应预设的异常判定规则；
异常判定单元，用于根据所述异常判定规则和所述结果项，进行异常判定，获取所述异常判定的判定结果；
异常项确定单元，用于若所述判定结果为异常，将判定为异常的所述结果项作为所述异常项；
异常预警单元，用于基于预设的异常预警规则，根据所述异常项和所述异常项对应的所述结果类型，进行所述异常预警。
优选的，所述风险管理模块获取从预设的采集路径采集的第一管理计划，从所述第一管理计划中确定适宜管理所述异常预警的第二管理计划，通过所述第二管理计划对产生所述异常预警的风险项目进行对应管理，包括：
触发条件集获取单元，用于获取所述第一管理计划的第一触发条件集，同时，获取所述异常预警的第二触发条件集；
适用性分析单元，用于根据所述第一触发条件集和第二触发条件集，进行所述第一管理计划的适用性分析；
根据所述适用性分析的分析结果，获取所述第二管理计划。
优选的，所述根据所述第一触发条件集和第二触发条件集，进行所述第一管理计划的适用性分析，包括：
第一触发条件矩阵生成单元，用于通过预设的触发条件特征提取模板提取所述第一触发条件集中每一第一触发条件的第一触发条件特征值，并将所述第一触发条件特征值填入预设的空矩阵的所述第一触发条件对应预设的第一位置，获得第一触发条件矩阵；
第二触发条件矩阵生成单元，用于基于所述第一触发条件矩阵相同的生成规则，生成第二触发条件集对应的第二触发条件矩阵；
关联关系确定单元，用于基于所述第一触发条件矩阵和所述第二触发条件矩阵的全局关联关系，确定每一所述第一位置和所述第二触发条件矩阵的第二位置的具体关联关系；
差异确定单元，用于根据所述第一触发条件特征值、所述第二触发条件特征值和所述具体关联关系，进行关联的所述第一触发条件特征值和所述第二触发条件特征值的差异确定；
差异值确定单元，用于基于所述差异确定的差异和所述差异对应的所述第一触发条件特征值和/或第二触发条件特征值在所属的第三触发条件矩阵的第三位置处对应预设的属性信息，确定差异值；
适宜度计算单元，用于对所述差异值对应的适宜值进行求和计算，获得适宜度；
适用性判定单元，用于若所述适宜度大于等于预设的第一阈值，则所述第一管理计划的适用性分析通过。
优选的，所述获取所述第一管理计划的第一触发条件集，包括：
风险事件集获取单元，用于获取历史上所述第一管理计划管理的风险事件；
矿区图像提取单元，用于提取管理所述风险事件时的第一矿区图像和所述第一矿区图像的拍摄时间，并将所述第一矿区图像按照对应的所述拍摄时间从早到晚的次序在预设的记录体系上展开；
差异度计算单元，用于依次遍历所述第一矿区图像，每次遍历时，将当前正在遍历的所述第一矿区图像作为第二矿区图像，计算所述第二矿区图像和所述第二矿区图像在所述记录体系上的前一个的所述第一矿区图像的差异度；
差异度判定单元，用于若所述差异度大于等于预设的第二阈值，将对应所述第二矿区图像作为第三矿区图像；
第四矿区图像获取单元，用于获取所述第三矿区图像在所述记录体系之前的所述第一矿区图像，并作为第四矿区图像；
第一触发条件集确定单元，用于根据所述第四矿区图像，确定所述第一触发条件集。
优选的，所述根据所述第四矿区图像，确定所述第一触发条件集，包括：
事件种类获取单元，用于获取所述第四矿区图像对应的所述风险事件的事件种类；
五矿区图像获取单元，用于获取同一所述事件种类的所述第四矿区图像的逻辑位序，对同一所述逻辑位序的所述第四矿区图像进行唯一性保留，获得第五矿区图像；
风险生成场景模型生成单元，用于基于所述第五矿区图像的所述事件种类的不同，构建所述事件种类的风险生成场景模型；
风险指标获取单元，用于获取所述事件种类的风险指标，同时，构建对应于每一所述风险指标的提取模板；
提取单元，用于根据所述事件种类对应的所述提取模板和所述事件种类对应的所述风险生成场景模型，确定所述提取模板提取的第三触发条件；
整合单元，用于整合所有所述第三触发条件，获得所述第一触发条件集。
优选的，所述构建对应于每一所述风险指标的提取模板，包括：
历史提取行为获取模板，用于获取所述提取所述风险指标的历史提取行为；
提取行为形容因子构建模块，用于基于所述历史提取行为的形容信息，构建提取行为形容因子；
行为评价值确定模块，用于根据所述提取行为形容因子和所述风险指标对应预设的行为评价库，确定所述历史提取行为的行为评价值；
模板行为获取模块，用于获取所述历史提取行为的行为次序，确定每一所述行为次序上最大所述行为评价值的所述历史提取行为作为模板行为；
提取模板构建模块，用于基于预设的模板构建规则，根据所述模板行为和所述模板行为对应的所述行为次序，构建所述提取模板。
本发明实施例提供的矿山安全生产风险监测预警方法，包括：
步骤1：对需要进行安全生产风险监测预警的矿山的生产现场进行监测，获取监测数据；
步骤2：根据所述监测数据，生成对多个风险项目进行风险分析的综合分析结果；
步骤3：根据所述综合分析结果，确定所述综合分析结果中的异常项并进行相应异常预警；
步骤4：获取从预设的采集路径采集的第一管理计划，从所述第一管理计划中确定适宜管理所述异常预警的第二管理计划，通过所述第二管理计划对产生所述异常预警的风险项目进行对应管理。
优选的，所述步骤1：对需要进行安全生产风险监测预警的矿山的生产现场进行监测，获取监测数据，包括：
确定所述生产现场中预设的多个监控节点；
获取所述监控节点上传的所述监测数据；所述监测数据包括：矿山数据和目标监测人员的人员数据。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中矿山安全生产风险监测预警***的示意图；
图2为本发明实施例中矿山安全生产风险监测预警方法的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了矿山安全生产风险监测预警***，如图1所示，包括：
监测模块1，用于对需要进行安全生产风险监测预警的矿山的生产现场进行监测，获取监测数据；生产现场为：矿山工作人员的作业现场，例如：采掘现场；监测数据为：矿山的开采记录；
分析模块2，用于根据所述监测数据，生成对多个风险项目进行风险分析的综合分析结果；风险项目为：监测数据对应监测的安全风险的风险类型；综合分析结果为：矿山的多维度安全生产风险分析的结果；
预警模块3，用于根据所述综合分析结果，确定所述综合分析结果中的异常项并进行相应异常预警；异常项为：综合分析结果中的异常数据；异常预警为，例如：何种异常产生何种预警；
风险管理模块4，用于获取从预设的采集路径采集的第一管理计划，从所述第一管理计划中确定适宜管理所述异常预警的第二管理计划，通过所述第二管理计划对产生所述异常预警的风险项目进行对应管理。
上述技术方案的工作原理及有益效果为：
获取监测数据，对监测数据进行分析，获得综合分析结果,根据综合分析结果，自动异常预警的第二风险项目，并确定适宜管理异常预警的第二管理计划对第二风险项目进行管理。
本申请在矿山发生异常预警后及时确定适宜管理异常预警的第二管理计划，避免人工处理异常预警的不及时和不合理，提升了异常处理的及时性，提升了矿山生产作业的安全性。
在一个实施例中，所述监测模块对需要进行安全生产风险监测预警的矿山的生产现场进行监测，获取监测数据，包括：
监控节点确定单元，用于确定所述生产现场中预设的多个监控节点；监控节点为：人工预先布置在矿山生产现场的全景摄像机；
监测数据获取单元，用于获取所述监控节点上传的所述监测数据；所述监测数据包括：矿山数据和目标监测人员的人员数据。矿山数据为：生产现场的设备和山体等图片；人员数据为：工作人员的操作图像。
上述技术方案的工作原理及有益效果为：
确定生产现场中的监控节点上传的监测数据，解析监测数据，获得矿山数据和目标监测人员的人员数据，引入监控节点360度获取监控数据，提高了监控数据获取的全面性。
在一个实施例中，所述预警模块根据综合分析结果，确定综合分析结果中的异常项并进行相应异常预警，包括：
异常判定规则获取单元，用于获取所述综合分析结果的结果项，同时，获取所述结果项的结果类型对应预设的异常判定规则；结果项为：综合分析结果中的数据项；结果类型为：异常分析的风险项目；异常判定规则：何种情况为异常，何种情况为非异常，由人工预先设置；
异常判定单元，用于根据所述异常判定规则和所述结果项，进行异常判定，获取所述异常判定的判定结果；判定结果为：异常和非异常；
异常项确定单元，用于若所述判定结果为异常，将判定为异常的所述结果项作为所述异常项；
异常预警单元，用于基于预设的异常预警规则，根据所述异常项和所述异常项对应的所述结果类型，进行所述异常预警。异常预警规则为：通过何种方式进行异常预警；
上述技术方案的工作原理及有益效果为：
获取综合分析结果的结果项，引入结果项的结果类型对应的异常判定规则对结果项进行异常判定，提高了异常判定的效率。
在一个实施例中，所述风险管理模块获取从预设的采集路径采集的第一管理计划，从所述第一管理计划中确定适宜管理所述异常预警的第二管理计划，通过所述第二管理计划对产生所述异常预警的风险项目进行对应管理，包括：
触发条件集获取单元，用于获取所述第一管理计划的第一触发条件集，同时，获取所述异常预警的第二触发条件集；预设的采集路径为：大数据路径；第一管理计划为：大数据获取的矿山发生安全生产风险事件时的管理记录；第一触发条件集为：第一管理计划的适用条件特征的集合，适用条件特征可以为：现场工作人员的行为特征(例如：佩戴安全帽)、现场设备的设备特征(例如：设备姿态)和环境特征(例如：矿柱的分布)等；第二触发条件集为：异常预警的预警场景的场景特征；
适用性分析单元，用于根据所述第一触发条件集和第二触发条件集，进行所述第一管理计划的适用性分析；适用性分析为：分析第一触发条件集和第二触发条件集的匹配程度，匹配程度越高，则越适宜；
根据所述适用性分析的分析结果，获取所述第二管理计划。
上述技术方案的工作原理及有益效果为：
本申请引入从采集路径采集的第一管理计划的第一触发条件集和第二触发条件集进行第一管理计划的适用性分析，根据适用性分析的分析结果确定异常预警的第二管理计划，提高了第二管理计划的适用性。
在一个实施例中，所述根据所述第一触发条件集和第二触发条件集，进行所述第一管理计划的适用性分析，包括：
第一触发条件矩阵生成单元，用于通过预设的触发条件特征提取模板提取所述第一触发条件集中每一第一触发条件的第一触发条件特征值，并将所述第一触发条件特征值填入预设的空矩阵的所述第一触发条件对应预设的第一位置，获得第一触发条件矩阵；触发条件特征提取模板为：约束特征提取只进行触发条件特征提取，不进行其他特征的提取；第一触发条件特征值为，例如：不佩戴安全帽；空矩阵由人工预先设置；第一位置为空矩阵中的矩阵元素的位置；将第一触发条件特征值依次填入对应第一位置，构成第一触发条件矩阵；
第二触发条件矩阵生成单元，用于基于所述第一触发条件矩阵相同的生成规则，生成第二触发条件集对应的第二触发条件矩阵；
关联关系确定单元，用于基于所述第一触发条件矩阵和所述第二触发条件矩阵的全局关联关系，确定每一所述第一位置和所述第二触发条件矩阵的第二位置的具体关联关系；全局关联关系为：第一位置和第二位置的关联配对组的集合；具体关联关系为：第一位置和第二位置的关联配对组；
差异确定单元，用于根据所述第一触发条件特征值、所述第二触发条件特征值和所述具体关联关系，进行关联的所述第一触发条件特征值和所述第二触发条件特征值的差异确定；差异确定为：确定何种差异类型和差多少；
差异值确定单元，用于基于所述差异确定的差异和所述差异对应的所述第一触发条件特征值和/或第二触发条件特征值在所属的第三触发条件矩阵的第三位置处对应预设的属性信息，确定差异值；差异为：不匹配程度；属性信息为：差异确定的第一触发条件特征或第二触发条件特征的条件特征类型，例如：人员的行为特征；
适宜度计算单元，用于对所述差异值对应的适宜值进行求和计算，获得适宜度；差异值对应的适宜值由上述条件特征类型对应预设的差异值-适宜值转换表确定；
适用性判定单元，用于若所述适宜度大于等于预设的第一阈值，则所述第一管理计划的适用性分析通过。第一阈值由人工预先设置。
上述技术方案的工作原理及有益效果为：
引入触发条件特征提取模板提取触发条件特征值，提升了触发条件特征值获取的合理性；根据差异和属性信息共同确定差异值，提高了差异值确定的精准性，再根据差异值确定的适宜值的和值确定适宜度，进一步提高了适宜度获取的准确性。
在一个实施例中，所述获取所述第一管理计划的第一触发条件集，包括：
风险事件集获取单元，用于获取历史上所述第一管理计划管理的风险事件；风险事件为，例如：采空区矿柱断裂；
矿区图像提取单元，用于提取管理所述风险事件时的第一矿区图像和所述第一矿区图像的拍摄时间，并将所述第一矿区图像按照对应的所述拍摄时间从早到晚的次序在预设的记录体系上展开；第一矿区图像为风险事件对应的记录图像；预设的记录体系由人工设置，例如：时间轴；
差异度计算单元，用于依次遍历所述第一矿区图像，每次遍历时，将当前正在遍历的所述第一矿区图像作为第二矿区图像，计算所述第二矿区图像和所述第二矿区图像在所述记录体系上的前一个的所述第一矿区图像的差异度；一般的，对异常预警管理后，矿区图像会出现明显差异，例如：矿工原先安全帽佩戴不规范，经管理后规范佩戴，因此，利用图像处理技术分析图像特征，再根据图像特征，计算差异度，差异度的计算公式如下：
其中，dif为所述差异度，M(i,j)为第二矿区图像对应的像素矩阵的第i行第j列的像素值，N(i,j)为第二矿区图像在记录体系上的前一个的第一矿区图像对应的像素矩阵的第i行第j列的像素值，I为上述像素矩阵的总行数，J为上述像素矩阵的总列数；
差异度判定单元，用于若所述差异度大于等于预设的第二阈值，将对应所述第二矿区图像作为第三矿区图像；第二阈值由人工预先设置；
第四矿区图像获取单元，用于获取所述第三矿区图像在所述记录体系之前的所述第一矿区图像，并作为第四矿区图像；第四矿区图像为：上述风险事件管理完成之前的矿区图像；
第一触发条件集确定单元，用于根据所述第四矿区图像，确定所述第一触发条件集。
上述技术方案的工作原理及有益效果为：
引入风险事件集。一般的对安全生产的风险事件进行管理时，会出现一些触发第一管理计划的触发条件，例如：第一管理计划为：提醒佩戴安全帽，触发条件为：工作人员在作业区未佩戴安全帽。提取触发条件时，可以通过管理风险事件时的第一矿区图像获取，因此管理的第一矿区图像包含管理前、管理时和管理后的图像，故不是所有的第一矿区图像都包含触发条件的，因此，提取风险事件集中每一风险事件的第一矿区图像和第一矿区图像的拍摄时间，将第一矿区图像按照拍摄时间在时间轴上展开，计算当前正在遍历的第二矿区图像和其在记录体系上前一个第一矿区图像的差异度，确定差异度大于等于第二阈值的对应的第二矿区图像之前的第四矿区图像，从第四矿区图像中提取第一触发条件，而不是盲目从所有第一矿区图像中提取，极大提高了第一触发条件的提取效率。
在一个实施例中，所述根据所述第四矿区图像，确定所述第一触发条件集，包括：
事件种类获取单元，用于获取所述第四矿区图像对应的所述风险事件的事件种类；事件种类为：风险事件的风险类型；
五矿区图像获取单元，用于获取同一所述事件种类的所述第四矿区图像的逻辑位序，对同一所述逻辑位序的所述第四矿区图像进行唯一性保留，获得第五矿区图像；由于同一事件种类的风险事件历史上可能发生多次，因此，获取同一事件种类的第四矿区图像的逻辑位序，逻辑位序为：同一事件种类的第四矿区图像的逻辑次序；唯一性保留为：每个事件种类的各逻辑次序仅保留一张第四矿区图像；
风险生成场景模型生成单元，用于基于所述第五矿区图像的所述事件种类的不同，构建所述事件种类的风险生成场景模型；风险生成场景模型为利用三维模型构建技术，根据第五矿区图像构建的模拟不同事件种类的风险事件生成的模型；
风险指标获取单元，用于获取所述事件种类的风险指标，同时，构建对应于每一所述风险指标的提取模板；风险指标为，例如：山体裂缝深度和长度，又例如：采空区的大小、空间分布、矿柱数目和矿柱参数等；提取模板为：约束提取行为只进行风险指标的提取的模板；
提取单元，用于根据所述事件种类对应的所述提取模板和所述事件种类对应的所述风险生成场景模型，确定所述提取模板提取的第三触发条件；第三触发条件为：每一事件种类的风险事件的触发条件；
整合单元，用于整合所有所述第三触发条件，获得所述第一触发条件集。
上述技术方案的工作原理及有益效果为：
基于获取的第四矿区图像对应的风险事件的事件种类，确定同一事件种类的第四矿区图像的逻辑位序，对同一逻辑位序述第四矿区图像进行唯一性保留的第五矿区图像，提高了后续进行风险生成场景模型构建的构建效率；基于第五矿区图像分别构建不同事件种类的风险生成场景模型，提高了后续进行第三触发条件提取的精确程度。
在一个实施例中，所述构建对应于每一所述风险指标的提取模板，包括：
历史提取行为获取模板，用于获取所述提取所述风险指标的历史提取行为；历史提取行为：风险指标历史上的提取行为，例如：风险指标为勘探山体裂缝，提取行为具体为：获取山体图像，接着对山体图像进行图像处理获得裂缝图像和裂缝信息；
提取行为形容因子构建模块，用于基于所述历史提取行为的形容信息，构建提取行为形容因子；提取行为形容因子为基于历史提取行为的行为特征构建的描述提取行为的行为信息的向量；
行为评价值确定模块，用于根据所述提取行为形容因子和所述风险指标对应预设的行为评价库，确定所述历史提取行为的行为评价值；行为评价库包括多个行为信息评价标准向量和对应的行为评价值，确定时，计算形容因子和行为信息评价标准向量的向量夹角，确定向量夹角最小的行为信息评价标准向量的行为评价值；
模板行为获取模块，用于获取所述历史提取行为的行为次序，确定每一所述行为次序上最大所述行为评价值的所述历史提取行为作为模板行为；行为次序为：历史提取行为在同一风险指标的所有历史提取行为中逻辑次序；由于风险指标可能存在多个历史行为，因此，同一逻辑次序上可能存在多个历史提取行为，确定每一行为次序上行为评价值最大的模板行为；
提取模板构建模块，用于基于预设的模板构建规则，根据所述模板行为和所述模板行为对应的所述行为次序，构建所述提取模板。模板构建规则由人工预先设置。
上述技术方案的工作原理及有益效果为：
基于风险指标的历史提取行为和风险指标对的行为评价库确定历史提取行为的行为评价值，提高了行为评价值确定规范性；引入行为次序，确定行为次序上最大行为评价值的历史提取行为作为模板行为，提高了模板行为确定的合理性；引入模板构建规则，根据模板行为和模板行为对应行为次序共同构建提取模板，提高了提取模板构建的适宜性。
本发明实施例提供了矿山安全生产风险监测预警方法，如图2所示，包括：
步骤1：对需要进行安全生产风险监测预警的矿山的生产现场进行监测，获取监测数据；
步骤2：根据所述监测数据，生成对多个风险项目进行风险分析的综合分析结果；
步骤3：根据所述综合分析结果，确定所述综合分析结果中的异常项并进行相应异常预警；
步骤4：获取从预设的采集路径采集的第一管理计划，从所述第一管理计划中确定适宜管理所述异常预警的第二管理计划，通过所述第二管理计划对产生所述异常预警的风险项目进行对应管理。
在一个实施例中，所述步骤1：对需要进行安全生产风险监测预警的矿山的生产现场进行监测，获取监测数据，包括：
确定所述生产现场中预设的多个监控节点；
获取所述监控节点上传的所述监测数据；所述监测数据包括：矿山数据和目标监测人员的人员数据。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (5)

1.矿山安全生产风险监测预警***，其特征在于，包括：
监测模块，用于对需要进行安全生产风险监测预警的矿山的生产现场进行监测，获取监测数据；
分析模块，用于根据所述监测数据，生成对多个风险项目进行风险分析的综合分析结果；
预警模块，用于根据所述综合分析结果，确定所述综合分析结果中的异常项并进行相应异常预警；
风险管理模块，用于获取从预设的采集路径采集的第一管理计划，从所述第一管理计划中确定适宜管理所述异常预警的第二管理计划，通过所述第二管理计划对产生所述异常预警的风险项目进行对应管理；第一管理计划为：大数据获取的矿山发生安全生产风险事件时的管理记录；第二管理计划为：适宜管理所述异常预警的第一管理计划；
所述风险管理模块获取从预设的采集路径采集的第一管理计划，从所述第一管理计划中确定适宜管理所述异常预警的第二管理计划，通过所述第二管理计划对产生所述异常预警的风险项目进行对应管理包括：
触发条件集获取单元，用于获取所述第一管理计划的第一触发条件集，同时，获取所述异常预警的第二触发条件集；
适用性分析单元，用于根据所述第一触发条件集和第二触发条件集，进行所述第一管理计划的适用性分析；
根据所述适用性分析的分析结果，获取所述第二管理计划；
所述根据所述第一触发条件集和第二触发条件集，进行所述第一管理计划的适用性分析，包括：
第一触发条件矩阵生成单元，用于通过预设的触发条件特征提取模板提取所述第一触发条件集中每一第一触发条件的第一触发条件特征值，并将所述第一触发条件特征值填入预设的空矩阵的所述第一触发条件对应预设的第一位置，获得第一触发条件矩阵；
第二触发条件矩阵生成单元，用于基于所述第一触发条件矩阵相同的生成规则，生成第二触发条件集对应的第二触发条件矩阵；
关联关系确定单元，用于基于所述第一触发条件矩阵和所述第二触发条件矩阵的全局关联关系，确定每一所述第一位置和所述第二触发条件矩阵的第二位置的具体关联关系；
差异确定单元，用于根据所述第一触发条件特征值、所述第二触发条件特征值和所述具体关联关系，进行关联的所述第一触发条件特征值和所述第二触发条件特征值的差异确定；
差异值确定单元，用于基于所述差异确定的差异和所述差异对应的所述第一触发条件特征值和/或第二触发条件特征值在所属的第三触发条件矩阵的第三位置处对应预设的属性信息，确定差异值；
适宜度计算单元，用于对所述差异值对应的适宜值进行求和计算，获得适宜度；
适用性判定单元，用于若所述适宜度大于等于预设的第一阈值，则所述第一管理计划的适用性分析通过；
所述获取所述第一管理计划的第一触发条件集，包括：
风险事件集获取单元，用于获取历史上所述第一管理计划管理的风险事件；
矿区图像提取单元，用于提取管理所述风险事件时的第一矿区图像和所述第一矿区图像的拍摄时间，并将所述第一矿区图像按照对应的所述拍摄时间从早到晚的次序在预设的记录体系上展开；
差异度计算单元，用于依次遍历所述第一矿区图像，每次遍历时，将当前正在遍历的所述第一矿区图像作为第二矿区图像，计算所述第二矿区图像和所述第二矿区图像在所述记录体系上的前一个的所述第一矿区图像的差异度，差异度的计算公式如下：
其中，dif为所述差异度，M(i,j)为第二矿区图像对应的像素矩阵的第i行第j列的像素值，N(i,j)为第二矿区图像在记录体系上的前一个的第一矿区图像对应的像素矩阵的第i行第j列的像素值，I为上述像素矩阵的总行数，J为上述像素矩阵的总列数；
差异度判定单元，用于若所述差异度大于等于预设的第二阈值，将对应所述第二矿区图像作为第三矿区图像；
第四矿区图像获取单元，用于获取所述第三矿区图像在所述记录体系之前的所述第一矿区图像，并作为第四矿区图像；
第一触发条件集确定单元，用于根据所述第四矿区图像，确定所述第一触发条件集；
所述根据所述第四矿区图像，确定所述第一触发条件集，包括：
事件种类获取单元，用于获取所述第四矿区图像对应的所述风险事件的事件种类；
五矿区图像获取单元，用于获取同一所述事件种类的所述第四矿区图像的逻辑位序，对同一所述逻辑位序的所述第四矿区图像进行唯一性保留，获得第五矿区图像；
风险生成场景模型生成单元，用于基于所述第五矿区图像的所述事件种类的不同，构建所述事件种类的风险生成场景模型；
风险指标获取单元，用于获取所述事件种类的风险指标，同时，构建对应于每一所述风险指标的提取模板；
提取单元，用于根据所述事件种类对应的所述提取模板和所述事件种类对应的所述风险生成场景模型，确定所述提取模板提取的第三触发条件；
整合单元，用于整合所有所述第三触发条件，获得所述第一触发条件集；
所述构建对应于每一所述风险指标的提取模板，包括：
历史提取行为获取模板，用于获取所述提取所述风险指标的历史提取行为；
提取行为形容因子构建模块，用于基于所述历史提取行为的形容信息，构建提取行为形容因子；
行为评价值确定模块，用于根据所述提取行为形容因子和所述风险指标对应预设的行为评价库，确定所述历史提取行为的行为评价值；
模板行为获取模块，用于获取所述历史提取行为的行为次序，确定每一所述行为次序上最大所述行为评价值的所述历史提取行为作为模板行为；
提取模板构建模块，用于基于预设的模板构建规则，根据所述模板行为和所述模板行为对应的所述行为次序，构建所述提取模板。
2.如权利要求1所述的矿山安全生产风险监测预警***，其特征在于，所述监测模块对需要进行安全生产风险监测预警的矿山的生产现场进行监测，获取监测数据，包括：
监控节点确定单元，用于确定所述生产现场中预设的多个监控节点；
监测数据获取单元，用于获取所述监控节点上传的所述监测数据；所述监测数据包括：矿山数据和目标监测人员的人员数据。
3.如权利要求1所述的矿山安全生产风险监测预警***，其特征在于，所述预警模块根据综合分析结果，确定综合分析结果中的异常项并进行相应异常预警，包括：
异常判定规则获取单元，用于获取所述综合分析结果的结果项，同时，获取所述结果项的结果类型对应预设的异常判定规则；
异常判定单元，用于根据所述异常判定规则和所述结果项，进行异常判定，获取所述异常判定的判定结果；
异常项确定单元，用于若所述判定结果为异常，将判定为异常的所述结果项作为所述异常项；
异常预警单元，用于基于预设的异常预警规则，根据所述异常项和所述异常项对应的所述结果类型，进行所述异常预警。
4.矿山安全生产风险监测预警方法，其特征在于，包括：
步骤1：对需要进行安全生产风险监测预警的矿山的生产现场进行监测，获取监测数据；
步骤2：根据所述监测数据，生成对多个风险项目进行风险分析的综合分析结果；
步骤3：根据所述综合分析结果，确定所述综合分析结果中的异常项并进行相应异常预警；
步骤4：获取从预设的采集路径采集的第一管理计划，从所述第一管理计划中确定适宜管理所述异常预警的第二管理计划，通过所述第二管理计划对产生所述异常预警的风险项目进行对应管理；第一管理计划为：大数据获取的矿山发生安全生产风险事件时的管理记录；第二管理计划为：适宜管理所述异常预警的第一管理计划；
所述步骤4：获取从预设的采集路径采集的第一管理计划，从所述第一管理计划中确定适宜管理所述异常预警的第二管理计划，通过所述第二管理计划对产生所述异常预警的风险项目进行对应管理包括：
获取所述第一管理计划的第一触发条件集，同时，获取所述异常预警的第二触发条件集；
根据所述第一触发条件集和第二触发条件集，进行所述第一管理计划的适用性分析；
根据所述适用性分析的分析结果，获取所述第二管理计划；
所述根据所述第一触发条件集和第二触发条件集，进行所述第一管理计划的适用性分析，包括：
通过预设的触发条件特征提取模板提取所述第一触发条件集中每一第一触发条件的第一触发条件特征值，并将所述第一触发条件特征值填入预设的空矩阵的所述第一触发条件对应预设的第一位置，获得第一触发条件矩阵；
基于所述第一触发条件矩阵相同的生成规则，生成第二触发条件集对应的第二触发条件矩阵；
基于所述第一触发条件矩阵和所述第二触发条件矩阵的全局关联关系，确定每一所述第一位置和所述第二触发条件矩阵的第二位置的具体关联关系；
根据所述第一触发条件特征值、所述第二触发条件特征值和所述具体关联关系，进行关联的所述第一触发条件特征值和所述第二触发条件特征值的差异确定；
基于所述差异确定的差异和所述差异对应的所述第一触发条件特征值和/或第二触发条件特征值在所属的第三触发条件矩阵的第三位置处对应预设的属性信息，确定差异值；
对所述差异值对应的适宜值进行求和计算，获得适宜度；
若所述适宜度大于等于预设的第一阈值，则所述第一管理计划的适用性分析通过；
所述获取所述第一管理计划的第一触发条件集，包括：
获取历史上所述第一管理计划管理的风险事件；
提取管理所述风险事件时的第一矿区图像和所述第一矿区图像的拍摄时间，并将所述第一矿区图像按照对应的所述拍摄时间从早到晚的次序在预设的记录体系上展开；
依次遍历所述第一矿区图像，每次遍历时，将当前正在遍历的所述第一矿区图像作为第二矿区图像，计算所述第二矿区图像和所述第二矿区图像在所述记录体系上的前一个的所述第一矿区图像的差异度，差异度的计算公式如下：
其中，dif为所述差异度，M(i,j)为第二矿区图像对应的像素矩阵的第i行第j列的像素值，N(i,j)为第二矿区图像在记录体系上的前一个的第一矿区图像对应的像素矩阵的第i行第j列的像素值，I为上述像素矩阵的总行数，J为上述像素矩阵的总列数；
若所述差异度大于等于预设的第二阈值，将对应所述第二矿区图像作为第三矿区图像；
获取所述第三矿区图像在所述记录体系之前的所述第一矿区图像，并作为第四矿区图像；
根据所述第四矿区图像，确定所述第一触发条件集；
所述根据所述第四矿区图像，确定所述第一触发条件集，包括：
获取所述第四矿区图像对应的所述风险事件的事件种类；
获取同一所述事件种类的所述第四矿区图像的逻辑位序，对同一所述逻辑位序的所述第四矿区图像进行唯一性保留，获得第五矿区图像；
基于所述第五矿区图像的所述事件种类的不同，构建所述事件种类的风险生成场景模型；
获取所述事件种类的风险指标，同时，构建对应于每一所述风险指标的提取模板；
根据所述事件种类对应的所述提取模板和所述事件种类对应的所述风险生成场景模型，确定所述提取模板提取的第三触发条件；
整合所有所述第三触发条件，获得所述第一触发条件集；
所述构建对应于每一所述风险指标的提取模板，包括：
获取所述提取所述风险指标的历史提取行为；
基于所述历史提取行为的形容信息，构建提取行为形容因子；
根据所述提取行为形容因子和所述风险指标对应预设的行为评价库，确定所述历史提取行为的行为评价值；
获取所述历史提取行为的行为次序，确定每一所述行为次序上最大所述行为评价值的所述历史提取行为作为模板行为；
基于预设的模板构建规则，根据所述模板行为和所述模板行为对应的所述行为次序，构建所述提取模板。
5.如权利要求4所述的矿山安全生产风险监测预警方法，其特征在于，所述步骤1：对需要进行安全生产风险监测预警的矿山的生产现场进行监测，获取监测数据，包括：
确定所述生产现场中预设的多个监控节点；
获取所述监控节点上传的所述监测数据；所述监测数据包括：矿山数据和目标监测人员的人员数据。
CN202310317365.6A 2023-03-27 2023-03-27 矿山安全生产风险监测预警***及方法 Active CN116579601B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310317365.6A CN116579601B (zh) 2023-03-27 2023-03-27 矿山安全生产风险监测预警***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310317365.6A CN116579601B (zh) 2023-03-27 2023-03-27 矿山安全生产风险监测预警***及方法

Publications (2)

Publication Number Publication Date
CN116579601A CN116579601A (zh) 2023-08-11
CN116579601B true CN116579601B (zh) 2024-03-05

Family

ID=87538392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310317365.6A Active CN116579601B (zh) 2023-03-27 2023-03-27 矿山安全生产风险监测预警***及方法

Country Status (1)

Country Link
CN (1) CN116579601B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116736115B (zh) * 2023-08-14 2023-10-20 山东开创电气有限公司 一种煤矿皮带输送电机温度监测方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109636055A (zh) * 2018-12-21 2019-04-16 中国安全生产科学研究院 一种非煤矿山安全生产风险预测预警平台
CN113449959A (zh) * 2021-05-13 2021-09-28 陕西陕煤黄陵矿业有限公司 一种矿山人员行为治理***及平台
CN114118677A (zh) * 2021-10-13 2022-03-01 中通服和信科技有限公司 基于物联网的尾矿库风险监测预警***
CN114519263A (zh) * 2022-01-25 2022-05-20 贵州省劳动保护科学技术研究院(贵州省应急管理科学研究院) 一种矿山安全监测预警***及其综合监测预警方法
CN114565234A (zh) * 2022-02-11 2022-05-31 山东省应急管理厅 基于物联网技术的非煤矿山安全风险监测预警综合管理***
CN115423213A (zh) * 2022-10-11 2022-12-02 陕西中科凯泽科技有限公司 一种基于数据分析的智慧矿山安全风险智能分析预警***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8009193B2 (en) * 2006-06-05 2011-08-30 Fuji Xerox Co., Ltd. Unusual event detection via collaborative video mining

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109636055A (zh) * 2018-12-21 2019-04-16 中国安全生产科学研究院 一种非煤矿山安全生产风险预测预警平台
CN113449959A (zh) * 2021-05-13 2021-09-28 陕西陕煤黄陵矿业有限公司 一种矿山人员行为治理***及平台
CN114118677A (zh) * 2021-10-13 2022-03-01 中通服和信科技有限公司 基于物联网的尾矿库风险监测预警***
CN114519263A (zh) * 2022-01-25 2022-05-20 贵州省劳动保护科学技术研究院(贵州省应急管理科学研究院) 一种矿山安全监测预警***及其综合监测预警方法
CN114565234A (zh) * 2022-02-11 2022-05-31 山东省应急管理厅 基于物联网技术的非煤矿山安全风险监测预警综合管理***
CN115423213A (zh) * 2022-10-11 2022-12-02 陕西中科凯泽科技有限公司 一种基于数据分析的智慧矿山安全风险智能分析预警***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
矿建工程项目安全风险监测与预警;石彦龙;;煤矿现代化(04);全文 *

Also Published As

Publication number Publication date
CN116579601A (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
WO2023061039A1 (zh) 基于物联网的尾矿库风险监测预警***
CN111598040B (zh) 一种建筑工人身份识别及安全帽佩戴检测方法及***
CN112347916B (zh) 基于视频图像分析的电力现场作业安全监控方法及装置
CN110620906A (zh) 一种基于物联网的电力施工安全管理***
CN116579601B (zh) 矿山安全生产风险监测预警***及方法
CN102982081A (zh) 道路交通安全隐患路段甄别方法和***
CN115248873B (zh) 一种基于数据融合的电缆隧道安全监测方法及***
CN112163572A (zh) 识别对象的方法和装置
CN116986246A (zh) 一种用于对输煤皮带进行智能巡检***及巡检方法
CN111768022A (zh) 煤机生产设备的设备检测方法及装置
Zhang et al. Deep learning‐based automatic detection of muck types for earth pressure balance shield tunneling in soft ground
CN110148290B (zh) 智能感知矿山安全生产预警与防控监管信息化大数据***
CN117194919A (zh) 一种生产数据分析***
Lu et al. Using cased based reasoning for automated safety risk management in construction industry
CN113033443B (zh) 一种基于无人机的行人过街设施全路网自动化排查方法
CN117422938A (zh) 基于三维分析平台的坝坡混凝土结构异常分析方法
CN116847222B (zh) 应用于石油测井下的设备远程监控方法及***
CN110455370B (zh) 防汛抗旱远程遥测显示***
CN117495157A (zh) 煤矿采空区岩溶隧道全周期施工特征信息融合与质量追溯***
CN116524428A (zh) 基于目标检测及场景融合的电力作业安全风险识别方法
CN114048346B (zh) 一种基于gis的安全生产一体化管控平台及方法
CN115240101A (zh) 一种基于场景分析的医疗样本转送监督***
CN112351255A (zh) 一种全过程智能建筑工程监理***及方法
CN113609925A (zh) 一种lng装卸作业安全管控***及违规行为识别方法
CN110705835A (zh) 一种基于gis和bim的煤矿安全风险预警方法

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