一种基于智能安全帽的工人健康监控方法与流程

本发明属于健康管理领域，具体涉及一种基于智能安全帽的工人健康监控方法。

背景技术：

在工厂、工地等风险等级较高的工作区域，工人的健康风险性也较高，所以要求工人必须佩戴安全帽来为安全提供保护，市面上的智能安全帽和监控系统目前可提供工人的位置，环境等信息。

存在的问题是，现有的智能安全帽与监控系统只能被动抵御和提示外来的环境风险，仅作为风险来临时的最后一道屏障，无法对工人的身体健康状态进行主动监测和管理。

技术实现要素：

本发明的目的在于，提供一种基于智能安全帽的工人健康监控方法，以解决市面上现有的智能安全帽和监控方法无法对工人自身健康状态进行监控并提示身体内在风险的问题。本方法基于智能安全帽的特征进行设计，结合非侵入式脑电波采集电路和脑电波算法对工人健康进行监控，可实时监控佩戴智能安全帽工人的脑电波、血氧含量和心率指标，分析工人的疲劳度和注意力情况，当工人的健康指标异常时进行主动反馈，对健康风险进行预警。

为了实现上述目的，本发明提供如下技术方案：一种基于智能安全帽的工人健康监控方法。本方法包括一套基于智能安全帽的体征数据采集、传输、存储、分析、监控和预警提示的步骤，此步骤应用了智能安全帽、健康数据模块、特制的分析模块和状态管理模块四个部分。本方法基于智能安全帽的体征数据采集、传输、存储、分析、监控和预警提示的步骤为：

第一步：在服务器的状态管理模块中录入智能安全帽连接编码和其佩戴工人的信息，启动并佩戴智能安全帽；

第二步：智能安全帽采集工人脑电波、心率和血氧含量体征数据，通过无线网络实时传输到服务其中的健康数据模块；

第三步：特制的分析模块对体征数据进行实时同步并分析，判断工人的疲劳度、注意力集中度；

第四步：状态管理模块对工人的疲劳度、注意力、血氧和心率指标进行监控记录，实时更新工人的健康状态；

第五步：当健康状态的指标达到合理阈值之外时，服务器通过健康数据模块反馈健康异常指令给智能安全帽，智能安全帽发出蜂鸣，对工人进行风险提示和预警。

优选的，所述第一步和第二步中体征数据采集、传输和存储步骤具体流程为：

第一步：在服务器的状态管理模块中录入智能安全帽的连接编码，并填写智能安全帽对应工人所属的公司、项目、姓名和电话等身份信息；

第二步：打开智能安全帽开关并进行佩戴，智能安全帽采集工人的脑电波、心率和血氧含量信息；

第三步：脑电波信号、心率和血氧数据通过无线网络实时上传至服务器的健康数据模块；

第四步：健康数据模块接收工人体征数据，按工人的身份信息进行存储并实时传入特制的分析模块。

优选的，所述第三步进行实时体征数据分析的步骤具体流程为：

第一步：特制的分析模块对疲劳度和注意力相对应脑电波信号的时域和频域进行分析，提取信号特征参数并建立数据库；

第二步：通过随机森林算法建立机器学习模型，对数据库中的信号特征参数对应疲劳度和注意力指标进行分级并变换为分数值；

第三步：实时同步健康数据模块中的脑电波数据，通过回归法、自适应滤波法和独立分量分析法进行噪声和干扰去除；

第四步：对降噪后的脑电波数据的时域与频域进行功率谱密度和频谱分析，提取信号特征参数；

第五步：通过对比数据库中分类分级的信号特征参数，实时判断工人的疲劳度和注意力等级对应的分数值。

优选的，所述第四步对工人体征数据进行健康状态监控的步骤具体流程为：

第一步：状态管理模块汇总智能安全帽连接编码和工人身份信息，实时同步疲劳度、注意力等级和血氧心率数据；

第二步：与特制的分析模块和健康数据模块实时进行数据更新，记录最新工人的健康状态数据。

优选的，所述第五步健康状态指标达到合理阈值之外时进行预警提示的步骤具体流程为：

第一步：在状态管理模块设置健康指标分数阈值；

第二步：当实时更新的工人健康指标超过所设阈值时，状态管理模块发送健康异常指令给健康数据模块；

第三步：健康数据模块把健康异常指令通过无线网络传输给智能安全帽；

第四步：智能安全帽启动蜂鸣器，给工人健康风险进行提示预警。

与现有的技术相比，本发明的有益效果是：

(1)本系统基于智能安全帽的特征进行设计，实现了脑电波信号、血氧含量和心率指标的实时采集，为工人的健康状态监控提供了基础数据信息；

(2)本系统设计的健康数据模块，以无线网络接口为传输方式，远程接收工人的体征数据进行分类存储管理，有效地提高了数据使用效率；

(3)本系统的特制的数据分析模块，提供了基于脑电波信号的疲劳度和注意力集中度监测功能，增加了监控工人健康状态纬度，更好的为工人健康提供保护；

(4)本系统设计的健康管理模块，可设置健康状态指标的阈值，并通过实时的数据同步，来监控工人自身的健康状态，实现了对超过阈值的健康状态的主动预警。

附图说明

图1为本发明一种基于智能安全帽的工人健康监控方法的应用流程图；

图2为本发明一种基于智能安全帽的工人健康监控方法的智能安全帽结构示意图；

图3为本发明一种基于智能安全帽的工人健康监控方法的体征数据采集、传输和存储的流程示意图；

图4为本发明一种基于智能安全帽的工人健康监控方法的脑电波体征数据分析步骤的流程示意图；

图5为本发明一种基于智能安全帽的工人健康监控方法的工人健康监控与预警的应用流程图；

图6为本发明一种基于智能安全帽的工人健康监控方法的原理示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1-2所示，本发明提供一种技术方案：一种基于智能安全帽的工人健康监控方法，包括一套基于智能安全帽的体征数据采集、传输、存储、分析、监控和预警提示的步骤，在本实施例中具体为：

第一步：在服务器的状态管理模块中录入智能安全帽连接编码和其佩戴工人的信息，启动并佩戴智能安全帽；

第二步：智能安全帽采集工人脑电波、心率和血氧含量体征数据，通过无线网络实时传输到服务其中的健康数据模块；

第三步：特制的分析模块对体征数据进行实时同步并分析，判断工人的疲劳度、注意力集中度；

第四步：状态管理模块对工人的疲劳度、注意力、血氧和心率指标进行监控记录，实时更新工人的健康状态；

第五步：当健康状态的指标达到合理阈值之外时，服务器通过健康数据模块反馈健康异常指令给智能安全帽，智能安全帽发出蜂鸣，对工人进行风险提示和预警。

本实施例中，优选的，如图3所示，第一步和第二步中体征数据采集、传输和存储步骤具体流程为：

第一步：在服务器的状态管理模块中录入智能安全帽的连接编码，并填写智能安全帽对应工人所属的公司、项目、姓名和电话等身份信息；

第二步：打开智能安全帽开关并进行佩戴，智能安全帽采集工人的脑电波、心率和血氧含量信息；

第三步：脑电波信号、心率和血氧数据通过无线网络实时上传至服务器的健康数据模块；

第四步：健康数据模块接收工人体征数据，按工人的身份信息进行存储并实时传入特制的分析模块。

本实施例中，优选的，如图4所示，第三步进行实时体征数据分析的步骤具体流程为：

第一步：特制的分析模块对疲劳度和注意力相对应脑电波信号的时域和频域进行分析，提取信号特征参数并建立数据库；

第二步：通过随机森林算法建立机器学习模型，对数据库中的信号特征参数对应疲劳度和注意力指标进行分级并变换为分数值；

第三步：实时同步健康数据模块中的脑电波数据，通过回归法、自适应滤波法和独立分量分析法进行噪声和干扰去除；

第四步：对降噪后的脑电波数据的时域与频域进行功率谱密度和频谱分析，提取信号特征参数；

第五步：通过对比数据库中分类分级的信号特征参数，实时判断工人的疲劳度和注意力等级对应的分数值。

本实施例中，优选的，如图6所示，第四步对工人体征数据进行健康状态监控的步骤具体流程为：

第一步：状态管理模块汇总智能安全帽连接编码和工人身份信息，实时同步疲劳度、注意力等级和血氧心率数据；

第二步：与特制的分析模块和健康数据模块实时进行数据更新，记录最新工人的健康状态数据。

本实施例中，优选的，如图5所示，第五步健康状态指标达到合理阈值之外时进行预警提示的步骤具体流程为：

第一步：在状态管理模块设置健康指标分数阈值；

第二步：当实时更新的工人健康指标超过所设阈值时，状态管理模块发送健康异常指令给健康数据模块；

第三步：健康数据模块把健康异常指令通过无线网络传输给智能安全帽；

第四步：智能安全帽启动蜂鸣器，给工人健康风险进行提示预警。

本发明基于脑电波数据判断疲劳度和注意力集中度的参考参数范围：

疲劳度参考范围[0至100]：

疲劳：0至19；

充沛：20至100；

注意力集中度参考范围[0至100]：

注意力控制强：0至59；

注意力控制正常：60至90；

注意力控制弱：91至100。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。