CN117011106A - 一种工程监理安全督查*** - Google Patents
一种工程监理安全督查*** Download PDFInfo
- Publication number
- CN117011106A CN117011106A CN202310882935.6A CN202310882935A CN117011106A CN 117011106 A CN117011106 A CN 117011106A CN 202310882935 A CN202310882935 A CN 202310882935A CN 117011106 A CN117011106 A CN 117011106A
- Authority
- CN
- China
- Prior art keywords
- supervision
- module
- violation
- safety
- engineering
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000012800 visualization Methods 0.000 claims abstract description 8
- 230000000007 visual effect Effects 0.000 claims abstract description 7
- 238000003062 neural network model Methods 0.000 claims abstract description 4
- 238000012937 correction Methods 0.000 claims description 39
- 238000007726 management method Methods 0.000 claims description 32
- 238000005516 engineering process Methods 0.000 claims description 18
- 238000012015 optical character recognition Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 13
- 238000007619 statistical method Methods 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 16
- 238000003058 natural language processing Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004806 packaging method and process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011049 filling Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Computer Security & Cryptography (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种工程监理安全督查***,包括:电力现场数据监管可视化模组、工作票鉴别模组、可视化安全监控模组和督查数据库;电力现场数据监管可视化模组包括上级通报模块、分管单位督查模块、公司督查模块、违章计分模块、违章申诉模块、重复违章管理模块、违章数据展示模块和安全督查管理报表模块,且多个模块数据能够录入督查数据库中形成在线数据库,对检查督查违章情况统计;所述工作票鉴别模组基于神经网络模型对工作票中问题进行校验,标记错误点并生成通知进入督查数据库中。本发明基于工程监理管控平台及安全督查模块建设现场督查检查数据平台,录入督查数据形成在线数据库,对检查督查违章情况统计分析,对典型问题、重复违章等进行重点分析。
Description
技术领域
本发明涉及安全督查的技术领域,尤其涉及一种工程监理安全督查***。
背景技术
随着国民经济和社会生产规模不断扩大,电力行业面临更加严峻的挑战,如果在电力作业过程或电网运行中发生重大的安全事故,将会直接对作业人员人身及电力***安全运行产生重大危害,严重时还会造成人员伤亡等不可估量的损失。所以应当对加强电力***安全全面监督体系构建采取有效的措施,进而及时杜绝各类风险漏洞,为降低违法作业风险,提高电力***安全防护水平奠定基础。
目前在电力***安全督查体系构建方面存在以下几个方面问题:
1)对安全督查数据缺少精益化管理,对督查数据重输入,轻输出,使得大量的违章数据未得到进一步的利用,对典型问题、重复违章等没有进行重点分析。
2)违章情况缺少有效管理,对违章情况仅通过日常督查进行简单的统计,对现场发现的违章信息没有统一的多维度的数据库。
3)对违章人员没有鼓励和惩罚机制,屡查屡犯的现象较常发生。
4)督查分析较单一,未从多个维度对数据进行分析,从而挖掘出作业现场违章的根本原因。
为此,我们提出一种工程监理安全督查***来解决上述提出的问题。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有工程监理安全督查***存在的问题,提出了本发明。
因此,本发明目的是提供一种工程监理安全督查***,其基于工程监理管控平台及安全督查模块建设现场督查检查数据平台,录入督查数据形成在线数据库,对检查督查违章情况统计分析,对典型问题、重复违章等进行重点分析。
为解决上述技术问题,本发明提供如下技术方案:一种工程监理安全督查***,包括:
电力现场数据监管可视化模组、工作票鉴别模组、可视化安全监控模组和督查数据库;
所述电力现场数据监管可视化模组包括上级通报模块、分管单位督查模块、公司督查模块、违章计分模块、违章申诉模块、重复违章管理模块、违章数据展示模块和安全督查管理报表模块,且多个模块数据能够录入督查数据库中形成在线数据库,对检查督查违章情况统计;
所述工作票鉴别模组基于神经网络模型对工作票中问题进行校验,标记错误点并生成通知进入督查数据库中,所述工作票鉴别模组流程包括:***基本底库信息录入;拍照上传工作票;光学字符识别;***对比底库信息判断;输出鉴别结果和展现不规范条目;
所述可视化安全监控模组包括现场人员准入管控模块和人脸特征数据库,所述现场人员准入管控模块利用人脸识别技术通过对现场作业人员照片采集、特征提取、建立人脸特征数据库存储、人脸检索和人脸识别,将识别数据上传至人脸特征数据库中并对当天应到岗人员进行人脸底库记录和目标识别。
作为本发明所述工程监理安全督查***的一种优选方案,其中:所述上级通报模块内设置有仪表盘和界面,用于展示违章通报信息包括地区、问题类型、通报日期、发现人、规定整改时间和整改闭环情况。
作为本发明所述工程监理安全督查***的一种优选方案,其中:所述分管单位督查模块和公司督查模块包括均包括督查模块仪表盘,所述督查模块仪表盘能够展示工程项目的工程基础信息、工程进度信息和安全质量管理信息,且分管单位督查模块和公司督查模块能够根据工程项目和后勤安全两个维度实现督查组组建、督查工单下发、整改通知单下发和闭环的业务流程。
作为本发明所述工程监理安全督查***的一种优选方案,其中:所述违章记分模块用于获取记分数据,展示违章各方面的加减分情况并根据权重得出项目的最终得分;所述违章申诉模块根据违章申诉规则支持违章申诉发起和违章申诉审批;所述重复违章管理模块用于管理重复违章情况,包括展示各类问题发现及重复数量、整改闭环情况、闭环整改资料并且能够发起督查工单下发、整改通知单下发、闭环的业务流程。
作为本发明所述工程监理安全督查***的一种优选方案,其中:所述违章数据展示模块用于展示各类违章发现数量、整改闭环情况和闭环整改资料,且支持按照地区、问题类型、发现日期进行筛选并针对某条具体违章能够直观展示其发现时间、问题类型、发现人、规定整改时间和整改闭环情况;所述安全督查管理报表模块生成安全督查管理报表,且能够进行分类。
作为本发明所述工程监理安全督查***的一种优选方案,其中:所述光学字符识别对文本资料的图像文件进行分析识别处理,获取文字及版面信息的过程,所述识别处理过程通过机器学习目标检测技术,目的是辅助光学字符识别技术对特殊符号类进行识别,以提高光学字符识别技术对文本的精准识别。
作为本发明所述工程监理安全督查***的一种优选方案,其中:所述现场人员准入管控模块在使用时将作业现场准入人员的人脸图片上传底库图片,对人脸底库图片进行特征值分析入库,通过布控球或其他视频、图片采集设备采集进入现场人脸图,比对已有准入人脸库,判断是否为准入人员并生成记录入库存储,且人脸底库图像质量符合60像素以上或者人脸像素不小于60*60像素。
本发明的有益效果:本发明基于工程监理管控平台及安全督查模块建设现场督查检查数据平台,录入督查数据形成在线数据库,对检查督查违章情况统计分析,对典型问题、重复违章等进行重点分析,并且对工作票中多种问题进行校验,标记错误点并生成整改通知,进入督查模块,跟进工作票后续调整要求,进一步提高监理人员在工程现场的安全履职能力,另外利用人脸识别技术,通过对现场准入人员照片采集、特征提取、建立人脸特征数据库存储、人脸检索、人脸识别等子模块,基于人脸特征数据库,对当天准入人员进行人脸底库记录和目标识别,对非准入人员非法入场进行识别,鉴别替岗行为等。。
附图说明
为了更清楚地说明本发明实施例的技术方案,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性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明工程监理安全督查***的整体结构示意图。
图2为本发明工程监理安全督查***的工作票鉴别模块应用步骤框图。
图3为本发明工程监理安全督查***的现场人员准入管控模块应用步骤框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
再其次,本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
参照图1-3,提供了一种工程监理安全督查***,包括:
电力现场数据监管可视化模组、工作票鉴别模组、可视化安全监控模组和督查数据库;
其中,电力现场数据监管可视化模组包括上级通报模块、分管单位督查模块、公司督查模块、违章计分模块、违章申诉模块、重复违章管理模块、违章数据展示模块和安全督查管理报表模块,且多个模块数据能够录入督查数据库中形成在线数据库,对检查督查违章情况统计;具体的,上级通报模块内设置有仪表盘和界面,用于展示违章通报信息包括地区、问题类型、通报日期、发现人、规定整改时间和整改闭环情况;更具体的,分管单位督查模块和公司督查模块包括均包括督查模块仪表盘,督查模块仪表盘能够展示工程项目的工程基础信息、工程进度信息和安全质量管理信息,且分管单位督查模块和公司督查模块能够根据工程项目和后勤安全两个维度实现督查组组建、督查工单下发、整改通知单下发和闭环的业务流程;
进一步的,违章记分模块用于获取记分数据,展示违章各方面的加减分情况并根据权重得出项目的最终得分;违章申诉模块根据违章申诉规则支持违章申诉发起和违章申诉审批;重复违章管理模块用于管理重复违章情况,包括展示各类问题发现及重复数量、整改闭环情况、闭环整改资料并且能够发起督查工单下发、整改通知单下发、闭环的业务流程;更具体的,违章数据展示模块用于展示各类违章发现数量、整改闭环情况和闭环整改资料,且支持按照地区、问题类型、发现日期进行筛选并针对某条具体违章能够直观展示其发现时间、问题类型、发现人、规定整改时间和整改闭环情况;安全督查管理报表模块生成安全督查管理报表,且能够进行分类,
其中,工作票鉴别模组基于神经网络模型对工作票中问题进行校验,标记错误点并生成通知进入督查数据库中,工作票鉴别模组流程包括:***基本底库信息录入;拍照上传工作票;光学字符识别;***对比底库信息判断;输出鉴别结果和展现不规范条目;具体的,光学字符识别对文本资料的图像文件进行分析识别处理,获取文字及版面信息的过程,识别处理过程通过机器学习目标检测技术,目的是辅助光学字符识别技术对特殊符号类进行识别,以提高光学字符识别技术对文本的精准识别。
更具体的,工作票鉴别模组基于OCR识别和NLP算法应用,对工作票中包括设备名称填写不规范、工作许可时间与计划工作时间矛盾等多种问题进行校验,标记错误点并生成整改通知,进入督查模块。参照图2所示,具体开发内容如下:
1)数据集准备
收录各类别工作票的标准照片数据,及工作票的填写规则等规范信息。
收录各类工作票的正确及错误照片用于模型训练测试。
2)神经网络选型(OCR+NLP)
OCR,光学字符识别是指对文本资料的图像文件进行分析识别处理,获取文字及版面信息的过程。亦即将图像中的文字进行识别,并以文本的形式返回,OCR的技术路线如图3所示,NLP自然语言处理。以下为自然语言处理用到的基础算法,包括词法分析、句法分析、语义分析、文档分析,并据此进行特此提取和分类器训练;
3)预训练模型配置
4)模型训练
对于标定好的训练集,通过设置不同的模型预配置及调整相关网络层参数,开始进行不少于50000次训练;
5)算法仓集成
AI引擎架构自下而上分为算法模型层、工程化封装层、算法SDK层。算法模型层与工程化封装层,以进程形式运行在GPU计算卡内。算法SDK层则作为操作***层面的服务进程运行在CPU内;
6)模型应用
步骤1:通过拍照或截图上传工作票图片。
步骤2:使用OCR文字识别算法识别出上传的工作票图片中的文字。
步骤3:通过NPL语义解析算法对识别出的文字进行拼接标记分类。
步骤4:将解析分类后的文句与规则库进行比对判断,符合要求忽略,不符合要求判定工作票不合格,向业务服务输出该信息;
其中,判断包括:对工作票中编号进行识别并校验规则是否规范;对工作票中工作负责人进行识别判断是否为符合要求人员;对工作票中班组进行识别判断是否符合要求;对工作班人员进行识别判断;对工作地点内容判断是否齐全符合规范;对工作时间进行识别判断是否准确。
其中,可视化安全监控模组包括现场人员准入管控模块和人脸特征数据库,现场人员准入管控模块利用人脸识别技术通过对现场作业人员照片采集、特征提取、建立人脸特征数据库存储、人脸检索和人脸识别,将识别数据上传至人脸特征数据库中并对当天应到岗人员进行人脸底库记录和目标识别,具体的,现场人员准入管控模块在使用时将作业现场准入人员的人脸图片上传底库图片,对人脸底库图片进行特征值分析入库,通过布控球或其他视频、图片采集设备采集进入现场人脸图,比对已有准入人脸库,判断是否为准入人员并生成记录入库存储,且人脸底库图像质量符合60像素以上或者人脸像素不小于60*60像素。
其中,参照图3所示,现场人员准入管控模块利用人脸识别技术,通过对现场作业人员照片采集,包含静态照片和动态照片采集、特征提取、建立人脸特征数据库存储、人脸检索、人脸识别等子模块,基于人脸特征数据库,对当天应到岗人员进行人脸底库记录和目标识别,该模型可对非工作人员非法入场进行识别,对工作人员人数进行监测,对工作人员替岗进行监测,也可对工作人员进行智能考勤。
具体包括以下步骤:
1)数据集准备、训练集切片、标注
模型应用CelebFaces库(其中包含10177个人的202599张噪声适宜的图片)作为训练集。
2)神经网络选型(SSD+YoLov3)
SSD,是目前主要的检测框架之一,其基于将detection转化为regression的思路,可以一次完成目标定位与分类。
YOLO是一种快速和准确的实时对象检测算法。YOLO应用一个神经网络到整张图像。网络将图像划分为多个区域,并预测每个区域的边界框和概率。
YoLov3是YOLO系列的第三代算法,相比较前两代主要的改进有:调整了网络结构;利用多尺度特征进行对象检测;对象分类用Logistic取代了Softmax;具体的,对于一个输入图片,YOLOv3将其映射到3个尺度的输出张量,代表图片各个位置存在各种对象的概率;对于一个416*416的输入图片,在每个尺度的特征图的每个网格设置3个先验框,总共有13*13*3+26*26*3+52*52*3=10647个预测。每一个预测是一个(4+1+80)=85维向量,这个85维向量包含边框坐标(4个数值),边框置信度(1个数值),对象类别的概率(对于COCO数据集,有80种对象);YOLOv3借鉴了残差网络结构,形成更深的网络层次,以及多尺度检测,提升了mAP及小物体检测效果;
3)预训练模型配置
模型训练前需要调整的参数,根据数据源、应用场景进行调节;
4)模型训练
对于标定好的训练集,通过设置不同的模型预配置及调整相关网络层参数,开始进行不少于50000次左右的训练;
5)算法仓集成
AI引擎架构自下而上分为算法模型层、工程化封装层、算法SDK层。算法模型层与工程化封装层,以进程形式运行在GPU计算卡内。算法SDK层则作为操作***层面的服务进程运行在CPU内;
6)模型应用
步骤1:通过信息采集设备所拍摄的图片数据,得到一帧图片数据;
步骤2:对每一帧图片数据进行标注、分类等预处理操作;
步骤3:加载特殊符号检测算法模型,特征抽取(如颜色、外形等)是进行工作票特殊符号识别的关键,也是进行特殊符号位置界定的关键,特征抽取分为特殊符号类别和特殊符号颜色两部分;
步骤4:通过对特殊符号位置的预估和特殊符号像素统计分析,实现工作票中特殊符号的检测识别,同时对所选神经网络适应性调整与训练;
步骤5:将识别到的特殊符号类别及位置信息与光学识别技术识别结果相融合,即将基于YOLOv3特殊符号检测算法得到的类别及位置信息加入到光学识别技术识别结果中或替换已有结果,可以解决光学识别技术对特殊符号识别较差的问题,弥补光学识别技术的不足;
步骤6:按工作票检测规则,对融合后的结果进行规则鉴定,从而完成工作票鉴别工作;
7)模型预测
以现场作业人员的人脸为例,不同场景的作业人员的人脸作为验证集,会得到以下结果(置信度最大为1,最小为0,数值越靠近1说明验证图片人脸越接近底库)
8)模型训练阶段多重数据增强
由于公开数据集数据人脸较理想,难以模拟显示室内场景中常见逆光、暗影的恶劣条件下的识别情况,所以我们在模型训练阶段采取了多重数据增强手段;
采用预设的数据变换规则,在已有数据的基础上进行数据的扩增,包含单样本数据增强和多样本数据增强,其中单样本又包括几何操作类,颜色变换类。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种工程监理安全督查***,其特征在于,包括:
电力现场数据监管可视化模组、工作票鉴别模组、可视化安全监控模组和督查数据库;
所述电力现场数据监管可视化模组包括上级通报模块、分管单位督查模块、公司督查模块、违章计分模块、违章申诉模块、重复违章管理模块、违章数据展示模块和安全督查管理报表模块,且多个模块数据能够录入督查数据库中形成在线数据库,对检查督查违章情况统计;
所述工作票鉴别模组基于神经网络模型对工作票中问题进行校验,标记错误点并生成通知进入督查数据库中,所述工作票鉴别模组流程包括:***基本底库信息录入;拍照上传工作票;光学字符识别;***对比底库信息判断;输出鉴别结果和展现不规范条目;
所述可视化安全监控模组包括现场人员准入管控模块和人脸特征数据库,所述现场人员准入管控模块利用人脸识别技术通过对现场作业人员照片采集、特征提取、建立人脸特征数据库存储、人脸检索和人脸识别,将识别数据上传至人脸特征数据库中并对当天应到岗人员进行人脸底库记录和目标识别。
2.根据权利要求1所述的工程监理安全督查***,其特征在于:所述上级通报模块内设置有仪表盘和界面,用于展示违章通报信息包括地区、问题类型、通报日期、发现人、规定整改时间和整改闭环情况。
3.根据权利要求2所述的工程监理安全督查***,其特征在于:所述分管单位督查模块和公司督查模块包括均包括督查模块仪表盘,所述督查模块仪表盘能够展示工程项目的工程基础信息、工程进度信息和安全质量管理信息,且分管单位督查模块和公司督查模块能够根据工程项目和后勤安全两个维度实现督查组组建、督查工单下发、整改通知单下发和闭环的业务流程。
4.根据权利要求3所述的工程监理安全督查***,其特征在于:所述违章记分模块用于获取记分数据,展示违章各方面的加减分情况并根据权重得出项目的最终得分;所述违章申诉模块根据违章申诉规则支持违章申诉发起和违章申诉审批;所述重复违章管理模块用于管理重复违章情况,包括展示各类问题发现及重复数量、整改闭环情况、闭环整改资料并且能够发起督查工单下发、整改通知单下发、闭环的业务流程。
5.根据权利要求1所述的工程监理安全督查***,其特征在于:所述违章数据展示模块用于展示各类违章发现数量、整改闭环情况和闭环整改资料,且支持按照地区、问题类型、发现日期进行筛选并针对某条具体违章能够直观展示其发现时间、问题类型、发现人、规定整改时间和整改闭环情况;所述安全督查管理报表模块生成安全督查管理报表,且能够进行分类。
6.根据权利要求1所述的工程监理安全督查***,其特征在于:所述光学字符识别对文本资料的图像文件进行分析识别处理,获取文字及版面信息的过程,所述识别处理过程通过机器学习目标检测技术,目的是辅助光学字符识别技术对特殊符号类进行识别,以提高光学字符识别技术对文本的精准识别。
7.根据权利要求1所述的工程监理安全督查***,其特征在于:所述现场人员准入管控模块在使用时将作业现场准入人员的人脸图片上传底库图片,对人脸底库图片进行特征值分析入库,通过布控球或其他视频、图片采集设备采集进入现场人脸图,比对已有准入人脸库,判断是否为准入人员并生成记录入库存储,且人脸底库图像质量符合60像素以上或者人脸像素不小于60*60像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310882935.6A CN117011106A (zh) | 2023-07-19 | 2023-07-19 | 一种工程监理安全督查*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310882935.6A CN117011106A (zh) | 2023-07-19 | 2023-07-19 | 一种工程监理安全督查*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117011106A true CN117011106A (zh) | 2023-11-07 |
Family
ID=88562926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310882935.6A Pending CN117011106A (zh) | 2023-07-19 | 2023-07-19 | 一种工程监理安全督查*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117011106A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117874565A (zh) * | 2023-11-27 | 2024-04-12 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于神经网络的工作票准确性检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105825329A (zh) * | 2016-03-14 | 2016-08-03 | 国网福建省电力有限公司 | 基于作业现场远程监控***的安全与质量稽查方法 |
CN112016803A (zh) * | 2020-07-23 | 2020-12-01 | 浙江图盛输变电工程有限公司温州科技分公司 | 一种融合作业大数据的跨专业电网风险安全管控*** |
CN113158752A (zh) * | 2021-02-05 | 2021-07-23 | 国网河南省电力公司鹤壁供电公司 | 一种电力员工进场作业智能安全管控*** |
CN113902237A (zh) * | 2021-06-01 | 2022-01-07 | 贵州电网有限责任公司 | 一种现场作业风险管控*** |
-
2023
- 2023-07-19 CN CN202310882935.6A patent/CN117011106A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105825329A (zh) * | 2016-03-14 | 2016-08-03 | 国网福建省电力有限公司 | 基于作业现场远程监控***的安全与质量稽查方法 |
CN112016803A (zh) * | 2020-07-23 | 2020-12-01 | 浙江图盛输变电工程有限公司温州科技分公司 | 一种融合作业大数据的跨专业电网风险安全管控*** |
CN113158752A (zh) * | 2021-02-05 | 2021-07-23 | 国网河南省电力公司鹤壁供电公司 | 一种电力员工进场作业智能安全管控*** |
CN113902237A (zh) * | 2021-06-01 | 2022-01-07 | 贵州电网有限责任公司 | 一种现场作业风险管控*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117874565A (zh) * | 2023-11-27 | 2024-04-12 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于神经网络的工作票准确性检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Deep learning‐based safety helmet detection in engineering management based on convolutional neural networks | |
AU2020100705A4 (en) | A helmet detection method with lightweight backbone based on yolov3 network | |
CN114168716B (zh) | 基于深度学习的工程造价自动抽取和分析方法及装置 | |
Ma et al. | A real-time crack detection algorithm for pavement based on CNN with multiple feature layers | |
CN111444793A (zh) | 基于ocr的票据识别方法、设备、存储介质及装置 | |
CN112613454A (zh) | 一种电力基建施工现场违章识别方法及*** | |
CN117011106A (zh) | 一种工程监理安全督查*** | |
CN113486158B (zh) | 基于案情比对的类案检索方法、装置、设备及存储介质 | |
CN116468392A (zh) | 一种电网工程项目进度监控方法、装置、设备及存储介质 | |
CN113239208A (zh) | 一种基于知识图谱的标注训练模型 | |
CN117829787B (zh) | 一种基于bim和ai大模型的工程安全智能管理方法及*** | |
CN114860882A (zh) | 一种基于文本分类模型的公平竞争审查辅助方法 | |
CN111967437A (zh) | 文本识别方法、装置、设备及存储介质 | |
CN115983571A (zh) | 一种基于人工智能的建筑业施工方案审核方法及其*** | |
CN115830416A (zh) | 一种用于高速公路设备设施识别与预警的方法及*** | |
Wang et al. | Automatic identification and location of tunnel lining cracks | |
Lu et al. | Using cased based reasoning for automated safety risk management in construction industry | |
CN114419631A (zh) | 一种基于rpa的网管虚拟*** | |
CN117726166A (zh) | 基于大语言模型的人工智能企业客户风险信息分析评估方法和*** | |
CN117768618A (zh) | 一种基于视频图像分析人员违章的方法 | |
Fan et al. | Representation, mining and analysis of unsafe behaviour based on pan-scene data | |
CN116402334A (zh) | 一种多模态数据合规分析与智能评估方法及装置 | |
CN115619090A (zh) | 一种基于模型和数据驱动的安全评估方法 | |
CN114328819A (zh) | 一种基于知识图谱的电力安全生产隐患预控方法 | |
CN113807668A (zh) | 一种基于gis的煤矿双重预防信息管控*** |
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 |