本發(fā)明涉及安全監(jiān)控。更具體地，本發(fā)明涉及基于人工智能的安全生產(chǎn)的實時監(jiān)控系統(tǒng)。

背景技術(shù)：

1、隨著人們生活水平的提高，對各種產(chǎn)品的需求也越來越大，一般產(chǎn)品是在一個個車間中生產(chǎn)、加工的，然而，在車間這種復雜的環(huán)境中生產(chǎn)、加工產(chǎn)品時，容易出現(xiàn)設備故障等問題引起的安全事故，例如火災，如果產(chǎn)品恰好是易燃物品，車間人員逃生不及時或者疏散不當，以及不做出相應的安全措施，容易造成人員傷亡以及設備的損毀等。

2、隨著人工智能、大數(shù)據(jù)技術(shù)的發(fā)展，于是現(xiàn)有技術(shù)中開始出現(xiàn)通過人工智能算法實時地監(jiān)控車間生產(chǎn)過程中的安全，以避免意外發(fā)生造成的人員傷亡或者設備損壞等。例如，公開號為cn110275473a的中國專利申請文件中公開了一種智能化化工安全生產(chǎn)監(jiān)控系統(tǒng)，該系統(tǒng)通過實時監(jiān)控化工生產(chǎn)廠房內(nèi)的視頻情況和氣體濃度變化情況來實現(xiàn)廠房的安全生產(chǎn)，同時通過預測未來氣體變化趨勢幫助監(jiān)控人員在意外發(fā)生時做出安全措施，例如發(fā)出警報提示，以提醒生產(chǎn)工人盡快疏散、撤離。

3、然而，面對突發(fā)的火災時，有些疏散路線中的逃生通道會出現(xiàn)火災導致煙霧濃度過高的情況，如果生產(chǎn)人員還是根據(jù)原先規(guī)劃好的疏散路線進行撤離，在煙霧濃度高的疏散路線中撤離的車間的生產(chǎn)人員是無法順利撤離的，對此，如何根據(jù)通過實時監(jiān)控車間的安全狀況來優(yōu)化逃生路線，是亟需解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、為解決上述現(xiàn)有的逃生路線安全性低的技術(shù)問題，本發(fā)明提出基于人工智能的安全生產(chǎn)的實時監(jiān)控系統(tǒng)，包括：處理器、存儲器、煙霧傳感器和攝像裝置，其中，所述煙霧傳感器用于采集車間的煙霧濃度，所述攝像裝置用于采集車間視頻，所述存儲器用于存儲計算機程序指令，當所述計算機程序指令被所述處理器執(zhí)行時，實現(xiàn)如下的方法：基于bim模型建立數(shù)字孿生車間模型；采集車間視頻，將所述車間視頻轉(zhuǎn)化為圖像輸入一個訓練好的語義分割模型，獲取煙霧濃度和煙霧位置的變化序列；將所述煙霧濃度和煙霧位置的變化序列輸入一個訓練好的lstm模型，預測未來的煙霧濃度和煙霧位置；通過引力場函數(shù)疊加斥力場函數(shù)在所述數(shù)字孿生車間模型中計算逃生路線，所述斥力場函數(shù)如下：

2、；

3、式中，表示斥力場函數(shù)，k表示正比例系數(shù)，表示一個矢量，大小為車間人員的位置到所述未來的煙霧位置的歐式距離，方向為車間人員的位置指向所述未來的煙霧位置，表示煙霧的影響范圍和煙霧濃度之間的關(guān)系；判斷實時采集的煙霧濃度和所述未來的煙霧濃度之間的差異是否超過預設值，若是，則重新確定逃生路線。

4、本發(fā)明的安全生產(chǎn)的監(jiān)控系統(tǒng)能夠?qū)崟r監(jiān)控車間的安全情況，并且在發(fā)生火災時，能夠通過未來的煙霧濃度與斥力場函數(shù)模型進行聯(lián)合建模，為車間人員提供較為準確、可靠地的逃生路線，而且通過判斷采集的煙霧濃度與預測的煙霧濃度之間的差，使生成的逃生路線的可靠性更高。

5、進一步地，獲取煙霧濃度和煙霧位置的變化序列，包括：通過多張語義分割后的圖像的煙霧區(qū)域的最高濃度和最高濃度位置獲得所述變化序列。

6、進一步地，通過多張語義分割后的圖像的煙霧區(qū)域的最高濃度和最高濃度位置獲得所述變化序列，包括：對所述語義分割后的圖像的煙霧區(qū)域進行灰度化處理；根據(jù)所述煙霧區(qū)域的灰度值和所述煙霧濃度之間的映射關(guān)系獲得所述煙霧區(qū)域的最高濃度及最高濃度所在的位置。

7、本發(fā)明通過灰度值映射煙霧濃度，能夠較為方便、迅速、直觀地展示煙霧濃度的最大值以及煙霧濃度和煙霧位置的變化情況。

8、進一步地，所述煙霧區(qū)域的灰度值和所述煙霧濃度之間的映射關(guān)系的獲取方法包括：根據(jù)煙霧傳感器采集的煙霧濃度值，與所述煙霧區(qū)域的灰度值之間建立所述映射關(guān)系。

9、進一步地，所述lstm模型的損失函數(shù)為均方差損失函數(shù)，且使用梯度下降法進行訓練。

10、lstm模型用于預測煙霧濃度和煙霧位置，相對于rnn模型，lstm模型的預測效果更好、更準確。

11、進一步地，所述未來的煙霧濃度和煙霧位置為20s后的煙霧濃度和煙霧位置。

12、考慮到車間人員在逃生路線上花費的時間，可以通過預測一段時間以后的煙霧濃度和煙霧位置，提前對車間人員進行預警疏散，保障車間人員能夠安全迅速地撤離。

13、進一步地，所述引力場函數(shù)為：

14、；

15、式中，表示引力場函數(shù)，表示一個矢量，大小為車間人員的位置到車間安全出口的歐式距離，方向為車間人員的位置指向車間安全出口，為正比例增益系數(shù)。

16、進一步地，所述數(shù)字孿生車間模型包括車間人員的位置、車間安全出口的位置和車間人員通道。

17、通過所述數(shù)字孿生模型的建模，可以對逃生路線進行可視化，當出現(xiàn)不安全狀態(tài)引起火災時，車間人員能夠更直觀、準確、迅速地按照逃生路線進行撤離。

18、本發(fā)明的技術(shù)效果為：本發(fā)明的安全生產(chǎn)的實時監(jiān)控系統(tǒng)能夠?qū)崟r監(jiān)控車間的安全生產(chǎn)，并且在發(fā)生火災時，能夠根據(jù)未來的煙霧濃度和煙霧位置優(yōu)化逃生路線，為每個車間人員生成一條安全性高、可靠性高的逃生路線。進一步地，由于未來的煙霧濃度為預測未來煙霧濃度值的最大值，所以當所在區(qū)域的煙霧濃度的最大值達到嚴重影響車間人員逃生時，人工勢場法可以避開這些危險區(qū)域，從而確保生成的逃生路線是安全、可靠的，此外，通過判斷采集的煙霧濃度與預測的煙霧濃度之間的差，使生成的逃生路線的可靠性更高。

技術(shù)特征：

1.一種基于人工智能的安全生產(chǎn)的實時監(jiān)控系統(tǒng)，其特征在于，包括：

2.如權(quán)利要求1所述的基于人工智能的安全生產(chǎn)的實時監(jiān)控系統(tǒng)中，其特征在于，獲取煙霧濃度和煙霧位置的變化序列，包括：

3.如權(quán)利要求2所述的基于人工智能的安全生產(chǎn)的實時監(jiān)控系統(tǒng)中，其特征在于，通過多張語義分割后的圖像的煙霧區(qū)域的最高濃度和最高濃度位置獲得所述變化序列，包括：

4.如權(quán)利要求3所述的基于人工智能的安全生產(chǎn)的實時監(jiān)控系統(tǒng)中，其特征在于，所述煙霧區(qū)域的灰度值和所述煙霧濃度之間的映射關(guān)系的獲取方法包括：

5.如權(quán)利要求1所述的基于人工智能的安全生產(chǎn)的實時監(jiān)控系統(tǒng)中，其特征在于，所述lstm模型的損失函數(shù)為均方差損失函數(shù)，且使用梯度下降法進行訓練。

6.如權(quán)利要求1所述的基于人工智能的安全生產(chǎn)的實時監(jiān)控系統(tǒng)中，其特征在于，所述未來的煙霧濃度和煙霧位置為20s后的煙霧濃度和煙霧位置。

7.如權(quán)利要求1所述的基于人工智能的安全生產(chǎn)的實時監(jiān)控系統(tǒng)中，其特征在于，所述引力場函數(shù)為：

8.如權(quán)利要求1所述的基于人工智能的安全生產(chǎn)的實時監(jiān)控系統(tǒng)中，其特征在于，所述數(shù)字孿生車間模型包括車間人員的位置、車間安全出口的位置和車間人員通道。

技術(shù)總結(jié)
本發(fā)明涉及安全監(jiān)控技術(shù)領(lǐng)域，具體涉及基于人工智能的安全生產(chǎn)的實時監(jiān)控系統(tǒng)。所述系統(tǒng)包括：處理器、存儲器、煙霧傳感器和攝像裝置，所述存儲器存儲有計算機程序指令，當所述計算機程序指令被所述處理器執(zhí)行時，實現(xiàn)：將采集的車間圖像輸入語義分割模型，獲取煙霧濃度和煙霧位置的變化序列；將所述煙霧濃度和煙霧位置的變化序列輸入一個訓練好的LSTM模型，預測未來的煙霧濃度和煙霧位置；通過引力場函數(shù)疊加斥力場函數(shù)在數(shù)字孿生車間模型中計算逃生路線；判斷實時采集的煙霧濃度和所述未來的煙霧濃度之間的差異是否超過預設值，若是，則重新確定逃生路線。本發(fā)明的系統(tǒng)生成的逃生路線的安全性更高。

技術(shù)研發(fā)人員：王建東,黃以寬,王東亮
受保護的技術(shù)使用者：三智信息技術(shù)（洛陽）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19