曹彥 張龍歌 潘盈 楊敏之 李赟俐

摘要：文章智慧安全管控系統(tǒng)貫穿生產(chǎn)作業(yè)周期，對風險告知、人的不安全行為、環(huán)境的不安全狀態(tài)等綜合因素，全程實時管控，起到事前告知、事中監(jiān)督、事后可追溯的作用。一旦監(jiān)測到影響安全作業(yè)的因素，就能實時報警，通知作業(yè)人員及安全管理人員。降低安全生產(chǎn)事故發(fā)生的風險，提高風險處置的能力和效率。

關鍵詞：智慧安全管控系統(tǒng); 實時管控; 降低; 報警

0 引言

在生產(chǎn)作業(yè)中，因人員主觀意識偏差、環(huán)境變化，存在風險意識不到位、麻痹大意、習慣性違章、環(huán)境影響等可能導致事故發(fā)生的因素，安全生產(chǎn)事故一旦發(fā)生，將會產(chǎn)生重大損失。為進一步提升安全管理能力，配備一套基于計算機視覺、人工智能技術智慧安全管控系統(tǒng)尤為重要，以反違章、風險管控為切入點，致力于人員、物品、環(huán)境的安全管控，以達到提示作業(yè)風險、防止危險事故、杜絕安全事故發(fā)生的目的。

1 智慧安全管控系統(tǒng)設計原理

1.1計算機視覺的應用

計算機視覺是在感知層上最為重要的核心技術之一，它讓計算機能夠類比人類的眼睛。計算機視覺技術模擬生物視覺，將捕捉的圖像中的數(shù)據(jù)及信息進行分析識別、檢測、跟蹤等，讓計算機能夠理解這些圖像。計算機視覺技術早已廣泛應用到安防、自動駕駛、醫(yī)療、消費等領域。

1.2圖像處理

視覺系統(tǒng)中，視覺信息的處理主要是圖像處理，包括圖像增強、平滑（去噪）、銳化、分割等方法。經(jīng)過相應的處理后，輸出圖像的質(zhì)量得到相當程度的改善，便于計算機對圖像進行分析、處理和識別。

1.2.1圖像增強

圖像增強主要是調(diào)整圖像的對比度，突出圖像中的重要細節(jié)。常采用修改圖像灰度直方圖的方式進行圖像增強。圖像的灰度直方圖是表示一幅圖像灰度分布情況的統(tǒng)計特性圖表，它反映的是一幅圖像中各灰度級像素出現(xiàn)的頻率與灰度級的關系。通過灰度直方圖的形狀，可以判斷該圖像的清晰度和黑白對比度。

1.2.2圖像銳化

圖像銳化是為了加強圖像中的輪廓和細節(jié)，達到將物體從圖像中分離出來或?qū)⑼晃矬w表面的區(qū)域檢測出來的目的，這往往是后期視覺算法成敗的重要因素之一。

圖像銳化與圖像平滑正好相反，它需要保留高頻信息來達到保護細節(jié)的目的。本質(zhì)上是增加領域間像素的差值。銳化使用領域的微分作為算子，常用的一階微分算子有Sobel、Roberts、Priwitt，二階微分算子有Laplacian。

1.2.3圖像分割

圖像分割的本質(zhì)是將像素進行分類，分類的依據(jù)是像素的灰度值、顏色、頻譜特性、空間特性或紋理特性等，把圖像劃分成若干個互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)表現(xiàn)出相似性或一致性，而在不同區(qū)域間則表現(xiàn)出明顯的不同。常用的分割方法有基于邊緣的分割、基于閾值的分割、基于區(qū)域的分割、基于人工神經(jīng)網(wǎng)絡的分割等。

1.3深度學習

1.3.1圖像識別

圖像識別是計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對象。

采用深度學習的圖像識別方法，首先收集大量的訓練數(shù)據(jù)，對數(shù)據(jù)打標，建立神經(jīng)網(wǎng)絡模型。然后將圖像和標簽輸入神經(jīng)網(wǎng)絡進行訓練，調(diào)優(yōu)。最后用訓練好的模型對圖像進行預測。

1.3.2目標檢測

目標檢測在識別的基礎上還要對目標進行定位。對目標進行動態(tài)實時跟蹤定位在智能監(jiān)控系統(tǒng)具有廣泛的應用價值。

2 智慧安全管控系統(tǒng)的研究

2.1對智慧安全管控系統(tǒng)的檢測算法研究

1）通過現(xiàn)場調(diào)查明確需要檢測的內(nèi)容，根據(jù)檢測內(nèi)容確定研發(fā)邊界。

2）根據(jù)不同種類的檢測內(nèi)容來確定使用不同的檢測算法。

環(huán)境監(jiān)測類：漏水漏液（滴漏、地上堆積）、火花、煙霧、光照明暗變化;

人員類：勞保用品佩戴（安全帽、安全帶、絕緣靴、絕緣手套等）、行人檢測、行人跟蹤、人員進出、停留電子圍欄;

設備類：開關狀態(tài)、指示燈狀態(tài)、聲音、讀數(shù)。

2.2對危險點風險庫的管理

利用導入的方式，將現(xiàn)場的危險點風險庫存入系統(tǒng)中并可供人員實時查看。

2.3現(xiàn)場工業(yè)攝像頭數(shù)據(jù)接入及調(diào)度機制研究

接入現(xiàn)場現(xiàn)有的工業(yè)攝像頭的視頻流數(shù)據(jù);

對視頻流數(shù)據(jù)進行處理，以利于算法進行視頻中的危險、違章事件的識別;

為保證實時性，需要研發(fā)一套調(diào)度系統(tǒng)，用于提升算法的圖像處理能力、多機位之間的輪轉(zhuǎn)能力。

2.4移動工作站研究

基于智能安全管控的功能項，進行移動工作站的研究，讓安全管控盡在掌握。

2.5對智慧安全管控系統(tǒng)的檢測結果分析研究

1）通過對所有檢測結果的分析，提升整體風險檢測準確度;

2）通過對不同風險的檢測結果分析，分別統(tǒng)計檢測各種類風險的準確度;

3）對比分析在同一場景下，同一風險類型的不同動作行為或者不同物體狀態(tài)對檢測結果的影響;

4）進一步針對不同種類的風險采用不同的優(yōu)化方法提升檢測準確度。

2.6對智慧安全管控系統(tǒng)的檢測結果的影響因素的分析研究

1）對比分析同一個風險行為和風險狀態(tài)，在不同環(huán)境下的檢測效果，要求在主要場景下都能準確檢測;

2）進一步針對不同具體場景對智慧安全管控系統(tǒng)進行優(yōu)化，降低環(huán)境對檢測結果不良的影響。

2.7對智慧安全管控系統(tǒng)的檢測效果和可擴展性的分析研究

1）統(tǒng)計智慧安全管控系統(tǒng)運行前后一段時間內(nèi)的風險行為和狀態(tài)的數(shù)量，統(tǒng)計該系統(tǒng)提醒修正的風險數(shù)量來估計智慧安全管控系統(tǒng)的預防作用，同時可以根據(jù)以往數(shù)據(jù)預估未來每月的風險發(fā)生次數(shù)。

2）統(tǒng)計現(xiàn)場系統(tǒng)觀察到卻未檢測出的風險和系統(tǒng)未觀察到的風險，并進行分析分類。評估系統(tǒng)后續(xù)可以擴充的多維度安全管控措施，預估這些措施可以針對解決哪一類風險以及解決到什么程度。

參考文獻

[1]Christopher M Bishop. Pattern Recognition and Machine Learning. 2006.

[2]Ross Girshick. Fast R-CNN. IEEE international Conference on Computer Vision（ICCV），1440-1448，2015.

[3]Kaiming He， Xiangyu Zhang， Shaoqing Ren， Jian Sun. Deep Residual Learning for Image Recognition.2015.