本發(fā)明涉及有限空間作業(yè)安全監(jiān)測，具體涉及一種有限空間作業(yè)安全隱患識別預警方法和裝置。

背景技術：

1、如地下室、隧道和封閉管道等有限空間，它們的空間狹小，作業(yè)環(huán)境惡劣，給安全監(jiān)控帶來了極大的挑戰(zhàn)。這些有限空間內(nèi)的維修和檢查作業(yè)，不僅面臨著空氣質(zhì)量不佳、照明不足等物理難題，更存在著逃生路徑不明確、通信不暢等安全風險。然而，目前對于這些環(huán)境的監(jiān)控，多數(shù)仍依賴于傳統(tǒng)的物理訪問和視覺檢查方式，這不僅效率低下，而且風險極高，難以滿足現(xiàn)代安全管理的需求。

2、傳統(tǒng)的有限空間安全監(jiān)控方法，主要依賴于基礎的電子監(jiān)控設備進行人工檢查。然而，這些方法存在著諸多不足。首先，它們無法實現(xiàn)全天候的實時監(jiān)控，只能在特定時間段內(nèi)進行監(jiān)控，無法確保全時段的安全。其次，數(shù)據(jù)處理和反應速度較慢，無法及時地發(fā)現(xiàn)和處理潛在的安全隱患。再者，這些方法高度依賴于操作人員的經(jīng)驗和判斷，一旦操作人員判斷失誤，就可能導致嚴重的后果。

3、更為嚴重的是，人工巡檢在這些有限空間中也存在諸多局限性。由于空間狹小，檢查人員難以進入某些區(qū)域進行檢查，導致檢查覆蓋面不全。同時，人工巡檢的頻率也相對較低，無法及時發(fā)現(xiàn)和處理潛在的安全隱患。此外，人工巡檢還容易受到主觀因素的影響，導致檢查質(zhì)量下降。

技術實現(xiàn)思路

1、鑒于上述問題，本發(fā)明實施例一種有限空間作業(yè)安全隱患識別預警方法和裝置，解決現(xiàn)有的技術問題。

2、為解決上述技術問題，本發(fā)明提供以下技術方案：

3、第一方面，本發(fā)明提供一種有限空間作業(yè)安全隱患識別預警方法，所述方法包括：

4、將分散在有限空間作業(yè)現(xiàn)場多個位置的圖像采集設備所捕獲的圖像進行融合，得到有限空間作業(yè)全景圖像；

5、將有限空間作業(yè)全景圖像輸入訓練好的深度學習模型識別有限空間作業(yè)全景圖像中的個人防護裝備和現(xiàn)場安全設施，得到識別結(jié)果；所述識別結(jié)果包括個人防護裝備的佩戴情況和現(xiàn)場安全設施的設置情況；

6、配置生成預警信號的觸發(fā)條件，基于識別結(jié)果生成對應的預警信號；

7、將預警信號通過多種通道發(fā)送至移動設備或控制中心。

8、一實施例中，所述將分散在有限空間作業(yè)現(xiàn)場多個位置的圖像采集設備所捕獲的圖像進行融合，得到有限空間作業(yè)全景圖像包括：

9、利用安裝在有限空間入口的全景攝像頭采集整個作業(yè)區(qū)域，得到第一圖像；

10、利用安裝在有限空間內(nèi)部的紅外攝像頭采集低光環(huán)境下的圖像，得到第二圖像；

11、利用安裝在有限空間設備操作位置的高分辨率攝像頭采集局部特寫圖像，得到第三圖像；

12、將第二圖像和第三圖像與第一圖像進行融合，得到有限空間作業(yè)全景圖像。

13、一實施例中，所述深度學習模型的訓練方法包括：

14、從不同途徑收集有限空間作業(yè)現(xiàn)場的圖像，得到訓練圖像數(shù)據(jù)；

15、標注訓練圖像數(shù)據(jù)中個人防護裝備和現(xiàn)場安全設施，得到訓練數(shù)據(jù)集；所述個人防護裝備包括安全帽、呼吸器和安全帶，所述現(xiàn)場安全設施包括圍擋設施、安全標志、警示標識、安全告知牌、強制送風設備、照明設備、對講設備、三腳架和氣體檢測報警儀。

16、將訓練數(shù)據(jù)集輸入深度學習模型進行訓練，得到訓練好的深度學習模型。

17、一實施例中，所述將訓練數(shù)據(jù)集輸入深度學習模型進行訓練，得到訓練好的深度學習模型包括：

18、將訓練數(shù)據(jù)集按照三個比例劃分為訓練集、驗證集和測試集；

19、利用訓練集使模型學習輸入數(shù)據(jù)到輸出數(shù)據(jù)的映射關系，在學習過程中將訓練數(shù)據(jù)集上預訓練的權重作為初始權重；

20、利用驗證集評估模型的性能，根據(jù)性能評估結(jié)果調(diào)整超參數(shù)直至模型性能達到預定效果，得到初始深度學習模型；所述超參數(shù)包括學習率和迭代次數(shù)，所述學習率隨訓練過程逐漸降低；

21、利用測試集評估初始深度學習模型的泛化性能，選擇泛化性能滿足預期效果的初始深度學習模型作為訓練好的深度學習模型。

22、一實施例中，所述配置生成預警信號的觸發(fā)條件，基于識別結(jié)果生成對應的預警信號包括：

23、根據(jù)個人防護裝備和現(xiàn)場安全設施中包含的所有設備確定設備預警池；

24、為每個個人防護裝備和現(xiàn)場安全設施分別配置對應的預警開關；若相應預警開關處于開啟狀態(tài)，則將相應的個人防護裝備或現(xiàn)場安全設施添加至設備預警池中；若相應預警開關處于關閉狀態(tài)，則將相應的個人防護裝備或現(xiàn)場安全設施從設備預警池中剔除；

25、為每個有限空間作業(yè)分配一個身份標識符；

26、根據(jù)每個身份標識符對應的有限空間作業(yè)的識別需求設定每個預警開關的開閉；

27、根據(jù)個人防護裝備的佩戴情況和預警開關的開閉情況生成個人防護裝備佩戴的預警信息；

28、根據(jù)現(xiàn)場安全設施的設置情況和預警開關的開閉情況生成現(xiàn)場安全設施設置的預警信息。

29、一實施例中，所述根據(jù)個人防護裝備的佩戴情況和預警開關的開閉情況生成個人防護裝備佩戴的預警信息包括：

30、根據(jù)識別出的有限空間內(nèi)的人員，生成人員目標框；

31、在人員目標框范圍內(nèi)識別個人防護裝備，得到個人防護裝備的佩戴情況；

32、當預警開關被設定為開啟狀態(tài)，并且對應的個人防護裝備未被識別到時，生成關于個人防護裝備佩戴的預警信息。

33、一實施例中，所述根據(jù)現(xiàn)場安全設施的設置情況和預警開關的開閉情況生成現(xiàn)場安全設施設置的預警信息包括：

34、為現(xiàn)場安全設施包含的每個設備配置一個標志位，當相應設備被識別出時，相應的標志位被設置為1；當相應設備未被識別出時，相應的標志位被設置為0；

35、在有限空間作業(yè)開始時將所有設備的標志位初始化為0；

36、當預警開關被設定為開啟狀態(tài)，并且對應的現(xiàn)場安全設施標志位為0時，生成關于現(xiàn)場安全設施設置的預警信息；

37、當預警開關被設定為開啟狀態(tài)，并且對應的現(xiàn)場安全設施標志位由0轉(zhuǎn)變?yōu)?時，消除本次作業(yè)之前產(chǎn)生的關于現(xiàn)場安全設施設置的預警信息。

38、第二方面，本發(fā)明提供一種有限空間作業(yè)安全隱患識別預警裝置，其特征在于，所述裝置包括：

39、全景圖像獲取模塊：用于將分散在有限空間作業(yè)現(xiàn)場多個位置的圖像采集設備所捕獲的圖像進行融合，得到有限空間作業(yè)全景圖像；

40、識別結(jié)果獲取模塊：用于將有限空間作業(yè)全景圖像輸入訓練好的深度學習模型識別有限空間作業(yè)全景圖像中的個人防護裝備和現(xiàn)場安全設施，得到識別結(jié)果；所述識別結(jié)果包括個人防護裝備的佩戴情況和現(xiàn)場安全設施的設置情況；

41、預警信息生成模塊：用于配置生成預警信號的觸發(fā)條件，基于識別結(jié)果生成對應的預警信號；

42、預警信息發(fā)送模塊：用于將預警信號通過多種通道發(fā)送至移動設備或控制中心。

43、一實施例中，所述全景圖像獲取模塊具體用于：

44、利用安裝在有限空間入口的全景攝像頭采集整個作業(yè)區(qū)域，得到第一圖像；

45、利用安裝在有限空間內(nèi)部的紅外攝像頭采集低光環(huán)境下的圖像，得到第二圖像；

46、利用安裝在有限空間設備操作位置的高分辨率攝像頭采集局部特寫圖像，得到第三圖像；

47、將第二圖像和第三圖像與第一圖像進行融合，得到有限空間作業(yè)全景圖像。

48、一實施例中，所述識別結(jié)果獲取模塊中深度學習模型的訓練方法包括：

49、從不同途徑收集有限空間作業(yè)現(xiàn)場的圖像，得到訓練圖像數(shù)據(jù)；

50、標注訓練圖像數(shù)據(jù)中個人防護裝備和現(xiàn)場安全設施，得到訓練數(shù)據(jù)集；所述個人防護裝備包括安全帽、呼吸器和安全帶，所述現(xiàn)場安全設施包括圍擋設施、安全標志、警示標識、安全告知牌、強制送風設備、照明設備、對講設備、三腳架和氣體檢測報警儀。

51、將訓練數(shù)據(jù)集輸入深度學習模型進行訓練，得到訓練好的深度學習模型。

52、一實施例中，所述將訓練數(shù)據(jù)集輸入深度學習模型進行訓練，得到訓練好的深度學習模型包括：

53、將訓練數(shù)據(jù)集按照三個比例劃分為訓練集、驗證集和測試集；

54、利用訓練集使模型學習輸入數(shù)據(jù)到輸出數(shù)據(jù)的映射關系，在學習過程中將訓練數(shù)據(jù)集上預訓練的權重作為初始權重；

55、利用驗證集評估模型的性能，根據(jù)性能評估結(jié)果調(diào)整超參數(shù)直至模型性能達到預定效果，得到初始深度學習模型；所述超參數(shù)包括學習率和迭代次數(shù)，所述學習率隨訓練過程逐漸降低；

56、利用測試集評估初始深度學習模型的泛化性能，選擇泛化性能滿足預期效果的初始深度學習模型作為訓練好的深度學習模型。

57、一實施例中，所述預警信息生成模塊具體用于：

58、根據(jù)個人防護裝備和現(xiàn)場安全設施中包含的所有設備確定設備預警池；

59、為每個個人防護裝備和現(xiàn)場安全設施分別配置對應的預警開關；若相應預警開關處于開啟狀態(tài)，則將相應的個人防護裝備或現(xiàn)場安全設施添加至設備預警池中；若相應預警開關處于關閉狀態(tài)，則將相應的個人防護裝備或現(xiàn)場安全設施從設備預警池中剔除；

60、為每個有限空間作業(yè)分配一個身份標識符；

61、根據(jù)每個身份標識符對應的有限空間作業(yè)的識別需求設定每個預警開關的開閉；

62、根據(jù)個人防護裝備的佩戴情況和預警開關的開閉情況生成個人防護裝備佩戴的預警信息；

63、根據(jù)現(xiàn)場安全設施的設置情況和預警開關的開閉情況生成現(xiàn)場安全設施設置的預警信息。

64、一實施例中，所述預警信息生成模塊中根據(jù)個人防護裝備的佩戴情況和預警開關的開閉情況生成個人防護裝備佩戴的預警信息包括：

65、根據(jù)識別出的有限空間內(nèi)的人員，生成人員目標框；

66、在人員目標框范圍內(nèi)識別個人防護裝備，得到個人防護裝備的佩戴情況；

67、當預警開關被設定為開啟狀態(tài)，并且對應的個人防護裝備未被識別到時，生成關于個人防護裝備佩戴的預警信息。

68、一實施例中，所述預警信息生成模塊中根據(jù)現(xiàn)場安全設施的設置情況和預警開關的開閉情況生成現(xiàn)場安全設施設置的預警信息包括：

69、為現(xiàn)場安全設施包含的每個設備配置一個標志位，當相應設備被識別出時，相應的標志位被設置為1；當相應設備未被識別出時，相應的標志位被設置為0；

70、在有限空間作業(yè)開始時將所有設備的標志位初始化為0；

71、當預警開關被設定為開啟狀態(tài)，并且對應的現(xiàn)場安全設施標志位為0時，生成關于現(xiàn)場安全設施設置的預警信息；

72、當預警開關被設定為開啟狀態(tài)，并且對應的現(xiàn)場安全設施標志位由0轉(zhuǎn)變?yōu)?時，消除本次作業(yè)之前產(chǎn)生的關于現(xiàn)場安全設施設置的預警信息。

73、第三方面，本發(fā)明提供一種電子設備，包括：

74、處理器、存儲器、與網(wǎng)關通信的接口；

75、存儲器用于存儲程序和數(shù)據(jù)，所述處理器調(diào)用存儲器存儲的程序，以執(zhí)行第一方面任一項提供的一種有限空間作業(yè)安全隱患識別預警方法。

76、第四方面，本發(fā)明提供一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)包括程序，所述程序在被處理器執(zhí)行時用于執(zhí)行第一方面任一項提供的一種有限空間作業(yè)安全隱患識別預警方法。

77、本發(fā)明的有益效果為：本發(fā)明能夠?qū)崟r融合分散在有限空間作業(yè)現(xiàn)場多個位置的圖像采集設備所捕獲的圖像，生成全景圖像，并通過深度學習模型自動識別作業(yè)現(xiàn)場的個人防護裝備和安全設施的配置情況。通過圖像融合技術將來自不同角度、不同位置的圖像無縫拼接，形成一幅完整的有限空間作業(yè)全景圖像。將全景圖像輸入到預先訓練好的深度學習模型中，深度學習模型經(jīng)過大量的數(shù)據(jù)訓練和優(yōu)化，能夠準確識別圖像中的個人防護裝備以及現(xiàn)場安全設施。識別結(jié)果不僅包括這些裝備和設施的存在與否，還能進一步判斷其佩戴和設置的正確性。在得到識別結(jié)果后，配置了預警信號觸發(fā)條件，這些條件可以根據(jù)不同的作業(yè)環(huán)境和安全要求進行個性化設置。預警信號的發(fā)送方式也是多樣化的，可以通過移動設備、短信、郵件等多種通道將預警信號實時發(fā)送給相關人員，確保他們能夠及時獲取到最新的安全信息。同時，預警信號還會自動傳輸?shù)娇刂浦行?，以便管理人員能夠全面了解作業(yè)現(xiàn)場的安全狀況，并采取相應的措施。本發(fā)明極大地提高了有限空間作業(yè)的安全性和可靠性。通過實時監(jiān)控作業(yè)狀態(tài)，自動識別安全隱患并發(fā)出預警，能夠有效地減少因人為因素引起的安全事故。這不僅保護了作業(yè)人員的生命安全，也為企業(yè)節(jié)省了因事故造成的經(jīng)濟損失。同時，還為有限空間作業(yè)提供了一個更加安全、可靠的工作環(huán)境。