本發(fā)明涉及安全監(jiān)控。更具體地，本發(fā)明涉及基于人工智能的安全生產(chǎn)的實(shí)時監(jiān)控系統(tǒng)。

背景技術(shù)：

1、隨著人們生活水平的提高，對各種產(chǎn)品的需求也越來越大，一般產(chǎn)品是在一個個車間中生產(chǎn)、加工的，然而，在車間這種復(fù)雜的環(huán)境中生產(chǎn)、加工產(chǎn)品時，容易出現(xiàn)設(shè)備故障等問題引起的安全事故，例如火災(zāi)，如果產(chǎn)品恰好是易燃物品，車間人員逃生不及時或者疏散不當(dāng)，以及不做出相應(yīng)的安全措施，容易造成人員傷亡以及設(shè)備的損毀等。

2、隨著人工智能、大數(shù)據(jù)技術(shù)的發(fā)展，于是現(xiàn)有技術(shù)中開始出現(xiàn)通過人工智能算法實(shí)時地監(jiān)控車間生產(chǎn)過程中的安全，以避免意外發(fā)生造成的人員傷亡或者設(shè)備損壞等。例如，公開號為cn110275473a的中國專利申請文件中公開了一種智能化化工安全生產(chǎn)監(jiān)控系統(tǒng)，該系統(tǒng)通過實(shí)時監(jiān)控化工生產(chǎn)廠房內(nèi)的視頻情況和氣體濃度變化情況來實(shí)現(xiàn)廠房的安全生產(chǎn)，同時通過預(yù)測未來氣體變化趨勢幫助監(jiān)控人員在意外發(fā)生時做出安全措施，例如發(fā)出警報提示，以提醒生產(chǎn)工人盡快疏散、撤離。

3、然而，面對突發(fā)的火災(zāi)時，有些疏散路線中的逃生通道會出現(xiàn)火災(zāi)導(dǎo)致煙霧濃度過高的情況，如果生產(chǎn)人員還是根據(jù)原先規(guī)劃好的疏散路線進(jìn)行撤離，在煙霧濃度高的疏散路線中撤離的車間的生產(chǎn)人員是無法順利撤離的，對此，如何根據(jù)通過實(shí)時監(jiān)控車間的安全狀況來優(yōu)化逃生路線，是亟需解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述現(xiàn)有的逃生路線安全性低的技術(shù)問題，本發(fā)明提出基于人工智能的安全生產(chǎn)的實(shí)時監(jiān)控系統(tǒng)，包括：處理器、存儲器、煙霧傳感器和攝像裝置，其中，所述煙霧傳感器用于采集車間的煙霧濃度，所述攝像裝置用于采集車間視頻，所述存儲器用于存儲計算機(jī)程序指令，當(dāng)所述計算機(jī)程序指令被所述處理器執(zhí)行時，實(shí)現(xiàn)如下的方法：基于bim模型建立數(shù)字孿生車間模型；采集車間視頻，將所述車間視頻轉(zhuǎn)化為圖像輸入一個訓(xùn)練好的語義分割模型，獲取煙霧濃度和煙霧位置的變化序列；將所述煙霧濃度和煙霧位置的變化序列輸入一個訓(xùn)練好的lstm模型，預(yù)測未來的煙霧濃度和煙霧位置；通過引力場函數(shù)疊加斥力場函數(shù)在所述數(shù)字孿生車間模型中計算逃生路線，所述斥力場函數(shù)如下：

2、；

3、式中，表示斥力場函數(shù)，k表示正比例系數(shù)，表示一個矢量，大小為車間人員的位置到所述未來的煙霧位置的歐式距離，方向?yàn)檐囬g人員的位置指向所述未來的煙霧位置，表示煙霧的影響范圍和煙霧濃度之間的關(guān)系；判斷實(shí)時采集的煙霧濃度和所述未來的煙霧濃度之間的差異是否超過預(yù)設(shè)值，若是，則重新確定逃生路線。

4、本發(fā)明的安全生產(chǎn)的監(jiān)控系統(tǒng)能夠?qū)崟r監(jiān)控車間的安全情況，并且在發(fā)生火災(zāi)時，能夠通過未來的煙霧濃度與斥力場函數(shù)模型進(jìn)行聯(lián)合建模，為車間人員提供較為準(zhǔn)確、可靠地的逃生路線，而且通過判斷采集的煙霧濃度與預(yù)測的煙霧濃度之間的差，使生成的逃生路線的可靠性更高。

5、進(jìn)一步地，獲取煙霧濃度和煙霧位置的變化序列，包括：通過多張語義分割后的圖像的煙霧區(qū)域的最高濃度和最高濃度位置獲得所述變化序列。

6、進(jìn)一步地，通過多張語義分割后的圖像的煙霧區(qū)域的最高濃度和最高濃度位置獲得所述變化序列，包括：對所述語義分割后的圖像的煙霧區(qū)域進(jìn)行灰度化處理；根據(jù)所述煙霧區(qū)域的灰度值和所述煙霧濃度之間的映射關(guān)系獲得所述煙霧區(qū)域的最高濃度及最高濃度所在的位置。

7、本發(fā)明通過灰度值映射煙霧濃度，能夠較為方便、迅速、直觀地展示煙霧濃度的最大值以及煙霧濃度和煙霧位置的變化情況。

8、進(jìn)一步地，所述煙霧區(qū)域的灰度值和所述煙霧濃度之間的映射關(guān)系的獲取方法包括：根據(jù)煙霧傳感器采集的煙霧濃度值，與所述煙霧區(qū)域的灰度值之間建立所述映射關(guān)系。

9、進(jìn)一步地，所述lstm模型的損失函數(shù)為均方差損失函數(shù)，且使用梯度下降法進(jìn)行訓(xùn)練。

10、lstm模型用于預(yù)測煙霧濃度和煙霧位置，相對于rnn模型，lstm模型的預(yù)測效果更好、更準(zhǔn)確。

11、進(jìn)一步地，所述未來的煙霧濃度和煙霧位置為20s后的煙霧濃度和煙霧位置。

12、考慮到車間人員在逃生路線上花費(fèi)的時間，可以通過預(yù)測一段時間以后的煙霧濃度和煙霧位置，提前對車間人員進(jìn)行預(yù)警疏散，保障車間人員能夠安全迅速地撤離。

13、進(jìn)一步地，所述引力場函數(shù)為：

14、；

15、式中，表示引力場函數(shù)，表示一個矢量，大小為車間人員的位置到車間安全出口的歐式距離，方向?yàn)檐囬g人員的位置指向車間安全出口，為正比例增益系數(shù)。

16、進(jìn)一步地，所述數(shù)字孿生車間模型包括車間人員的位置、車間安全出口的位置和車間人員通道。

17、通過所述數(shù)字孿生模型的建模，可以對逃生路線進(jìn)行可視化，當(dāng)出現(xiàn)不安全狀態(tài)引起火災(zāi)時，車間人員能夠更直觀、準(zhǔn)確、迅速地按照逃生路線進(jìn)行撤離。

18、本發(fā)明的技術(shù)效果為：本發(fā)明的安全生產(chǎn)的實(shí)時監(jiān)控系統(tǒng)能夠?qū)崟r監(jiān)控車間的安全生產(chǎn)，并且在發(fā)生火災(zāi)時，能夠根據(jù)未來的煙霧濃度和煙霧位置優(yōu)化逃生路線，為每個車間人員生成一條安全性高、可靠性高的逃生路線。進(jìn)一步地，由于未來的煙霧濃度為預(yù)測未來煙霧濃度值的最大值，所以當(dāng)所在區(qū)域的煙霧濃度的最大值達(dá)到嚴(yán)重影響車間人員逃生時，人工勢場法可以避開這些危險區(qū)域，從而確保生成的逃生路線是安全、可靠的，此外，通過判斷采集的煙霧濃度與預(yù)測的煙霧濃度之間的差，使生成的逃生路線的可靠性更高。

技術(shù)特征：

1.一種基于人工智能的安全生產(chǎn)的實(shí)時監(jiān)控系統(tǒng)，其特征在于，包括：

2.如權(quán)利要求1所述的基于人工智能的安全生產(chǎn)的實(shí)時監(jiān)控系統(tǒng)中，其特征在于，獲取煙霧濃度和煙霧位置的變化序列，包括：

3.如權(quán)利要求2所述的基于人工智能的安全生產(chǎn)的實(shí)時監(jiān)控系統(tǒng)中，其特征在于，通過多張語義分割后的圖像的煙霧區(qū)域的最高濃度和最高濃度位置獲得所述變化序列，包括：

4.如權(quán)利要求3所述的基于人工智能的安全生產(chǎn)的實(shí)時監(jiān)控系統(tǒng)中，其特征在于，所述煙霧區(qū)域的灰度值和所述煙霧濃度之間的映射關(guān)系的獲取方法包括：

5.如權(quán)利要求1所述的基于人工智能的安全生產(chǎn)的實(shí)時監(jiān)控系統(tǒng)中，其特征在于，所述lstm模型的損失函數(shù)為均方差損失函數(shù)，且使用梯度下降法進(jìn)行訓(xùn)練。

6.如權(quán)利要求1所述的基于人工智能的安全生產(chǎn)的實(shí)時監(jiān)控系統(tǒng)中，其特征在于，所述未來的煙霧濃度和煙霧位置為20s后的煙霧濃度和煙霧位置。

7.如權(quán)利要求1所述的基于人工智能的安全生產(chǎn)的實(shí)時監(jiān)控系統(tǒng)中，其特征在于，所述引力場函數(shù)為：

8.如權(quán)利要求1所述的基于人工智能的安全生產(chǎn)的實(shí)時監(jiān)控系統(tǒng)中，其特征在于，所述數(shù)字孿生車間模型包括車間人員的位置、車間安全出口的位置和車間人員通道。

技術(shù)總結(jié)
本發(fā)明涉及安全監(jiān)控技術(shù)領(lǐng)域，具體涉及基于人工智能的安全生產(chǎn)的實(shí)時監(jiān)控系統(tǒng)。所述系統(tǒng)包括：處理器、存儲器、煙霧傳感器和攝像裝置，所述存儲器存儲有計算機(jī)程序指令，當(dāng)所述計算機(jī)程序指令被所述處理器執(zhí)行時，實(shí)現(xiàn)：將采集的車間圖像輸入語義分割模型，獲取煙霧濃度和煙霧位置的變化序列；將所述煙霧濃度和煙霧位置的變化序列輸入一個訓(xùn)練好的LSTM模型，預(yù)測未來的煙霧濃度和煙霧位置；通過引力場函數(shù)疊加斥力場函數(shù)在數(shù)字孿生車間模型中計算逃生路線；判斷實(shí)時采集的煙霧濃度和所述未來的煙霧濃度之間的差異是否超過預(yù)設(shè)值，若是，則重新確定逃生路線。本發(fā)明的系統(tǒng)生成的逃生路線的安全性更高。

技術(shù)研發(fā)人員：王建東,黃以寬,王東亮
受保護(hù)的技術(shù)使用者：三智信息技術(shù)（洛陽）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19