CN112004064A

CN112004064A - 基于ai识别加油站区域安全风险行为的管理平台及方法

Info

Publication number: CN112004064A
Application number: CN202010917599.0A
Authority: CN
Inventors: 陈友明
Original assignee: Sichuan Honghe Communication Co ltd
Current assignee: Sichuan Honghe Communication Co ltd
Priority date: 2020-09-03
Filing date: 2020-09-03
Publication date: 2020-11-27

Abstract

本发明公开了基于AI识别加油站区域安全风险行为的管理平台及方法，所述方法包括：S1：使用流媒体子系统采集加油站区域的视频图像获得视频流数据；同时使用流媒体子系统将获取的视频流数据存储至数据存储模块；S2：算法平台子系统通过流媒体子系统解码模块将视频流数据转换为RGB32或YUV420格式图片数据；S3：算法平台子系统对RGB32或YUV420格式图片数据进行算法分析和AI识别得到预警信息；再将预警信息传输给预警推送子系统，同时将预警信息存储至数据存储模块；S4：预警推送子系统根据预警信息推送规则将预警信息推送至预警接收处置子系统；S5：预警接收处置子系统负责接收预警信息，并将预警信息进行处置和展示，再存储至数据存储模块。

Description

基于AI识别加油站区域安全风险行为的管理平台及方法

技术领域

本发明涉及计算机领域中的人工智能领域、图形图像技术，具体涉及基于AI识别加油站区域安全风险行为的管理平台及方法。

背景技术

中国加油站在建立之初根据安防要求，在各区域安装摄像机，如：收银区、卸油区、加油岛等区域，通过摄像机录像的方式对加油站安全作业、安全运营进行考察。这种方式存在较大的缺陷，无法及时快速、有效的将安全预警信息、各类风险信息传递到管理者。

油企在对管辖内加油站站点进行管理时，也只有通过监控视频、录像去查阅和取证，安全事件发生后无法第一时间传递到油企管理人员；另外一方面，对加油站站点人员管理、巡检管理也无法有效实施。

加油站安全风险管理根据其业务主要分为：输入性风险、作业违规风险、设备状态异常风险。对于输入性风险，比如：在加油站区域抽烟、打电话，坐防撞栏、闯入卸油区域等，加油站采用的都是人工干预的方式去制止这类风险发生，人工干预的方式往往因为其他原因而忽视了这类风险，而达不到及时制止和干预的效果，作为管理者，也无法及时的掌握到安全风险预警信息，更不能进行远程指挥协调。

作业违规风险主要是包括卸油作业和巡检作业中存在的风险，卸油作业过程中，实施人员通常并没有严格按照加油站卸油规范标准执行，在卸油某些环节会出现作业违规的事件发生，但是油站管理人员无法及时发现和制止，因此存在较大的安全隐患。

加油站日常巡检作业是由巡检员通过纸质的看板作业，对巡检区域进行检查，并在看板作业进行质量、标准确认，巡检完成后看板作业提交到站长，再由站长签字确认巡检的有效性和真实性。这种传统的巡检作业方式存在几个问题，一是无法判定是指定的人去做巡检作业，存在巡检替岗的事情发生；二是无法确定巡检人到巡检现场进行作业；三是无法有效对巡检内容的质量进行监督和评估。设备状态异常风险主要包括加油机的跑冒滴漏问题、设备出现火花、油污、线路故障等，如果在巡检作业中对巡检内容质量把控不严，也会造成重大的安全隐患。

油企在加油站卸油作业时，只能通过传统的监控进行监督，但通常会遇到网络不通畅，导致效果不佳。卸油作业是通过油站的纸质看板作业进行卸油相关数据的填写，包括：三方核对、卸油数量、油罐车信息、质量检查、数量验收等信息，每个作业流程都会有对应的责任人进行签字确认，确保卸油作业流程规范和清晰，责任划分明确。最后卸油完成后，卸油看板作业表由各个加油站定期上报到油企管理端，但这种传统的方式无法保证数据及时性和有效性，对油企管理者来说，无法对卸油作业中的违规操作进行监督和纠偏。卸油流程的监管大多采用抽查的方式和事后录像调阅的方式对卸油作业流程进行监督，无法及时、有效的对卸油作业违规情况进行干预。

卸油作业作为加油站安全管理中最重要的一环，除了日常的人员培训、卸油监督以外，还配备了液位仪、油气浓度、防侧漏等外部设备，以便实时对加油站地罐状态和数据进行监督。但这类数据无法实时和油企管理端联通，信息无法共享，如果出现问题也只能事后查证，不能在问题发生前预警。

发明内容

本发明所要解决的技术问题是现有技术中存在的油企管理者对油站安全作业规范和标准监管不到位，对输入风险、设备状态等信息监管滞后、无法提供决策的问题，目的在于提供基于AI识别加油站区域安全风险行为的管理平台及方法，解决上述背景技术中遇到的问题。

本发明通过下述技术方案实现：

基于AI识别加油站区域安全风险行为的管理平台，包括：

流媒体子系统、算法平台子系统、预警推送子系统、预警接收处置子系统、数据存储模块；

所述流媒体子系统用于采集加油站区域的视频图像以获得视频流数据，并为平台其他子系统提供RTSP服务和视频流解码服务；所述流媒体子系统还用于将视频流数据以标准h264编码格式存储至数据存储模块，同时提供RTSP视频流转发服务；所述流媒体子系统包含流媒体子系统解码模块；

所述算法平台子系统用于通过流媒体子系统解码模块将视频流数据转换为RGB32或YUV420格式图片数据进行算法分析和AI识别用以获取预警信息、同时将预警信息存储至数据存储模块；

所述预警推送子系统用于将预警信息根据预警信息推送规则推送至预警接收处置子系统；

所述预警接收处置子系统用于接收预警信息，并将预警信息进行处置和展示获得预警处置过程数据，再将预警处置过程数据存储至数据存储模块；

所述数据存储模块用于存储数据。

流媒体子系统用于采集加油站区域的视频信息和图像获得视频流数据，所述视频信息和图像包括但不限于车辆、人员、设备以及加油、卸油过程的实时监控。流媒体子系统负责底层视频流数据数据的接入、视频流转发功能，提供文件存储功能、RTSP服务、视频流解码服务，提供预警接收处置子系统的视频直播、录像查看、录像下载等功能。算法平台子系统负责对输入图像数据进行算法分析、AI识别；算法平台子系统包含作业违规、输入性风险、设备状态等50余类算法；算法平台子系统分为算法引擎、算法调度、算法建模、算法API等子模块。预警推送子系统负责和算法平台子系统进行数据交互，将算法平台预警信息和上层业务系统进行关联，并通过关联信息进行预警信息的订阅和推送。预警接收处置子系统负责接收和处置预警信息的各类终端系统，将预警信息进行处置、展示、存储，预警接收处置子系统包括但不限于预警APP、微信小程序、Web平台、客户端。

进一步地，基于AI识别加油站区域安全风险行为的管理平台，所述预警接收处置子系统包括预警APP、微信小程序、客户端程序、Web管理后台。

进一步地，基于AI识别加油站区域安全风险行为的管理平台，所述预警信息用以图片、文字、视频的方式展现。

基于AI识别加油站区域安全风险行为的方法，包括：

S1：使用流媒体子系统采集加油站区域的视频图像获得视频流数据；同时使用流媒体子系统将获取的视频流数据存储至数据存储模块，用于后期视频回放和调阅；

S2：算法平台子系统通过流媒体子系统解码模块将视频流数据转换为RGB32或YUV420格式图片数据；

S3：算法平台子系统对RGB32或YUV420格式图片数据进行算法分析和AI识别得到预警信息；再将预警信息传输给预警推送子系统，同时将预警信息存储至数据存储模块；

S4：预警推送子系统根据预警信息推送规则将预警信息推送至预警接收处置子系统；

S5：预警接收处置子系统负责接收预警信息，并将预警信息进行处置和展示，再存储至数据存储模块。

进一步地，基于AI识别加油站区域安全风险行为的方法，所述预警信息推送具体包括：

S41：管理人员根据组织架构、角色权限，制定预警信息推送规则；

S42：算法平台子系统对RGB32或YUV420格式图片数据进行AI算法识别，并产生预警信息；

S43：预警推送子系统根据预警信息推送规则，将预警信息推送到处理人进行处理，并转发抄送人；所述处理人进行处理包括但不限于填写处置意见、上传处置证据；

S44：处理人处理完成后，将预警信息转发至审核人，并抄送到抄送人；

S45：审核人对预警信息处理过程进行审核，如未通过，则过返回步骤S43；如通过，则完成本次预警信息处置，并进行信息存储。

进一步地，基于AI识别加油站区域安全风险行为的方法，所述S42中产生预警信息具体包括：

S421：配置算法参数，启动算法平台子系统里的AI识别算法；

S422：接入视频流数据，并将视频流数据进行解码，转换为RGB32或YUV420格式图片数据，再将RGB32或YUV420格式图片数据传入到算法识别接口，利用AI识别算法对RGB32或YUV420格式图片数据进行识别获得算法识别结果；

S423：根据算法类型和算法配置参数，对算法识别结果进行分类，得到预警信息，并输出预警信息在图片中的矩形坐标信息；

S424：根据预警推送规则，对预警信息进行推送。

进一步地，基于AI识别加油站区域安全风险行为的方法，所述AI识别算法主要包括：输入风险类算法、设备状态类算法、作业违规类算法；所述预警信息包括输入风险类预警信息、设备状态类预警信息、作业违规类预警信息。

进一步地，基于AI识别加油站区域安全风险行为的方法，所述预警信息根据危险等级划分为一般预警、重大预警、高危预警。

本发明与现有技术相比，具有如下的优点和有益效果：

1、本发明对加油站原有的监控系统进行升级赋能。对作业违规、输入性风险、设备状态预警信息实时分析和监控，并将各种预警信息进行等级分类，不同等级预警信息制订不同推送规则，预警信息可以通过移动互联网(APP、微信小程序)、PC客户端等多种方式进行预警信息订阅，预警信息包含图片、文字、视频。通过流媒体直播技术，将预警视频可以通过app、小程序等方式进行直播展示，让管理者可以及时收集预警信息，并为其提供决策依据，有效解决了传统油气站端和油企管理端信息不通畅、不及时的问题。

2、本发明采用人工智能图像识别算法，对油气站卸油流程作业进行监督，将卸油流程分为5个阶段，对每个阶段内的规定流程动作和行为采用图像识别的方式进行监督，并对作业动作、行为不规范进行预警提示，通过预警信息推送规则进行预警信息的推送。采用物联网技术，将油气站现有设备，如：液位仪、油气浓度检测装置、防侧漏装置等外部设备接入到平台中，并根据各种外部设备预警阈值进行设置，配合卸油流程作业进行实时展示、实时预警。

3、本发明在加油站日常巡检作业中集合外部设备(防爆平板)，对作业流程、步骤、内容、质量进行实时监督。当巡检作业开始时，巡检人通过人脸登录防爆平板并确定是本人后，开始进行巡检作业；巡检作业中的内容及标准在防爆平板中通过样例图展示和语音提醒；巡检人员巡检拍照过程中，对巡检内容通过AI图像识别算法实时检测，提高了对巡检作业内容和质量的要求标准；对巡检过程中遇到的故障、问题等也可以通过防爆平板拍照、录像的方式进行记录，并上传至管理平台系统。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为平台架构图。

图2为平台主业务流程图。

图3为预警信息推送分类。

图4为预警信息审核流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

如图1和图2所示，基于AI识别加油站区域安全风险行为的管理平台，包括：

所述数据存储模块用于存储数据。

所述预警接收处置子系统包括预警APP、微信小程序、客户端程序、Web管理后台。

所述预警信息用以图片、文字、视频的方式展现。

如图2所示，基于AI识别加油站区域安全风险行为的方法，包括：

所述预警信息推送具体包括：

所述S42中产生预警信息具体包括：

S421：配置算法参数，启动算法平台子系统里的AI识别算法；

S423：根据算法类型和算法配置参数，对算法识别结果进行分类，得到预警信息，并输出预警信息在图片中的矩形坐标信息。

所述AI识别算法主要包括：输入风险类算法、设备状态类算法、作业违规类算法；所述预警信息包括输入风险类预警信息、设备状态类预警信息、作业违规类预警信息。

所述预警信息根据危险等级划分为一般预警、重大预警、高危预警。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.基于AI识别加油站区域安全风险行为的管理平台，其特征在于，包括：

所述数据存储模块用于存储数据。

2.根据权利要求1所述的基于AI识别加油站区域安全风险行为的管理平台，其特征在于，所述预警接收处置子系统包括预警APP、微信小程序、客户端程序、Web管理后台。

3.根据权利要求1所述的基于AI识别加油站区域安全风险行为的管理平台，其特征在于，所述预警信息用以图片、文字、视频的方式展现。

4.基于AI识别加油站区域安全风险行为的方法，其特征在于，包括：

5.根据权利要求4所述的基于AI识别加油站区域安全风险行为的方法，其特征在于，所述预警信息推送具体包括：

6.根据权利要求5所述的基于AI识别加油站区域安全风险行为的方法，其特征在于，所述S42中产生预警信息具体包括：

S421：配置算法参数，启动算法平台子系统里的AI识别算法；

S424：根据预警推送规则，对预警信息进行推送。

7.根据权利要求6所述的基于AI识别加油站区域安全风险行为的方法，其特征在于，所述AI识别算法主要包括：输入风险类算法、设备状态类算法、作业违规类算法；所述预警信息包括输入风险类预警信息、设备状态类预警信息、作业违规类预警信息。

8.根据权利要求6所述的基于AI识别加油站区域安全风险行为的方法，其特征在于，所述预警信息根据危险等级划分为一般预警、重大预警、高危预警。