一种工业行业安全生产智能监控系统

本发明涉及工业行业安全生产前端数据采集及安全监测，尤其涉及一种工业行业安全生产智能监控系统。

背景技术：

1、近年来，随着科技的飞速发展，人工智能深度学习技术得到了广泛的应用，传统的靠人来监护的方式已经越来越不能满足当前工业行业安全生产的实际需要，而利用带有多传感器的智能监控系统是有效的安全保护方案之一。通过对当前工业行业安全生产的实际调查研究，可以发现目前普遍采用的还是传统视频监控的方式。这种方式是一种“被动监控”，通过在企业生产和作业的区域、地点都装有监控，人站在办公室即可观察到所监控的安全生产各环节。传统视频监控仅仅只能起到一个实时观看和录像的作用，当发生异常情况或突发事件时，只能通过调用录像的方式来查看，但此时损失事故已经造成，无法挽回，完全是一种“亡羊补牢”式的被动监控。采用传统视频监控的方式存在严重的问题，那就是一个人所监控的范围有几十甚至上百处，海量视频数据的产生会让人应接不暇，根本不可能作出正确的分析和判断，存在着严重的滞后性和不安全性。人毕竟不能时刻保持关注，也不能一直都在岗位上时刻待着，采用这种方式必将耗费大量的人力、物力，而且效果还不理想。

技术实现思路

1、本发明提供一种工业行业安全生产智能监控系统，以克服上述技术问题。

2、一种工业行业安全生产智能监控系统，包括前端采集模块、传输网络模块、后端数据处理及分析模块以及可视化管理平台模块，

3、前端采集模块用于采集各个生产流程和各个作业现场产生的视频数据和其他数据，所述视频数据包括实时视频数据，所述其他数据包括各个作业现场中有害气体的浓度值、各个生产流程中的环境温度值、各个生产流程中通过激光雷达测速传感器获取的速度值、各个生产流程中通过压力传感器获取的压力值，

4、传输网络模块用于将前端采集模块采集的视频数据和其他数据上传至后端数据处理及分析模块，

5、后端数据处理及分析模块用于获取并存储视频数据和其他数据，分别对视频数据和其他数据进行智能分析，

6、所述对视频数据进行智能分析包括对实时视频中的目标和行为进行智能检测，所述目标包括产品、产品的零部件、产品的外包装、工作人员所佩戴的设备，所述行为包括工作人员是否吸烟、各个作业现场是否有烟雾以及是工作人员不可入内的区域中是否有入侵行为，并判断行为是否为异常行为，当行为是异常行为时，生成行为异常信息进行报警并将行为异常信息传输至可视化管理平台模块，当行为是正常行为时，生成行为正常信息并将行为正常信息传输至可视化管理平台模块，

7、所述对其他数据进行智能分析包括给定各其他数据所对应的阈值，并判断是否超过，当超过阈值时，生成报警信息进行报警并将报警信息传输至可视化管理平台模块，当没有超过阈值时，生成正常信息并将正常信息传输至可视化管理平台模块，

8、可视化管理平台模块用于获取行为异常信息、行为正常信息以及其他数据的报警信息和正常信息，并通过终端设备进行显示。

9、优选地，所述对实时视频中的目标和行为进行智能检测包括将实时视频划分为帧图像集合，获取改进yolov5网络模型，根据改进yolov5网络模型对帧图像集合中的目标和行为进行智能检测。

10、优选地，所述获取改进yolov5网络模型包括加载改进yolov5网络模型，初始化所述改进yolov5网络模型的参数；采集并预处理实际业务场景图片，对实际业务场景图片进行标注，将标注后的实际业务场景图片存储为数据集，将数据集划分为训练集和测试集，根据训练集对改进yolov5网络模型进行训练，得到改进yolov5网络模型的预训练权重，根据预训练权重对改进yolov5网络模型进行调整，根据测试集对调整后的改进yolov5网络模型进行测试评估。

11、优选地，所述改进yolov5网络模型包括输入端模块、主干模块、颈部模块和头部预测模块四个部分，所述主干模块包括第一conv[6,2]网络、第一conv[3,2]网络，第一c3true子模块、第一ca注意力机制、第二conv[3,2]网络、第二c3 true子模块、第二ca注意力机制、第三conv[3,2]网络、第三c3 true子模块、cbma注意力机制、第四conv[3,2]网络、第四c3 true子模块以及sppf模块，所述第一conv[6,2]网络与第一conv[3,2]网络相连接，第一c3 true子模块、第一ca注意力机制与第二conv[3,2]网络相连接，第二c3 true子模块、第二ca注意力机制、第三conv[3,2]网络相连接，第三c3 true子模块、cbma注意力机制与第四conv[3,2]网络相连接，第四conv[3,2]网络与第四c3 true子模块相连接，第四c3 true子模块与sppf模块相连接，所述第一conv[6,2]网络、第一conv[3,2]网络、第二conv[3,2]网络、第三conv[6,2]网络、第四conv[6,2]网络分别用于对实际业务场景图片进行特征提取，所述第一c3 true子模块、第二c3 true子模块、第三c3 true子模块、第四c3 true子模块分别用于将提取的特征进行跨尺度连接，sppf模块用于对提取的特征进行融合，所述cbam注意力机制用于提取有效特征，所述第一ca注意力机制、第二ca注意力机制用于获取实际业务场景图片中感兴趣的区域。

12、优选地，所述改进yolov5网络模型的损失函数为eiou损失函数。

13、本发明提供一种工业行业安全生产智能监控系统，通过本系统能够日夜不间断地对企业生产流程和作业现场进行监控，相比于传统的视频监控系统，系统管理员不需要一直盯着屏幕，也不需要对海量的视频监控数据进行分析和理解，能够减少漏检、错检等行为的发生，通过对前端所采集的多模态数据进行智能分析，当出现异常情况时，系统能够实时报警，及时通知作业人员消除潜在的危险行为和隐患，避免事故的发生。

技术特征：

1.一种工业行业安全生产智能监控系统，其特征在于，包括前端采集模块、传输网络模块、后端数据处理及分析模块以及可视化管理平台模块，

2.根据权利要求1所述一种工业行业安全生产智能监控系统，其特征在于，所述对实时视频中的目标和行为进行智能检测包括将实时视频划分为帧图像集合，获取改进yolov5网络模型，根据改进yolov5网络模型对帧图像集合中的目标和行为进行智能检测。

3.根据权利要求2所述一种工业行业安全生产智能监控系统，其特征在于，所述获取改进yolov5网络模型包括加载改进yolov5网络模型，初始化所述改进yolov5网络模型的参数；采集并预处理实际业务场景图片，对实际业务场景图片进行标注，将标注后的实际业务场景图片存储为数据集，将数据集划分为训练集和测试集，根据训练集对改进yolov5网络模型进行训练，得到改进yolov5网络模型的预训练权重，根据预训练权重对改进yolov5网络模型进行调整，根据测试集对调整后的改进yolov5网络模型进行测试评估。

4.根据权利要求3所述一种工业行业安全生产智能监控系统，其特征在于，所述改进yolov5网络模型包括输入端模块、主干模块、颈部模块和头部预测模块四个部分，所述主干模块包括第一conv[6,2]网络、第一conv[3,2]网络，第一c3 true子模块、第一ca注意力机制、第二conv[3,2]网络、第二c3 true子模块、第二ca注意力机制、第三conv[3,2]网络、第三c3 true子模块、cbma注意力机制、第四conv[3,2]网络、第四c3 true子模块以及sppf模块，所述第一conv[6,2]网络与第一conv[3,2]网络相连接，第一c3 true子模块、第一ca注意力机制与第二conv[3,2]网络相连接，第二c3 true子模块、第二ca注意力机制、第三conv[3,2]网络相连接，第三c3 true子模块、cbma注意力机制与第四conv[3,2]网络相连接，第四conv[3,2]网络与第四c3 true子模块相连接，第四c3 true子模块与sppf模块相连接，所述第一conv[6,2]网络、第一conv[3,2]网络、第二conv[3,2]网络、第三conv[6,2]网络、第四conv[6,2]网络分别用于对实际业务场景图片进行特征提取，所述第一c3 true子模块、第二c3 true子模块、第三c3 true子模块、第四c3 true子模块分别用于将提取的特征进行跨尺度连接，sppf模块用于对提取的特征进行融合，所述cbam注意力机制用于提取有效特征，所述第一ca注意力机制、第二ca注意力机制用于获取实际业务场景图片中感兴趣的区域。

5.根据权利要求3所述一种工业行业安全生产智能监控系统，其特征在于，所述改进yolov5网络模型的损失函数为eiou损失函数。

技术总结
本发明公开了一种工业行业安全生产智能监控系统，包括前端采集模块用于采集各个生产流程和各个作业现场产生的视频数据和其他数据，传输网络模块用于将前端采集模块采集的视频数据和其他数据上传至后端数据处理及分析模块，后端数据处理及分析模块用于获取并存储视频数据和其他数据，分别对视频数据和其他数据进行智能分析，可视化管理平台模块用于获取进行智能分析后产生的正常信息和报警信息，并通过终端设备进行显示。通过对前端所采集的多模态数据进行智能分析，当出现异常情况时，系统能够实时报警，及时通知作业人员消除潜在的危险行为和隐患，避免事故的发生。

技术研发人员：张雪松,孙占冬
受保护的技术使用者：大连交通大学
技术研发日：
技术公布日：2024/1/12