一种基于生产场景的检测方法、装置、设备及介质与流程

本技术涉及工业领域，尤其涉及一种基于生产场景的检测方法、装置、设备及介质。

背景技术：

1、工业生产安全不仅关系到财产安全，更关系到人员安全，大量的工业生产安全事故是由员工的不安全不合规行为造成的。一方面，可以通过加强员工培训以减少生产安全事故；另一方面，可以利用人工智能检测模型对工业生产过程中的不安全不合规行为进行报警以减少生产安全事故。

2、现有技术中，采用人工智能检测方式对工业生产过程中的不安全不合规行为进行检测。当检测结果超过默认的安全规定值，说明工业生产中存在不安全不合规的行为，则可以通过告警设备发出警报或者触发相关生产线停工，以避免危险的发生。

3、但是，在采用人工智能检测的过程中，无论针对何种工业生产场景，均是基于人为经验来设置安全规定值，从而导致检测过程中出现过警或者漏报，进而造成了因报警而带来的停工停产等不必要的损失或者因漏报而带来更大的安全事故等问题。

技术实现思路

1、本技术提供一种基于生产场景的检测方法、装置、设备及介质，用于解决由于采用人为经验来设置安全规定值，而造成了检测过程中因过报警而带来的停工停产等不必要的损失或者因漏报而带来更大的安全事故等问题。

2、第一方面，本技术提供一种基于生产场景的检测方法，包括：

3、获取生产场景下的图像信息；

4、采用安全检测模型，获取所述生产场景的场景类型，以及所述场景类型下，所述图像信息中的待检测的操作环境或者操作行为的类型，并根据所述操作环境或者操作行为的类型和所述生产场景的安全参数，获取所述场景类型下所述操作环境或者操作行为的类型对应的安全阈值；

5、响应于根据所述安全阈值，所述待检测的操作环境或者操作行为满足报警条件，进行相应的报警处理。

6、在一种具体实施方式中，还包括：

7、根据所述生产场景的场景类型，对所述生产场景下的操作环境或者操作行为进行类型划分，并根据所述操作环境或者操作行为的类型和所述生产场景的安全参数，获取所述场景类型下所述操作环境或者操作行为的类型对应的安全阈值；

8、根据所述安全阈值，对待训练的安全检测模型进行训练，以获取训练后的所述安全检测模型。

9、在一种具体实施方式中，所述生产场景的安全参数包括：

10、所述生产场景对应的人身安全权重、所述生产场景对应的财产损失权重、所述生产场景的下平均每年的人员伤亡个数、所述生产场景下不采用所述安全检测模型时，平均每年的财产损失费用，以及所述生产场景下平均每年的安全生产费用。

11、在一种具体实施方式中，所述根据所述操作环境或者操作行为的类型和所述生产场景的安全参数，获取所述场景类型下所述操作环境或者操作行为的类型对应的安全阈值，包括：

12、对于规范类型，采用如下公式：

13、f＝λ1*p+λ2*e1/e2

14、

15、获取所述规范类型对应的安全阈值t；

16、其中，f表示中间结果；λ1和λ2分别表示所述规范类型对应的人身安全权重和财产损失权重；p表示所述生产场景下平均每年的人员伤亡个数；e1表示所述生产场景下不采用所述安全检测模型时，平均每年的财产损失费用，e2表示所述生产场景下平均每年的安全生产费用。

17、在一种具体实施方式中，所述根据所述操作环境或者操作行为的类型和所述生产场景的安全参数，获取所述场景类型下所述操作环境或者操作行为的类型对应的安全阈值，包括：

18、对于异常类型，采用如下公式：

19、f＝λ3*p+λ4*e1/e2

20、

21、获取所述异常类型对应的安全阈值t；

22、其中，f表示中间结果；λ3和λ4分别表示所述异常类型对应的人身安全权重和财产损失权重；p表示所述生产场景下平均每年的人员伤亡个数；e1表示所述生产场景下不采用所述安全检测模型时，平均每年的财产损失费用，e2表示所述生产场景下平均每年的安全生产费用。

23、在一种具体实施方式中，所述根据所述安全阈值，对待训练的安全检测模型进行训练，以获取训练后的所述安全检测模型，包括：

24、根据所述安全阈值，对待训练的安全检测模型进行训练，并根据所述待训练的安全检测模型的softmax层，计算获取概率值；

25、根据所述概率值、所述安全阈值、权重、真值，计算获取所述安全阈值的损失函数值；

26、若所述损失函数值不在预设范围内，则重复根据所述安全阈值，对待训练的安全检测模型进行训练，直至获取的所述损失函数值在所述预设范围内。

27、在一种具体实施方式中，所述进行相应的报警处理，包括：

28、控制告警设备发出警报；或者，

29、触发相关生产线停工。

30、第二方面，本技术提供一种基于生产场景的检测装置，包括：

31、获取模块，用于获取生产场景下的图像信息；

32、处理模块，用于采用安全检测模型，获取所述生产场景的场景类型，以及所述场景类型下，所述图像信息中的待检测的操作环境或者操作行为的类型，并根据所述操作环境或者操作行为的类型和所述生产场景的安全参数，获取所述场景类型下所述操作环境或者操作行为的类型对应的安全阈值；

33、报警模块，用于响应于根据所述安全阈值，所述待检测的操作环境或者操作行为满足报警条件，进行相应的报警处理。

34、在一种具体实施方式中，所述处理模块还用于：

35、根据所述生产场景的场景类型，对所述生产场景下的操作环境或者操作行为进行类型划分，并根据所述操作环境或者操作行为的类型和所述生产场景的安全参数，获取所述场景类型下所述操作环境或者操作行为的类型对应的安全阈值；

36、根据所述安全阈值，对待训练的安全检测模型进行训练，以获取训练后的所述安全检测模型。

37、在一种具体实施方式中，所述生产场景的安全参数包括：

38、所述生产场景对应的人身安全权重、所述生产场景对应的财产损失权重、所述生产场景下平均每年的人员伤亡个数、所述生产该场景下不采用所述安全检测模型时，平均每年的财产损失费用，以及所述生产场景下平均每年的安全生产费用。

39、在一种具体实施方式中，所述处理模块，具体用于：

40、对于规范类型，采用如下公式：

41、f＝λ1*p+λ2*e1/e2

42、

43、获取所述规范类型对应的安全阈值t；

44、其中，f表示中间结果；λ1和λ2分别表示所述规范类型对应的人身安全权重和财产损失权重；p表示所述生产场景下平均每年的人员伤亡个数；e1表示所述生产场景下不采用所述安全检测模型时，平均每年的财产损失费用，e2表示所述生产场景下平均每年的安全生产费用。

45、在一种具体实施方式中，所述处理模块，具体用于：

46、对于异常类型，采用如下公式：

47、f＝λ3*p+λ4*e1/e2

48、

49、获取所述异常类型对应的安全阈值t；

50、其中，f表示中间结果；λ3和λ4分别表示所述异常类型对应的人身安全权重和财产损失权重；p表示所述生产场景下平均每年的人员伤亡个数；e1表示所述生产场景下不采用所述安全检测模型时，平均每年的财产损失费用，e2表示所述生产场景下平均每年的安全生产费用。

51、在一种具体实施方式中，所述处理模块，具体用于：

52、根据所述安全阈值，对待训练的安全检测模型进行训练，并根据所述待训练的安全检测模型的softmax层，计算获取概率值；

53、根据所述概率值、所述安全阈值、权重、真值，计算获取所述安全阈值的损失函数值；

54、若所述损失函数值不在预设范围内，则重复根据所述安全阈值，对待训练的安全检测模型进行训练，直至获取的所述损失函数值在所述预设范围内。

55、在一种具体实施方式中，所述报警模块，具体用于：

56、控制告警设备发出警报；或者，

57、触发相关生产线停工。

58、第三方面，本技术一种电子设备，包括：

59、处理器，存储器，通信接口；

60、所述存储器用于存储所述处理器可执行的可执行指令；

61、其中，所述处理器配置为经由执行所述可执行指令来执行第一方面所述的基于生产场景的检测方法。

62、第四方面，本技术提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的基于生产场景的检测方法。

63、本技术提供一种基于生产场景的检测方法、装置、设备及介质，通过获取生产场景下的图像信息，并采用安全检测模型，获取生产场景的场景类型，以及该场景类型下，图像信息中的待检测的操作环境或者操作行为的类型，并根据操作环境或者操作行为的类型和生产场景的安全参数，获取场景类型下操作环境或者操作行为的类型对应的安全阈值；响应于根据安全阈值，待检测的操作环境或者操作行为满足报警条件，进行相应的报警处理，相较于现有技术中任何生产场景均是基于人为经验来设置安全规定值而言，本技术中所采用的安全检测模型在处理过程中，会考虑不同的生产场景的场景类型，并基于其场景类型下不同类型的操作环境或者操作行为对应的安全阈值，来对待检测的操作环境或者操作行为进行检测判断，从而解决了现有技术中检测过程中因过报警而带来的停工停产等不必要的损失或者因漏报而带来更大的安全事故等问题，进而提高了检测的有效性。