CN117456675A - 基于多信息融合的受限空间监测方法、***、电子设备及存储介质 - Google Patents
基于多信息融合的受限空间监测方法、***、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117456675A CN117456675A CN202210837714.2A CN202210837714A CN117456675A CN 117456675 A CN117456675 A CN 117456675A CN 202210837714 A CN202210837714 A CN 202210837714A CN 117456675 A CN117456675 A CN 117456675A
- Authority
- CN
- China
- Prior art keywords
- limited space
- information fusion
- information
- index
- monitoring method
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000004927 fusion Effects 0.000 title claims abstract description 50
- 238000012512 characterization method Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims description 26
- 230000004224 protection Effects 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 14
- 238000012797 qualification Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 238000009423 ventilation Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000004880 explosion Methods 0.000 abstract description 3
- 208000024891 symptom Diseases 0.000 abstract description 3
- 231100000572 poisoning Toxicity 0.000 abstract description 2
- 230000000607 poisoning effect Effects 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 15
- 230000006399 behavior Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- 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
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
- G08B21/14—Toxic gas alarms
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Multimedia (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Emergency Management (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Environmental & Geological Engineering (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于多信息融合的受限空间监测方法,包括如下步骤:获取受限空间的数据信息;确定指标因素,构建多指标体系;根据所获取的数据信息,计算各项指标因素值,得到现场表征参数集合;以及基于层次分析法和模糊逻辑对现场表征参数集合进行评价,得到受限空间的安全状态评分。本发明还公开了一种基于多信息融合的受限空间监测***、电子设备及存储介质。本发明充分考虑了环境、人员以及管理三个维度的数据信息及其关联,通过基于模糊逻辑进行有效地多信息融合分析,能够快速、准确地对受限空间作业现场早期事故征兆进行识别。对于风险的及时报警,作业人员及时处置、撤离都具有重要的意义,避免中毒、窒息、火灾***等事故的发生。
Description
技术领域
本发明涉及作业现场安全状态监测和管控技术领域,特别涉及一种基于多信息融合的受限空间监测方法、***、电子设备及存储介质。
背景技术
石油化工行业内,受限空间作业是常见作业类型,作业现场通常存在空间狭小、通风不畅、密闭或半封闭等特点,由于人员安全意识薄弱、安全技能不足等问题易出现违章进入受限空间、未佩戴防护措施、未按要求进行气体取样监测、监护人员不到位、擅自离岗等不安全行为,加之现场装置、设备出现有毒有害介质泄漏,极易引发中毒窒息、火灾***事故,造成严重伤亡。当出现事故时,还可能由于应急救援不当和不及时,导致伤亡扩大。
专利文献CN103593943A公开了一种基于位置及多维信息融合的危险区域人员行为识别和监控***,可对危险区域内的气体浓度、温度、以及人员加速度等信息进行融合分析。企业生产作业环节通常会有监控预警设备,实际运行状态参数达到既定报警限,则触发报警。然而,对于其他非技术自动监控型风险因素,如:人的行为因素及物料处理因素等,则无法自动实现报警。
专利文献CN102254184A公开了一种多物理域特征信息融合方法,通过广义贝叶斯法则,建立不同工程中多物理域参数间的耦合关系。专利文献CN102737468A公开了一种基于无线传感器信息融合的火灾检测***及方法,改进了传统火灾监控***有线方案的弊端,可用于家庭和工业环境中的火灾状态判断。
然而,已有的受限空间作业管控***,主要依赖气体监测,存在单一信号监测的局限性和干扰性,并且许多其他易诱发事故的因素没有有效的监测方法,作业现场整体状态不明,不利于早期识别事故征兆和及时遏制事故的演变和发生。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的之一在于,提供一种基于多信息融合的受限空间监测方法、***、电子设备及存储介质,从而克服采用单一信号监测受限空间作业现场的局限性和干扰性,为石化企业的安全管理提供决策支撑。
本发明的另一目的在于,提供一种基于多信息融合的受限空间监测方法、***、电子设备及存储介质,从而提升高风险作业现场态势的判断能力,进而提高风险控制能力。
为实现上述目的,根据本发明的第一方面,本发明提供了一种基于多信息融合的受限空间监测方法,包括如下步骤:获取受限空间的数据信息;确定指标因素,构建多指标体系;根据所获取的数据信息,计算各项指标因素值,得到现场表征参数集合;以及基于层次分析法和模糊逻辑对现场表征参数集合进行评价,得到受限空间的安全状态评分。
进一步,上述技术方案中,基于层次分析法和模糊逻辑对现场表征参数集合进行评价,得到受限空间的安全状态评分包括:构建报警等级集合A;获取多指标体系中各项指标因素的权重集合E;利用隶属度函数进行单因素模糊评价,构建模糊关系矩阵R;以及合成受限空间的安全状态评分B=A*R*E。
进一步,上述技术方案中,获取多指标体系中各项指标因素的权重集合E包括:通过专家打分和层次分析法对多指标体系中各指标因素的权重进行计算和排序,并进行归一化处理后,作为多指标体系中各项指标因素的权重集合E。
进一步,上述技术方案中,利用隶属度函数进行单因素模糊评价,构建模糊关系矩阵R时,连续的指标因素利用三角隶属度函数和梯形隶属度函数,离散化的指标因素建立隶属关系矩阵。
进一步,上述技术方案中,受限空间的数据信息包括动态数据信息和静态数据信息。
进一步,上述技术方案中,动态数据信息包括气体浓度、人员违章、防护不到位次数、作业人数、监护人数和作业时间;静态数据信息包括隐患整改数量、安全隐患数量、培训考核合格人数和受限空间大小。
进一步,上述技术方案中,气体浓度通过气体监测仪实时获取。
进一步,上述技术方案中,根据作业现场视频监控和电子作业许可***,获取作业人数、监护人数、人员违章、防护不到位次数和作业时间。
进一步,上述技术方案中,人员违章包括未开作业票进入和监护人员离岗;防护不到位包括未佩戴空呼、高处未佩戴安全带和灭火器未合规摆放。
进一步,上述技术方案中,根据作业现场视频监控和电子作业许可***,获取作业人数、监护人数、人员违章和防护不到位次数包括:对作业现场视频监控的视频帧中的作业人员、监护人员、空呼、人孔、安全带和灭火器进行框选标注;以经典目标检测网络YOLOv5作为目标识别的基准网络,利用已标注的视频帧作为训练集,分别训练作业人员、监护人员、佩戴空呼、人孔、佩戴安全带和灭火器的识别模型;利用Deep Sort建立人员***,利用经训练的作业人员、监护人员的识别模型作为目标检测器用于修正***的预测结果;将作业现场视频监控输入各项识别模型,得到识别结果;以及根据识别结果和电子作业许可***,对作业人数、监护人数、人员违章、防护不到位次数和作业时间等指标进行计数统计。
进一步,上述技术方案中,根据企业的安全管理信息化***和作业许可***,获取隐患整改数量、安全隐患数量和培训考核合格人数。
进一步,上述技术方案中,指标因素包括气体浓度、安全操作率、作业空间大小、检查落实率、作业人数、培训考核合格率、监护人数、作业时间和防护不到位率。
进一步,上述技术方案中,监护人数Nm为监测场景内检测到的监护人员总数;作业人数Np为电子作业许可***中抽取获得的作业人员总数;作业时间Tw为当前时间Tend与作业起始时间Tstart之差;检查落实率Rtest=(隐患整改数量Nc/安全隐患数量Nt)×100%;培训考核合格率Rtrain=(培训考核合格人数Po/安全培训总人数Psum)×100%;安全操作率Raction=1-(人员违章次数Na/作业次数Nw)×100%;防护不到位率Rlp=(防护不到位次数Nlp/作业次数Nw)×100%,其中,作业次数Nw为电子作业许可***内抽取的累积作业总数。
进一步,上述技术方案中,基于多信息融合的受限空间监测方法还包括步骤:根据受限空间的安全状态评分进行评级划分,触发连锁报警。
进一步,上述技术方案中,连锁报警包括:当安全状态评分大于第一预设值时,无动作或发出无警信息;当安全状态评分小于或等于第一预设值且大于第二预设值时,发出提示信息;当安全状态评分小于或等于第二预设值且大于第三预设值时,发出中警信息,并自动开启受限空间通风;以及当安全状态评分小于或等于第三预设值时,发出高警信息。
根据本发明的第二方面,本发明提供了一种基于多信息融合的受限空间监测***,包括:数据获取单元,其用于获取受限空间的数据信息;数据处理单元,其用于确定指标因素,构建多指标体系,并根据所获取的数据信息计算各项指标因素值,得到现场表征参数集合;以及融合评价单元,其用于基于层次分析法和模糊逻辑对现场表征参数集合进行评价,得到受限空间的安全状态评分。
进一步,上述技术方案中,基于多信息融合的受限空间监测***,还包括:报警单元,其用于根据受限空间的安全状态评分发出报警信息。
根据本发明的第三方面,本发明提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器执行如上述技术方案中任意一项的基于多信息融合的受限空间监测方法。
根据本发明的第四方面,本发明提供了一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储有计算机可执行指令,计算机可执行指令用于使计算机执行如上述技术方案中任意一项的基于多信息融合的受限空间监测方法。
与现有技术相比,本发明具有如下有益效果:
1.本发明充分考虑了环境、人员以及管理三个维度的数据信息及其之间的关联,通过基于模糊逻辑进行有效地多信息融合分析,能够快速、准确地对受限空间作业现场早期事故征兆进行识别。对于风险的及时报警,作业人员的及时处置、撤离都具有重要的意义,避免中毒、窒息、火灾***等事故的发生。
2.本发明无需改变已有现场监控设施和管理模式,利用作业现场已有的监测设备及业务管理***,主要依赖后台运算处理实现,显著减少人员值守工作量和提高智能化管控水平,防止出现漏报、误报现象发生,提升现场应急处置能力。
3.本发明结合石化行业受限空间作业典型应用场景,对业务规则、算法进行了不断提升修正,准确率、检测速度、***响应时间及统计分析功能满足了***的需要。
4.本发明可扩展到其他直接作业环节的风险监测和预警。
上述说明仅为本发明技术方案的概述,为了能够更清楚地了解本发明的技术手段并可依据说明书的内容予以实施,同时为了使本发明的上述和其他目的、技术特征以及优点更加易懂,以下列举一个或多个优选实施例,并配合附图详细说明如下。
附图说明
图1是根据本发明的一实施方式的基于多信息融合的受限空间监测方法的流程示意图。
图2是根据本发明的一实施方式的基于多信息融合的受限空间监测***的结构示意图。
图3是根据本发明的实施例的执行基于多信息融合的受限空间监测方法的电子设备的硬件结构示意图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其他明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其他元件或其他组成部分。
在本文中,为了描述的方便,可以使用空间相对术语,诸如“下面”、“下方”、“下”、“上面”、“上方”、“上”等,来描述一个元件或特征与另一元件或特征在附图中的关系。应理解的是,空间相对术语旨在包含除了在图中所绘的方向之外物件在使用或操作中的不同方向。例如,如果在图中的物件被翻转,则被描述为在其他元件或特征“下方”或“下”的元件将取向在元件或特征的“上方”。因此,示范性术语“下方”可以包含下方和上方两个方向。物件也可以有其他取向(旋转90度或其他取向)且应对本文使用的空间相对术语作出相应的解释。
在本文中,术语“第一”、“第二”等是用以区别两个不同的元件或部位,并不是用以限定特定的位置或相对关系。换言之,在一些实施例中,术语“第一”、“第二”等也可以彼此互换。
如图1所示,根据本发明具体实施方式的基于多信息融合的受限空间监测方法,包括如下步骤。
S110获取受限空间的数据信息。
进一步地,在本发明的一个或多个示例性实施方式中,受限空间的数据信息主要包含环境、人员以及管理三个维度的基础数据,分为动态数据信息和静态数据信息。进一步地,在本发明的一个或多个示例性实施方式中,动态数据信息包括气体浓度、人员违章、防护不到位次数、作业人数、监护人数和作业时间;静态数据信息包括隐患整改数量、安全隐患数量、培训考核合格人数和受限空间大小。进一步地,在本发明的一个或多个示例性实施方式中,人员违章包括未开作业票进入和监护人员离岗;防护不到位包括未佩戴空呼、高处未佩戴安全带和灭火器未合规摆放。
步骤S110中数据信息的获取可以在不增加作业现场已有监控、检测设施的条件下进行。进一步地,在本发明的一个或多个示例性实施方式中,气体浓度可以通过生产作业现场固定式或移动式的气体监测仪实时获取。气体浓度以气体体积分数计量,包含可燃气体、有毒气体、氧气,具体监测的气体种类可以根据具体受限空间内的介质和可能发生的事故类型进行设置调整,本发明并不以此为限。
进一步地,在本发明的一个或多个示例性实施方式中,根据作业现场视频监控和电子作业许可***,获取作业人数、监护人数、人员违章、防护不到位次数和作业时间。进入受限空间作业现场通常根据政府、企业规范要求配备密闭空间作业视频监控,视频监控数据可以经由移动监控摄像头采集、4G/5G物联网卡传输,***不限于以下规格的视频信号,如1/4CIF、CIF、D1、720P、1080P等,确保视频流清晰、实时、稳定传输即可满足本发明的需求。
进一步地,在本发明的一个或多个示例性实施方式中,根据作业现场视频监控和电子作业许可***,获取作业人数、监护人数、人员违章和防护不到位次数包括:对作业现场视频监控的视频帧中的作业人员、监护人员、空呼、人孔、安全带和灭火器进行框选标注;以经典目标检测网络YOLOv5作为目标识别的基准网络,利用已标注的视频帧作为训练集,分别训练作业人员、监护人员、佩戴空呼、人孔、佩戴安全带和灭火器的识别模型;利用DeepSort建立人员***,利用经训练的作业人员、监护人员的识别模型作为目标检测器用于修正***的预测结果;将作业现场视频监控输入各项识别模型,得到识别结果;以及根据识别结果和电子作业许可***,进行计数统计。
进一步地,在本发明的一个或多个示例性实施方式中,隐患整改数量、安全隐患数量和培训考核合格人数属于周期性的静态数据,可以根据企业的安全管理信息化***和作业许可***获取。示例性地,可以直接与上述***对接获取,也可以提供手动录入路径,本发明并不以此为限。受限空间大小是固定信息,与作业场所绑定,可以根据录入的作业地点自动获取。
S120确定指标因素,构建多指标体系。
进一步地,在本发明的一个或多个示例性实施方式中,构建多指标体系从人员、管理和作业环境出发,覆盖作业现场的高风险因素,能够整体性、***性地描述作业现场安全状态。示例性地,指标因素可以包括气体浓度、安全操作率、作业空间大小、检查落实率、作业人数、培训考核合格率、监护人数、作业时间和防护不到位率。
S130根据所获取的数据信息,计算各项指标因素值,得到现场表征参数集合。
进一步地,在本发明的一个或多个示例性实施方式中,监护人数Nm为监测场景内检测到的监护人员总数;作业人数Np为电子作业许可***中抽取获得的作业人员总数;作业时间Tw为当前时间Tend与作业起始时间Tstart之差;检查落实率Rtest=(隐患整改数量Nc/安全隐患数量Nt)×100%;培训考核合格率Rtrain=(培训考核合格人数Po/安全培训总人数Psum)×100%;安全操作率Raction=1-(人员违章次数Na/作业次数Nw)×100%;防护不到位率Rlp=(防护不到位次数Nlp/作业次数Nw)×100%,其中,作业次数Nw为电子作业许可***内抽取的累积作业总数。
进一步地,在本发明的一个或多个示例性实施方式中,具体不同违章行为事件分为作业前以及作业过程,对着受限空间作业入口的视频监控配置有人员进入受限空间识别算法,实时跟踪人员目标识别到人员进入受限空间动作特征时,判断有人员进入受限空间,关联该作业场所是否有已批示的作业许可信息,如无则判定为未开票进入。作业过程中,与该项作业内容相匹配的视频监控视频流被处理分析,检测人员是否佩戴空呼、现场是否有灭火器目标、监护人员是否持续在场等,现场如出现违章行为则实时更新安全操作率和防护不到位率,并计入累积防护不到位次数以及人员违章次数。
进一步地,在本发明的一个或多个示例性实施方式中,在作业过程中,一旦出现实时抓取到人员违章行为、防护不到位等信息,动态更新防护不到位率为1,安全操作率为0;未出现典型违章时,该两项指标以设置统计周期内的统计平均值作为输入。
S140基于层次分析法和模糊逻辑对现场表征参数集合进行评价,得到受限空间的安全状态评分。
进一步地,在本发明的一个或多个示例性实施方式中,基于层次分析法和模糊逻辑对现场表征参数集合进行评价,得到受限空间的安全状态评分包括:构建报警等级集合A;获取多指标体系中各项指标因素的权重集合E;利用隶属度函数进行单因素模糊评价,构建模糊关系矩阵R;以及合成受限空间的安全状态评分B=A*R*E。基于模糊逻辑对于不确定性信息进行处理,完成多维度指标的融合模型构建,对于底层抽取的静态数据和动态数据进行融合。
进一步地,在本发明的一个或多个示例性实施方式中,获取多指标体系中各项指标因素的权重集合E包括:通过专家打分和层次分析法对多指标体系中各指标因素的权重进行计算和排序,并进行归一化处理后,作为多指标体系中各项指标因素的权重集合E。
进一步地,在本发明的一个或多个示例性实施方式中,利用隶属度函数进行单因素模糊评价,构建模糊关系矩阵R时,连续的指标因素利用三角隶属度函数和梯形隶属度函数,离散化的指标因素建立隶属关系矩阵。
多维度信息融合模型分为指标参数输入、评分级别输入、隶属关系建立和综合状态矢量计算等四个维度,根据不同类型的事故及现场,个别指标的控制值需要进行个性化调整。
S150根据受限空间的安全状态评分进行评级划分,触发连锁报警。
进一步地,在本发明的一个或多个示例性实施方式中,根据受限空间的安全状态评分,进行安全状态等级划分,可以分为无警、提示、中警和高警四种安全状态等级。无警状态时,可持续进行进入受限空间作业;提示状态时,需要加强作业过程监督,观察作业过程中的危险状态;中警状态时,需要及时进行作业现场检测和通风,加强监护并做好应急措施;出现高警状态时,立即撤出,严禁继续作业,现场人员加强监护并组织应急处置。示例性地,连锁报警包括:当安全状态评分大于第一预设值时,无动作或发出无警信息;当安全状态评分小于或等于第一预设值且大于第二预设值时,发出提示信息;当安全状态评分小于或等于第二预设值且大于第三预设值时,发出中警信息,并自动开启受限空间通风;以及当安全状态评分小于或等于第三预设值时,发出高警信息。示例性地,当处于无警状态时,无任何信号输出,保持正常运行;当进行安全提示时,输送给中控室进行声光报警,加强现场监管;对于中警和高警状态,现场进行声光报警,并传输至中控室,进行现场决策,另有预警建议和管控措施进行提示。
采用本发明的基于多信息融合的受限空间监测方法能够实现实时报警、报警整改、报警台账、统计分析及基础信息维护等功能。实时报警将人员不安全行为通过图片形式图送,预警具体部位用红框框出,并有状态级别、控制措施建议、报警类型、报警时间信息。报警整改,包含对于不同状态评级的应急措施和整改闭环。报警台账是将历史信息归档,形成数据台账便于检索和查询。统计分析则对报警信息进行不同维度的分析。基础信息维护主要包括监控检测设备的维护与接入、视频分析算法的配置、用户信息的维护等。
下面以具体实施例的方式更详细地说明本发明的基于多信息融合的受限空间监测方法、***、电子设备及存储介质,应了解的是,实施例仅为示例性的,本发明并不以此为限。
实施例1
采集作业现场视频监控数据后,通过视频分析算法识别监控范围内作业人员、监护人员两类目标以及未开作业票进入、未佩戴空呼、监护人员离岗、高处未佩戴安全带、灭火器未合规摆放五种事件。实现步骤如下:
采集进入受限空间作业实际场景中包含有作业人员、监护人员、空呼、人孔、安全带和灭火器的图像数据;
利用LabelImg标注软件为视频帧打上上述识别对象的检测框,并标注上相应的身份信息;
以经典目标检测网络YOLOv5作为目标识别的基准网络,利用已标注的视频帧作为训练集,分别训练作业人员、监护人员、佩戴空呼、人孔、佩戴安全带和灭火器的识别模型;
利用Deep Sort建立人员***,利用经训练的作业人员、监护人员的识别模型作为目标检测器用于修正***的预测结果;
将上述监护人员识别、人员跟踪、佩戴空呼、人孔、佩戴安全带、灭火器等孤立模型的识别结果联合特定不安全行为的识别规则判断人员违章和防护不到位事件,优化人员跟踪和重复报警消除机制。
实施例2
如图2所示,本实施例中,根据本发明的基于多信息融合的受限空间监测***包括:数据获取单元10,其用于获取受限空间的数据信息;数据处理单元20,其用于确定指标因素,构建多指标体系,并根据所获取的数据信息计算各项指标因素值,得到现场表征参数集合;融合评价单元30,其用于基于层次分析法和模糊逻辑对现场表征参数集合进行评价,得到受限空间的安全状态评分;以及报警单元40,其用于根据受限空间的安全状态评分发出报警信息。
实施例3
本实施例提供了一种非暂态(非易失性)计算机存储介质,计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的方法,并实现相同的技术效果。
实施例4
本实施例提供了一种计算机程序产品,计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,使计算机执行以上各个方面的方法,并实现相同的技术效果。
实施例5
图3是本实施例的执行基于多信息融合的受限空间监测方法的电子设备的硬件结构示意图。该设备包括一个或多个处理器610以及存储器620。以一个处理器610为例。该设备还可以包括:输入装置630和输出装置640。
处理器610、存储器620、输入装置630和输出装置640可以通过总线或者其他方式连接,图3中以通过总线连接为例。
存储器620作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器610通过运行存储在存储器620中的非暂态软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述方法实施例的处理方法。
存储器620可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储数据等。此外,存储器620可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器620可选包括相对于处理器610远程设置的存储器,这些远程存储器可以通过网络连接至处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置630可接收输入的数字或字符信息,以及产生信号输入。输出装置640可包括显示屏等显示设备。
一个或者多个模块存储在存储器620中,当被一个或者多个处理器610执行时,执行:
获取受限空间的数据信息;
确定指标因素,构建多指标体系;
根据所获取的数据信息,计算各项指标因素值,得到现场表征参数集合;以及
基于层次分析法和模糊逻辑对现场表征参数集合进行评价,得到受限空间的安全状态评分。
上述产品可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明其他实施例所提供的方法。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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。
通过以上的实施方式的描述,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相关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,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。针对上述示例性实施方案所做的任何简单修改、等同变化与修饰,都应落入本发明的保护范围。
Claims (19)
1.一种基于多信息融合的受限空间监测方法,其特征在于,包括如下步骤:
获取受限空间的数据信息;
确定指标因素,构建多指标体系;
根据所获取的数据信息,计算各项指标因素值,得到现场表征参数集合;以及
基于层次分析法和模糊逻辑对现场表征参数集合进行评价,得到受限空间的安全状态评分。
2.根据权利要求1所述的基于多信息融合的受限空间监测方法,其特征在于,所述基于层次分析法和模糊逻辑对现场表征参数集合进行评价,得到受限空间的安全状态评分包括:
构建报警等级集合A;
获取多指标体系中各项指标因素的权重集合E;
利用隶属度函数进行单因素模糊评价,构建模糊关系矩阵R;以及
合成受限空间的安全状态评分B=A*R*E。
3.根据权利要求2所述的基于多信息融合的受限空间监测方法,其特征在于,获取多指标体系中各项指标因素的权重集合E包括:通过专家打分和层次分析法对多指标体系中各指标因素的权重进行计算和排序,并进行归一化处理后,作为多指标体系中各项指标因素的权重集合E。
4.根据权利要求2所述的基于多信息融合的受限空间监测方法,其特征在于,利用隶属度函数进行单因素模糊评价,构建模糊关系矩阵R时,连续的指标因素利用三角隶属度函数和梯形隶属度函数,离散化的指标因素建立隶属关系矩阵。
5.根据权利要求2所述的基于多信息融合的受限空间监测方法,其特征在于,受限空间的数据信息包括动态数据信息和静态数据信息。
6.根据权利要求5所述的基于多信息融合的受限空间监测方法,其特征在于,所述动态数据信息包括气体浓度、人员违章、防护不到位次数、作业人数、监护人数和作业时间;所述静态数据信息包括隐患整改数量、安全隐患数量、培训考核合格人数和受限空间大小。
7.根据权利要求6所述的基于多信息融合的受限空间监测方法,其特征在于,所述气体浓度通过气体监测仪实时获取。
8.根据权利要求6所述的基于多信息融合的受限空间监测方法,其特征在于,根据作业现场视频监控和电子作业许可***,获取作业人数、监护人数、人员违章、防护不到位次数和作业时间。
9.根据权利要求8所述的基于多信息融合的受限空间监测方法,其特征在于,人员违章包括未开作业票进入和监护人员离岗;防护不到位包括未佩戴空呼、高处未佩戴安全带和灭火器未合规摆放。
10.根据权利要求8所述的基于多信息融合的受限空间监测方法,其特征在于,根据作业现场视频监控和电子作业许可***,获取作业人数、监护人数、人员违章和防护不到位次数包括:
对作业现场视频监控的视频帧中的作业人员、监护人员、空呼、人孔、安全带和灭火器进行框选标注;
以经典目标检测网络YOLOv5作为目标识别的基准网络,利用已标注的视频帧作为训练集,分别训练作业人员、监护人员、佩戴空呼、人孔、佩戴安全带和灭火器的识别模型;
利用Deep Sort建立人员***,利用经训练的作业人员、监护人员的识别模型作为目标检测器用于修正***的预测结果;
将作业现场视频监控输入各项识别模型,得到识别结果;以及
根据识别结果和电子作业许可***,进行计数统计。
11.根据权利要求6所述的基于多信息融合的受限空间监测方法,其特征在于,根据企业的安全管理信息化***和作业许可***,获取隐患整改数量、安全隐患数量和培训考核合格人数。
12.根据权利要求6所述的基于多信息融合的受限空间监测方法,其特征在于,所述指标因素包括气体浓度、安全操作率、作业空间大小、检查落实率、作业人数、培训考核合格率、监护人数、作业时间和防护不到位率。
13.根据权利要求12所述的基于多信息融合的受限空间监测方法,其特征在于,监护人数Nm为监测场景内检测到的监护人员总数;作业人数Np为电子作业许可***中抽取获得的作业人员总数;作业时间Tw为当前时间Tend与作业起始时间Tstart之差;检查落实率Rtest=(隐患整改数量Nc/安全隐患数量Nt)×100%;培训考核合格率Rtrain=(培训考核合格人数Po/安全培训总人数Psum)×100%;安全操作率Raction=1-(人员违章次数Na/作业次数Nw)×100%;防护不到位率Rlp=(防护不到位次数Nlp/作业次数Nw)×100%,其中,作业次数Nw为电子作业许可***内抽取的累积作业总数。
14.根据权利要求1所述的基于多信息融合的受限空间监测方法,其特征在于,还包括步骤:根据受限空间的安全状态评分进行评级划分,触发连锁报警。
15.根据权利要求14所述的基于多信息融合的受限空间监测方法,其特征在于,所述连锁报警包括:
当安全状态评分大于第一预设值时,无动作或发出无警信息;
当安全状态评分小于或等于第一预设值且大于第二预设值时,发出提示信息;
当安全状态评分小于或等于第二预设值且大于第三预设值时,发出中警信息,并自动开启受限空间通风;以及
当安全状态评分小于或等于第三预设值时,发出高警信息。
16.一种基于多信息融合的受限空间监测***,其特征在于,包括:
数据获取单元,其用于获取受限空间的数据信息;
数据处理单元,其用于确定指标因素,构建多指标体系,并根据所获取的数据信息计算各项指标因素值,得到现场表征参数集合;以及
融合评价单元,其用于基于层次分析法和模糊逻辑对现场表征参数集合进行评价,得到受限空间的安全状态评分。
17.根据权利要求16所述的基于多信息融合的受限空间监测***,其特征在于,还包括:
报警单元,其用于根据受限空间的安全状态评分发出报警信息。
18.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1~15中任意一项所述的基于多信息融合的受限空间监测方法。
19.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使所述计算机执行如权利要求1~15中任意一项所述的基于多信息融合的受限空间监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210837714.2A CN117456675A (zh) | 2022-07-15 | 2022-07-15 | 基于多信息融合的受限空间监测方法、***、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210837714.2A CN117456675A (zh) | 2022-07-15 | 2022-07-15 | 基于多信息融合的受限空间监测方法、***、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117456675A true CN117456675A (zh) | 2024-01-26 |
Family
ID=89593427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210837714.2A Pending CN117456675A (zh) | 2022-07-15 | 2022-07-15 | 基于多信息融合的受限空间监测方法、***、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117456675A (zh) |
-
2022
- 2022-07-15 CN CN202210837714.2A patent/CN117456675A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11164134B2 (en) | Systems and methods for improving process safety in an industrial environment | |
US20200202281A1 (en) | Using smart cards to reduce risks of work accidents | |
CN104852992B (zh) | 一种基于多通信网络与传感设备的安全应急在线智能*** | |
CN112766909A (zh) | 适用于舰船消防安全的智能管控***及方法、计算机介质 | |
CN111754715B (zh) | 一种消防应急响应方法、装置及*** | |
CN107330579A (zh) | 一种hse风险分级管控*** | |
CN111797139A (zh) | 一种受限空间作业***平台及监管方法 | |
CN111178828A (zh) | 一种建筑消防安全预警的方法和*** | |
CN112349015B (zh) | 基于物联网的方舱管控***及方法 | |
KR20160085033A (ko) | 학습형 다중센서 재난감지 시스템과 그 방법 | |
KR20230004405A (ko) | 중대재해 예방 관리 방법 및 시스템 | |
CN116862221A (zh) | 重大危险源的双重管理方法和*** | |
CN111496806A (zh) | 化学品仓、加油站安防机器人 | |
CN116402344A (zh) | 安全管理平台 | |
CN116363825B (zh) | 用于展示火情蔓延趋势的方法及装置、电子设备、介质 | |
CN117456675A (zh) | 基于多信息融合的受限空间监测方法、***、电子设备及存储介质 | |
Fang et al. | Design and development of the AI-assisted safety system for hazardous plant | |
CN113487146A (zh) | 矿山安全作业管控方法、装置、电子设备及存储介质 | |
KR102261360B1 (ko) | 화학 시설에 대한 보안 취약성 평가 시스템 | |
CN116386163B (zh) | 用于巡检管理的方法及***、电子设备、存储介质 | |
KR102689131B1 (ko) | 사업주 맞춤형 중대재해 예방 방법, 장치 및 컴퓨터프로그램 | |
KR102211242B1 (ko) | 화학 시설에 대한 테러 위험도 평가 방법 | |
CN116739870B (zh) | 一种应急体系管理***及方法 | |
KR102240737B1 (ko) | 화학 시설에 대한 보안 취약성 평가 방법 | |
KR102239376B1 (ko) | 화학 시설에 대한 보안 수준 평가 방법 |
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 |