CN113642487A - 一种应用于安全生产的基于人工智能的方法及系统 - Google Patents
一种应用于安全生产的基于人工智能的方法及系统 Download PDFInfo
- Publication number
- CN113642487A CN113642487A CN202110950058.2A CN202110950058A CN113642487A CN 113642487 A CN113642487 A CN 113642487A CN 202110950058 A CN202110950058 A CN 202110950058A CN 113642487 A CN113642487 A CN 113642487A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- artificial intelligence
- training
- database
- production
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 claims abstract description 81
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000013480 data collection Methods 0.000 claims abstract description 8
- 238000012423 maintenance Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 37
- 238000000605 extraction Methods 0.000 claims description 17
- 238000002372 labelling Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims 1
- 239000003245 coal Substances 0.000 description 27
- 238000007726 management method Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000005065 mining Methods 0.000 description 10
- 230000005641 tunneling Effects 0.000 description 9
- 239000011435 rock Substances 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000012502 risk assessment Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004873 anchoring Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- -1 fire Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 239000002920 hazardous waste Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013058 risk prediction model Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Mining & Mineral Resources (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Alarm Systems (AREA)
Abstract
本发明提出了一种应用于安全生产的基于人工智能的方法及系统，涉及人工智能领域。一种应用于安全生产的基于人工智能的方法包括：在预设生产环境监测维护中，对监测主体进行数据收集和状态监测，从而获取图像信息；根据图像信息进行特征提取，并识别是否满足预设条件，根据识别结果进行反馈；将反馈结果输入数据库，通过不断完善数据库使人工智能算法预测可能出现的情形，并进行事件处理。其能够对监测主体进行追踪，并去除与监测主体无关内容，还可以根据图像差异分析运动轨迹进行运动预判，达到智能监测报警的目的。此外本发明还提出了一种应用于安全生产的基于人工智能的系统。
Description
技术领域
本发明涉及人工智能领域，具体而言，涉及一种应用于安全生产的基于人工智能的方法及系统。
背景技术
目前，按照煤炭行业的业务框架,普遍将煤炭行业的业务应用划分为智慧感知、生产执行、安全保障、生产经营、综合决策5个业务域。其中的数据通过大数据分析、人工智能处理后面向各级部门提供开放、共享的应用服务。五大业务域中智慧感知业务域一般包括矿井安全监控、人员定位、矿压监测、粉尘监控、煤与瓦斯突出监测、防灭火监测、水环境监测、大气环境监测、声环境监测、固体废物处置监测、危险废物储存与处置、生态环境监测等方面的相关系统；生产执行业务域一般包括智能工作面、智能掘进工作面、智能主、辅运输系统等生产过程系统,按照“集中管理、分散控制”的原则,建设集采集、处理、控制、协调、综合智能判断于一体的综合自动化控制系统；安全保障业务域一般包括危险源管理、隐患排查管理、违章监督管理、矿井协同设计、精准地质信息等系统；生产经营业务域一般包括OA办公、人力资源管理、财务管理、成本管理、物资供应管理、运销管理、仓储和物流管理、合同管理等系统；综合决策业务域一般包括安全生产调度指挥系统、应急救援指挥系统和应用大数据分析、机器学习和案例推演等技术建立的各类智能决策系统等。
以上5个业务域虽然将煤炭行业的业务类型涵盖完整,但是要将其各个层级业务数据有效利用起来还需要根据其特性进行科学分类。
且目前煤矿井下条件恶劣，在采矿过程中会受到了瓦斯、顶板、透水等自然灾害的威胁。目前对于采矿人员的管理方式采用下矿前登记方式，并在矿井下实时监控人员信息，获取采矿人员的状态信息，并上传至监控端进行监控。这些方式依托于互联网的发展来使用的手段，可以对采矿人员进行实时监控。
但是在对采矿区采矿人员下矿数量，采矿人员信息，当前采矿过程需求的人员需求信息，设备运行安全状态信息等等无法进行更为细致的管理，导致管理较为松散，容易处理监控漏洞，而使得出现矿区安全事故。
发明内容
本发明的目的在于提供一种应用于安全生产的基于人工智能的方法，其能够对监测主体进行追踪，并去除与监测主体无关内容，还可以根据图像差异分析运动轨迹进行运动预判，达到智能监测报警的目的。
本发明的另一目的在于提供一种应用于安全生产的基于人工智能的系统，其能够运行一种应用于安全生产的基于人工智能的方法。
本发明的实施例是这样实现的：
第一方面，本申请实施例提供一种应用于安全生产的基于人工智能的方法，其包括在预设生产环境监测维护中，对监测主体进行数据收集和状态监测，从而获取图像信息；根据图像信息进行特征提取，并识别是否满足预设条件，根据识别结果进行反馈；将反馈结果输入数据库，通过不断完善数据库使人工智能算法预测可能出现的情形，并进行事件处理。
在本发明的一些实施例中，上述在预设生产环境监测维护中，对监测主体进行数据收集和状态监测，从而获取图像信息包括：通过创建数据集，对需要进行训练的数据进行管理并进行数据标注。
在本发明的一些实施例中，上述还包括：基于notebook建模工具进行深度定制化和优化，建模任务新建，释放，删除notebook建模任务、notebook 建模任务查询列表可展示实验状态和详细信息。
在本发明的一些实施例中，上述根据图像信息进行特征提取，并识别是否满足预设条件，根据识别结果进行反馈包括：在图像特征提取完成卷积计算的情况下，使用分类器对图像特征提取模型最后一卷积层输出的图像特征数据进行标注，得到标注结果。
在本发明的一些实施例中，上述还包括：根据标注结果确定继续训练还是结束训练，直至根据标注结果确定结束训练，得到训练后的图像特征提取模型。
在本发明的一些实施例中，上述将反馈结果输入数据库，通过不断完善数据库使人工智能算法预测可能出现的情形，并进行事件处理包括：根据任务式自动化模型训练方式对数据库中的模型进行训练，其中，自动化模型训练包括创建训练、任务查看运行时间、任务状态、训练进度、查看详情、查看日志、支持自动调参、删除。
在本发明的一些实施例中，上述还包括：通过不断完善数据库对监测主体进行对应的模型匹配，并根据图像差异分析运动轨迹及运动预判，然后进行数据监控告警。
第二方面，本申请实施例提供一种应用于安全生产的基于人工智能的系统，其包括采集模块，用于在预设生产环境监测维护中，对监测主体进行数据收集和状态监测，从而获取图像信息；
提取模块，用于根据图像信息进行特征提取，并识别是否满足预设条件，根据识别结果进行反馈；
训练处理模块，用于将反馈结果输入数据库，通过不断完善数据库使人工智能算法预测可能出现的情形，并进行事件处理。
在本发明的一些实施例中，上述包括：用于存储计算机指令的至少一个存储器；与上述存储器通讯的至少一个处理器，其中当上述至少一个处理器执行上述计算机指令时，上述至少一个处理器使上述系统执行：采集模块、提取模块及训练处理模块。
第三方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如一种应用于安全生产的基于人工智能的方法中任一项的方法。
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：
其能够对监测主体进行追踪，并去除与监测主体无关内容，还可以根据图像差异分析运动轨迹进行运动预判，达到智能监测报警的目的。实现对待办事项、重大隐患、逾期隐患的提醒；基于工作流的隐患排查治理流程，用户可根据部门/角色/岗位自定义各流程节点及人员；具备与安全监控系统、人员定位系统、数字工业视频及各生产过程控制系统数据集成的功能，实现矿井各类风险点的动态监测及告警。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种应用于安全生产的基于人工智能的方法步骤示意图；
图2为本发明实施例提供的一种应用于安全生产的基于人工智能的方法详细步骤示意图；
图3为本发明实施例提供的一种应用于安全生产的基于人工智能的系统模块示意图；
图4为本发明实施例提供的一种电子设备。
图标：10-采集模块；20-提取模块；30-训练处理模块；101-存储器； 102-处理器；103-通信接口。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
实施例1
请参阅图1，图1为本发明实施例提供的一种应用于安全生产的基于人工智能的方法步骤示意图，其如下所示：
步骤S100，在预设生产环境监测维护中，对监测主体进行数据收集和状态监测，从而获取图像信息；
在一些实施方式中，监测主体可以是水位，通过对水位的实时监控，出现水量突然增加情况，通过系统及时告警，通知生产人员快速排放积水，避免出现安全事故。
在一些实施方式中，采集生产环境的图像，判断水位是否超高，若不是，则将判断结果传输至人工智能学习数据库中，若是，则进行系统报警。然后人工判断是否识别正确，若判断错误，则将判断结果记录至人工智能学习数据库中，若是，则进行事件处理。
步骤S110，根据图像信息进行特征提取，并识别是否满足预设条件，根据识别结果进行反馈；
在一些实施方式中，监测主体可以是挡车设施，图像信息可以是监测主体的图像信息，通过挡车设施的图像分析，对挡车设施状态进行监控，在发现挡车设施未复位、断裂以及掉落等异常状态后及时报警，通知相关人员对寸挡车设施异常进行恢复，避免因挡车设施异常造成车辆拦截失败带来的安全问题。
在一些实施方式中，采集挡车设施的图像，判断挡车设施是否复位，若没有复位，则将判断结果传输至人工智能学习数据库中，若复位，则再次判断车辆是否正在通过，若是，则再次判断车设施是否复位，若不是，则系统报警。然后人工判断是否识别正确，若判断错误，则将判断结果记录至人工智能学习数据库中，若是，则进行事件处理。
步骤S120，将反馈结果输入数据库，通过不断完善数据库使人工智能算法预测可能出现的情形，并进行事件处理。
在一些实施方式中，可以在人群中分辨普通工人、安全员和带班领导，根据设定的班次时间。若安全员、带班领导在当班时间段内未出现在视频中，系统发出空班报警，若在一段时间内一直未出现，系统发出擅离职守报警。
在一些实施方式中，加载工人、安全员、带班领导数据模型，判断是否发现安全员或带班领导，若是，则直接结束，若不是，则累计时间，然后判断是否超过预设时间，若否，则直接结束，若不是，则发出告警信息。
实施例2
请参阅图2，图2为本发明实施例提供的一种应用于安全生产的基于人工智能的方法详细步骤示意图，其如下所示：
步骤S200，通过创建数据集，对需要进行训练的数据进行管理并进行数据标注。
步骤S210，基于notebook建模工具进行深度定制化和优化，建模任务新建，释放，删除notebook建模任务、notebook建模任务查询列表可展示实验状态和详细信息。
步骤S220，在图像特征提取完成卷积计算的情况下，使用分类器对图像特征提取模型最后一卷积层输出的图像特征数据进行标注，得到标注结果。
步骤S230，根据标注结果确定继续训练还是结束训练，直至根据标注结果确定结束训练，得到训练后的图像特征提取模型。
步骤S240，根据任务式自动化模型训练方式对数据库中的模型进行训练，其中，自动化模型训练包括创建训练、任务查看运行时间、任务状态、训练进度、查看详情、查看日志、支持自动调参、删除。
步骤S250，通过不断完善数据库对监测主体进行对应的模型匹配，并根据图像差异分析运动轨迹及运动预判，然后进行数据监控告警。
在一些实施方式中，煤矿安全生产动态诊断应用是指利用地理信息系统(GIS)结合数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现技术服务于决策的目的。系统以大数据、云计算、互联网、数据挖掘技术为支撑，以各类安全生产规程、规范为依据，结合综合自动化、在线监测(水、火、瓦斯、顶板等)、以及煤矿安全生产日常获取的动态数据和历史数据，基于动态三维地质模型和虚拟矿井平台，对煤矿安全生产的各类信息进行展示、分析、推理，挖掘历史数据中蕴含的模式和知识，诊断并概括现势安全状态，预测未来安全形势，实现煤矿安全生产的动态诊断和辅助决策。
例如，透水风险预测预警应用场景，应用分维理论对影响顶板突水的褶曲、断层进行分析，并对顶板冒裂带内砂石、质岩层的厚度进行栅格化，应用地理信息系统GIS的多元信息符合分析法，建立顶板水害间接预测的数学模型，并基于工业互联网平台提供模型训练、预测服务，呈现含水层在空间上的变化特点和规律，并优化布置水文监测传感器，实现矿井井下实时动态的透水预测预警应用机制。
例如，冲击地压风险预测预警应用场景，由于原岩应力区煤巷掘进冲击地压问题日益突出,且现场破坏具有区间性和方位性特征,为揭示这一机制,针对深部构造应力场条件下的煤层掘巷,基于数值模拟和理论分析研究, 建立不同掘进速度下围岩弹性能空间分区演化模型,划定能量非稳态释放边界,分析其分布形态与能量特征，并结合井下围岩变形、断层活动和采场附近关键层破裂程度监测手段，通过基于工业互联网平台提供的技术手段实现冲击地压预警预测应用。
例如，瓦斯突出风险预测预警应用场景，从煤层赋存参数、瓦斯赋存、煤体结构、地质构造等方面建立瓦斯突出危险性评价指标体系，并从瓦斯涌出、防突措施缺陷、瓦斯地质、微震、声发射与危险源的空间距离等角度建立瓦斯突出因素预警指标和模型，研究基于多源传感器融合的矿井瓦斯释放源定位算法，结合工业互联网平台大数据分析挖掘服务，实现瓦斯突出源的精确定位。
例如，长距离智能掘进顶板事故风险应用场景，针对长距离巷道掘进过程中，巷道顶板事故多发于掘进工作面及巷道交叉点处，且具有多发性、不确定性、破坏性强等特点，需从地质方面、设计方面和施工方面，分析顶板事故成因及机理，找出相应规律，并利用顶板围岩监测预警技术，基于揭露的地质数据和水文勘测数据，利用工业互联网平台大数据分析挖掘服务，进行顶板事故位置、时间的准确预测，从而采取针对性措施,完善作业规程和措施、强化工程质量标准化管理。
例如，自燃发火风险预测预警应用场景，煤矿井下自然发火是一个复杂的物理和化学反应过程，针对煤矿自然发火的预测问题，研究煤矿井下自然发火产生的各种条件，揭示煤矿井下煤自然发火的规律，结合井下光纤测温、束管监测等方法，提取并分析引起自燃发火的气体成分，包括 CH4/CO、O2/CO2等指标(浓度比)，并在指标气体分析法的基础上构建基于综合因素评判、经验统计、神经网络等方法，利用工业互联网平台提供的模型训练及分析服务，判断检测点是否发火并预报。
在一些实施方式中，基于建立的透明化掘进工作面场景，通过适配煤矿井下主流设备通讯协议，如OPC(UA)、Modbus RTU、Modbus TCP等，支持Socket UDP/TCP等私有协议的开发。实现透明化掘进工作面平台和设备之间的数据交换，可以通过网络实时采集控制器(PLC或分站)的实时数据，将用户设定的参数写入到控制器的ROM中，实现对控制器、传感器的监测和控制。通过透明化掘进工作面的可视化脚本编程功能，实现对井下掘进工作面设备的可视化展示以及基于三维组态的监控功能，将各运转部件的关键技术参数和实际运行状态在平台里关联，保障数据驱动和仿真的真实性。实现掘锚一体机远程可视化监控系统，提供采集数据上传至井下操作台和地面调度室、画面显示及控制功能，通过可视化系统可实现远程监控功能；实现对锚运破一体机的履带、油泵、钻机、破碎、转运等部件运行状态的监控，对保护系统的漏电闭锁、过载、短路、断相、过压、欠压等故障信息的提示及信息推送功能；实现对锚运破一体机的锚杆施工数量和油泵参数的监测，通过专用数据模型计算每台钻机的锚护数据，并形成质量分析报告；集成输送机和巷道已有胶带运输监控系统数据，实现对运输设备的电机开停及电参数、皮带沿线传感器保护状态、皮带速度等参数的监测。
在一些实施方式中，煤炭工业互联网赋能平台通过这大量的机理模型的智能化建设为行业赋能，如煤矿事故风险评估及判识预警模型，煤矿采掘机运通生产系统风险评估和预警模型，煤炭产量、成本及价格风险分析模型，煤矿节能减排与电力消耗风险分析及预测模型，井下人员典型违章及超员风险分析与预警模型，煤矿人机环管隐患判识与闭环管控模型，煤矿设备重大设备故障风险分析及远程诊断模型等，这些模型的智能化实施需要中心云端和边缘云端系统运作。
边缘节点一方面为云端AI模型训练提供数据输入，一方面负责边缘推理执行(AIInference)；云端通过大数据分析抽象提炼关键参数模型，持续优化模型训练(AITraining)，并给出优化调整建议，保证分析预测结果的真实可靠性，为管理、运营决策提供支撑。
在一些实施方式中，煤炭工业互联网赋能与公共服务平台的技术架构，由中心云平台和边缘平台两部分组成，其中中心云平台分为IaaS层、PaaS 层、SaaS层三个层次。煤炭工业互联网赋能与公共服务平台以工业互联网标准为引领、工业互联网安全体系为保障，面向企业提供综合依托数据流、信息流、业务流提供安全生产辅助和经营决策的能力，面向政府提供统计分析、安全监管、应急处置、资源感知、行业管理等方面的支撑，面向行业提供在促进产业转型和消费升级中实现行业高质量发展的服务。其中，中心平台以安科院云平台为依托，为行业企业提供赋能与公共服务；边缘平台以同煤、兖矿等企业云为依托，构建集数据采集、边缘计算、数据汇聚于一体的边缘平台。
实施例3
请参阅图3，图3为本发明实施例提供的一种应用于安全生产的基于人工智能的系统模块示意图，其如下所示：
采集模块10，用于在预设生产环境监测维护中，对监测主体进行数据收集和状态监测，从而获取图像信息；
提取模块20，用于根据图像信息进行特征提取，并识别是否满足预设条件，根据识别结果进行反馈；
训练处理模块30，用于将反馈结果输入数据库，通过不断完善数据库使人工智能算法预测可能出现的情形，并进行事件处理。
如图4所示，本申请实施例提供一种电子设备，其包括存储器101，用于存储一个或多个程序；处理器102。当一个或多个程序被处理器102执行时，实现如上述第一方面中任一项的方法。
还包括通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101 可用于存储软件程序及模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103 可用于与其他节点设备进行信令或数据的通信。
其中，存储器101可以是但不限于，随机存取存储器101 (Random Access Memory，RAM)，只读存储器101(Read Only Memory， ROM)，可编程只读存储器101(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器101(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器101(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。
处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器 102可以是通用处理器102，包括中央处理器102 (Central Processing Unit，CPU)、网络处理器102(Network Processor，NP)等；还可以是数字信号处理器102(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请所提供的实施例中，应该理解到，所揭露的方法及系统和方法，也可以通过其它的方式实现。以上所描述的方法及系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的方法及系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
另一方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器101(ROM， Read-Only Memory)、随机存取存储器101(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述，本申请实施例提供的一种应用于安全生产的基于人工智能的方法及系统，其能够对监测主体进行追踪，并去除与监测主体无关内容，还可以根据图像差异分析运动轨迹进行运动预判，达到智能监测报警的目的。实现对待办事项、重大隐患、逾期隐患的提醒；基于工作流的隐患排查治理流程，用户可根据部门/角色/岗位自定义各流程节点及人员；具备与安全监控系统、人员定位系统、数字工业视频及各生产过程控制系统数据集成的功能，实现矿井各类风险点的动态监测及告警。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种应用于安全生产的基于人工智能的方法，其特征在于，包括：
在预设生产环境监测维护中，对监测主体进行数据收集和状态监测，从而获取图像信息；
根据图像信息进行特征提取，并识别是否满足预设条件，根据识别结果进行反馈；
将反馈结果输入数据库，通过不断完善数据库使人工智能算法预测可能出现的情形，并进行事件处理。
2.如权利要求1所述的一种应用于安全生产的基于人工智能的方法，其特征在于，所述在预设生产环境监测维护中，对监测主体进行数据收集和状态监测，从而获取图像信息包括：
通过创建数据集，对需要进行训练的数据进行管理并进行数据标注。
3.如权利要求2所述的一种应用于安全生产的基于人工智能的方法，其特征在于，还包括：
基于notebook建模工具进行深度定制化和优化，建模任务新建，释放，删除notebook建模任务、notebook建模任务查询列表可展示实验状态和详细信息。
4.如权利要求1所述的一种应用于安全生产的基于人工智能的方法，其特征在于，所述根据图像信息进行特征提取，并识别是否满足预设条件，根据识别结果进行反馈包括：
在图像特征提取完成卷积计算的情况下，使用分类器对图像特征提取模型最后一卷积层输出的图像特征数据进行标注，得到标注结果。
5.如权利要求4所述的一种应用于安全生产的基于人工智能的方法，其特征在于，还包括：
根据标注结果确定继续训练还是结束训练，直至根据标注结果确定结束训练，得到训练后的图像特征提取模型。
6.如权利要求1所述的一种应用于安全生产的基于人工智能的方法，其特征在于，所述将反馈结果输入数据库，通过不断完善数据库使人工智能算法预测可能出现的情形，并进行事件处理包括：
根据任务式自动化模型训练方式对数据库中的模型进行训练，其中，自动化模型训练包括创建训练、任务查看运行时间、任务状态、训练进度、查看详情、查看日志、支持自动调参、删除。
7.如权利要求6所述的一种应用于安全生产的基于人工智能的方法，其特征在于，还包括：
通过不断完善数据库对监测主体进行对应的模型匹配，并根据图像差异分析运动轨迹及运动预判，然后进行数据监控告警。
8.一种应用于安全生产的基于人工智能的系统，其特征在于，包括：
采集模块，用于在预设生产环境监测维护中，对监测主体进行数据收集和状态监测，从而获取图像信息；
提取模块，用于根据图像信息进行特征提取，并识别是否满足预设条件，根据识别结果进行反馈；
训练处理模块，用于将反馈结果输入数据库，通过不断完善数据库使人工智能算法预测可能出现的情形，并进行事件处理。
9.如权利要求8所述的一种应用于安全生产的基于人工智能的系统，其特征在于，包括：
用于存储计算机指令的至少一个存储器；
与所述存储器通讯的至少一个处理器，其中当所述至少一个处理器执行所述计算机指令时，所述至少一个处理器使所述系统执行：采集模块、提取模块及训练处理模块。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110950058.2A CN113642487A (zh) | 2021-08-18 | 2021-08-18 | 一种应用于安全生产的基于人工智能的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110950058.2A CN113642487A (zh) | 2021-08-18 | 2021-08-18 | 一种应用于安全生产的基于人工智能的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113642487A true CN113642487A (zh) | 2021-11-12 |
Family
ID=78422746
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110950058.2A Withdrawn CN113642487A (zh) | 2021-08-18 | 2021-08-18 | 一种应用于安全生产的基于人工智能的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113642487A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114519392A (zh) * | 2022-02-14 | 2022-05-20 | 煤炭科学研究总院有限公司 | 冲击地压的预警方法及装置、电子设备和存储介质 |
-
2021
- 2021-08-18 CN CN202110950058.2A patent/CN113642487A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114519392A (zh) * | 2022-02-14 | 2022-05-20 | 煤炭科学研究总院有限公司 | 冲击地压的预警方法及装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103456136B (zh) | 物联网构架水利水电工程重大事故安全隐患监测预警系统 | |
| CN112766909A (zh) | 适用于舰船消防安全的智能管控系统及方法、计算机介质 | |
| CN108915771A (zh) | 云控矿山综合管理系统 | |
| CN113688459A (zh) | 基于bim与ai的施工现场安全管理系统 | |
| CN113706355A (zh) | 化工园区智慧应急系统搭建方法 | |
| CN107146024A (zh) | 建筑企业全过程立体动态安全管理方法 | |
| CN112785458A (zh) | 一种桥梁健康大数据智能管养系统 | |
| SA516371432B1 (ar) | طريقة لتوليد بيانات في سلسلة إمداد للزيت والغاز من أجل التوافق مع نظم خارجية | |
| US20170193414A1 (en) | Global management for oil gas assets | |
| CN103106542A (zh) | 一种数据分析及处理系统 | |
| CN117853078B (zh) | 基于无人机的建筑工程施工现场动态安全报警系统及方法 | |
| KR20220057132A (ko) | 스마트 안전 통합 관제 시스템 | |
| CN108509486A (zh) | 一种智能工厂多源安全大数据结构化管理方法 | |
| CN112071032A (zh) | 一种危险化学品重大危险源报警分级管理系统 | |
| CN111178828A (zh) | 一种建筑消防安全预警的方法和系统 | |
| CN116480412A (zh) | 矿井灾害救援方法及装置 | |
| CN118071159B (zh) | 一种基于gpt的智慧园区安全应急管理系统及方法 | |
| Lu et al. | Using cased based reasoning for automated safety risk management in construction industry | |
| CN113642487A (zh) | 一种应用于安全生产的基于人工智能的方法及系统 | |
| CN116777085B (zh) | 基于数据分析和机器学习技术的煤矿水害预测系统 | |
| Slashchov et al. | Development of digital technologies for the systems of remote mining safety monitoring | |
| US10438012B2 (en) | Interface to generate data compatible with an external system in an oil and gas asset supply chain | |
| CN116909235A (zh) | 一种智能工厂的监控方法及其监控系统、电子设备 | |
| Hai et al. | Target spectrum-based risk analysis model for utility tunnel O&M in multiple scenarios and its application | |
| Jin et al. | Application methodology of big data for emergency management |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211112 |