CN114504157A - 多功能安全帽及其工作方法 - Google Patents

Abstract

本发明提出了多功能安全帽及其工作方法，包括：采集作业场景内的电场信息；采集作业场景内的视频信息；确定安全帽到作业场景内其他物体的距离信息；根据所述电场信息、所述视频信息和所述距离信息，及预设的安全预测模型，得到安全预测结果；根据预测结果进行报警；本发明通过在安全帽上安装电场感应天线、摄像头和测距仪，并通过处理器中预设的安全预测模型，对采集的电场信息、视频信息及可能发生故障点的距离进行分析和预警，实现了对作业环境中进行安全预测的目的，根据预测结果对佩戴者进行提前报警，佩戴者可根据预警信息提前做出规避事故的动作，保障了佩戴者施工时的安全性。

Description

多功能安全帽及其工作方法

技术领域

本发明属于劳保用品技术领域，尤其涉及多功能安全帽及其工作方法。

背景技术

众所周知，目前的安全帽大都以一种劳保用品的形式存在于市面上，大都单纯的为了保护头部免受伤害而佩戴，仅具有防护作用，功能性单一，科技水平低，因此，在各类高科技产品盛行的今天，常规功能单一的安全帽已经不能满足人们的工作需要，尤其是对于电力工作来说，一款功能全面，安全性高的安全帽的设计显得尤为重要。

发明人发现，现有的安全帽功能单一，且只能对佩戴者起到安全防护功能，只能对风险程度较低，且比较单一的安全事故起到作用，并不能对作业周围环境进行安全预测，从而起到提前对佩戴者进行预警的作用。

发明内容

本发明为了解决上述问题，提出了一种多功能安全帽及其工作方法，通过在安全帽上安装电场感应天线、摄像头和测距仪，并通过处理器中预设的安全预测模型，对采集的电场信息、视频信息及可能发生故障点的距离进行分析和预警，实现了对作业环境中进行安全预测的目的，根据预测结果对佩戴者进行提前报警，佩戴者可根据预警信息提前做出规避事故的动作，保障了佩戴者施工时的安全性。

为了实现上述目的，第一方面，本发明提供了一种多功能安全帽，采用如下技术方案：

多功能安全帽，包括：

设置在安全帽顶部的电场感应天线，用于采集作业场景内的电场信息；

设置在安全帽侧面的摄像头，用于采集作业场景内的视频信息；

设置在安全帽侧面的测距传感器，用于确定安全帽到作业场景内其他物体的距离信息；

设置在所述安全帽侧面的预警器；所述预警器内设置有处理器，用于根据所述电场信息、所述视频信息和所述距离信息，及预设的安全预测模型，得到安全预测结果；所述预警器根据预测结果进行报警；

其中，所述安全预测模型通过安全帽采集的历史信息和机器学习算法学习得到。

进一步的，所述电场感应天线包括天线、多个三极管和蜂鸣器，蜂鸣器的声音频率由监测到的电场强弱以及距带电体的距离决定。

进一步的，安全帽的周向上设置有多个摄像头，每个摄像头附近均设置有测距传感器。

进一步的，所述安全预测模型的学习过程为：

获取包括电场信息、视频信息和距离信息的历史信息；

在所述历史信息中提取事故信息，包括发生触电故障时的电场频率和距带电体的距离，以及发生其他故障时视频中的故障点和故障点距安全帽的距离；

根据提取的事故信息和机器学习算法，学习得到所述安全预测模型；

所述安全预测模型根据故障种类和等级输出不同的预紧信息。

进一步的，所述机器学习算法采用LightGBM算法。

进一步的，所述安全帽上还设置有锂电池。

进一步的，所述安全帽上还设置有防眩目眼镜。

进一步的，所述安全帽上还设置有对讲机耳麦。

进一步的，所述安全帽上还设置有LED射灯。

为了实现上述目的，第二方面，本发明还提供了一种多功能安全帽工作方法，采用如下技术方案：

一种多功能安全帽工作方法，采用了如第一方面所述的多功能安全帽，包括：

采集作业场景内的电场信息；

采集作业场景内的视频信息；

确定安全帽到作业场景内其他物体的距离信息；

根据所述电场信息、所述视频信息和所述距离信息，及预设的安全预测模型，得到安全预测结果；

根据预测结果进行报警。

与现有技术相比，本发明的有益效果为：

1、本发明通过在安全帽上安装电场感应天线、摄像头和测距仪，并通过处理器中预设的安全预测模型，对采集的电场信息、视频信息及可能发生故障点的距离进行分析和预警，实现了对作业环境中进行安全预测的目的，根据预测结果对佩戴者进行提前报警，佩戴者可根据预警信息提前做出规避事故的动作，保障了佩戴者施工时的安全性。

2、本发明集多种功能与一身，佩戴该安全帽体积小、操作方便，便于携带，可根据现场作业需要，自行进行拆装佩戴，使得现场作业更加便捷，同时配备的电场感应天线，可以有效防止触电风险的发生，使现场作业更加安全。

附图说明

构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。

图1为本发明实施例1的结构示意图；

图2为本发明实施例2的结构示意图；

其中，1、对讲机耳麦，2、锂电池，3、电场感应天线，4、LED射灯，5、摄像头，6、防眩目眼镜，7、旋钮，8、摄像头开关，9、LED射灯开光，10、电场感应天线开关，11、测距传感器，12、预警器。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

实施例1：

如图1所示，一种多功能安全帽，包括帽体、帽檐和防眩目眼镜6，所述帽体前部安装LED射灯4以及微型摄像头5，所述微型摄像头5附近设置有测距传感器11，所述防眩目眼镜6位于所述帽檐下方，与所述帽体通过两侧旋钮7相连，所述帽体顶部安装有电场感应天线3，所述帽体侧面安装有对讲机耳麦1，所述帽体后侧安装有锂电池卡槽，内部放置锂电池2，通过微型电子系统，为安全帽电子系统提供能量供应；所述帽体侧面还设置有预警器12，所述预警器12内设置有具有数据分析功能的处理器。

所述锂电池卡槽上的锂电池可根据电量多少进行更换；所述微型电子系统的走线为帽体内部，内部走线通过接线孔与外部的设备相互连接；所述对讲机耳麦通过连接线与对讲机相连，可以突破距离限制，实现与监督人员远程对讲的功能。

在本实施例中，所述防眩目眼镜6可以选用市场上的现有产品，还可以设置为防眩目偏光防护镜；所述摄像头5可以设置为微型摄像头；所述测距传感器11可以设置为超声波测距传感器、激光测距传感器或红外线测距传感器。

具体的，进入作业现场后，打开位于所述帽体侧面的电检测开关，此时，所述电场感应天线3开始工作，实时对现场物体带点情况进行监测，当所述电场感应天线3感应到强电场时，三极管导通，蜂鸣器发出声响，蜂鸣器的声音频率与监测到的电场强弱以及距离带电体的距离有关，当监测到的电场强度高或距离带电体距离较近时，蜂鸣器发出尖锐且频率高的声音，反之则声音频率较弱；若需要进行带电作业，则不需要开启电检测开关。

所述LED射灯4具有强光、弱光两种光源，当现场作业光线较暗，需要灯光照明时，作业人员手动调节位于帽体侧面的LED射灯开关对灯光进行调节。

进入工作现场后，打开微型摄像头，可以通过智能手机热点WIFI实现上网监控，在实现实时摄像的同时，也可实现监控现场作业状况。

所述防眩目偏光防护镜位于帽檐下方，与帽体通过两侧旋钮相连，在太阳光照强烈时，将防护镜下拉至面部，可以有效防止强光照射影响视线，也可有效防止因太阳光直射的眼部损伤。

防眩目眼镜对讲机耳麦1可与对讲机通过连接线相连，安装于所述帽体两侧，不需要锂电池供电，可以实现与现场监督人员进行远距离通信的功能。

在本实施例中，所述处理器，被配置为：根据采集的电场信息、视频信息和距离信息，及预设的安全预测模型，得到安全预测结果；所述预警器根据预测结果进行报警；其中，所述安全预测模型通过安全帽采集的历史信息和机器学习算法学习得到。

所述安全预测模型的学习过程为：

获取包括电场信息、视频信息和距离信息的历史信息；

在所述历史信息中提取事故信息，包括发生触电故障时的电场频率和距带电体的距离，以及发生其他故障时视频中的故障点和故障点距安全帽的距离；

根据提取的事故信息和机器学习算法，学习得到所述安全预测模型；

所述安全预测模型根据故障种类和等级输出不同的预紧信息。

在本实施例中，所述机器学习算法采用LightGBM算法；具体实现方式为：

采集历史信息，包括电场信息、视频信息和距离信息的历史信息及安全等级，其中，在所述历史信息中提取事故信息，包括发生触电故障时的电场频率和距带电体的距离，以及发生其他故障时视频中的故障点和故障点距安全帽的距离，根据上述信息构建训练特征集。

采用差分进化算法对LightGBM模型的参数进行调整，具体包括：

确定需要优化的LightGBM模型参数，对需要优化的LightGBM模型参数形成原始种群，对原始种群计算个体适应度值，进行变异操作和交叉操作，判断是否达到预设迭代次数，如果达到预设迭代次数，则输出结果，如果为未达到预设迭代次数，则继续计算个体适应度值，进行变异操作和交叉操作，直至达到预设迭代次数。

构建训练特征集的构建以及LightGBM模型参数的调整以后，采用LightGBM模型进行预测，在预测前，需要先利用训练数据集训练LightGBM模型，以保证预测的准确性。需要优化的LightGBM参数包括：基分类器个数、树最大深度、叶节点数、学习率、工具箱数、单个叶子上数据的最小数量、每次迭代中随机选择特征的比例、不进行重采样的情况下随机选择的数据，采用LightGBM模型输出的AUC值作为LightGBM模型的适应度值。

LightGBM模型主要有基于梯度的单边梯度采样(Gradient-based One-SideSampling，GOSS)和独立特征合并(Exclusive Feature Bundle，EFB)两个方面的改进提升：

GOSS技术主要通过区分不同梯度的实例，保留较大梯度实例同时对较小梯度随机采样减少计算量，从而达到提升效率的目的；

EFB主要针对高维稀疏的特征空间，由于许多特征是互斥的，将这些互斥特征绑定一个单一的特征中，通过特征扫描算法，构建与个体特征类似的基于特征束的特征直方图，以提高训练速度。

此外，本实施例中的LightGBM模型采用了基于直方图优化Histogram算法，将连续的特征分桶(buckets)装进离散的箱子(bins)中，优化速度和内存；采用Leaf-wise的决策树生长策略，避免了对整层节点分裂法，而采用了对增益最大的节点进行深入分解的方法。为克服过拟合，还可以采用控制单个决策树的最大深度控制；采取并行化学习的方式提高算法效率等方式。LightGBM算法拥有更快的训练速度和更高的准确率，并且能够支持GPU、便于处理大规模数据，面对电网每天产生的海量数据能够及时有效的处理，以便及时发现风险并避免风险，根据风险等级辅助确定治理措施，减少人力物力的损失，提高员工工作效率。

采集当前信息，对当前信息进行整理，形成完整的当前数据，采集的当前信息与采集的历史信息的类目相同；对当前信息进行整理，形成完整的当前数据，与对历史信息进行整理，形成完整的历史数据的步骤相同，在此不再赘述。

基于当前数据，利用训练好的LightGBM模型进行作业环境的安全预测，包括对电场强度的预测、建筑物倒塌以及施工工具倾倒等预测。

在其他实施例中，根据LightGBM模型进行本实施例中数据的处理，还可以根据其他常规设置或现有技术实现，在此不再详述。

在本实施例中，预测结果可以包括为电场强度的危险需要立即离开、比较危险需要注意、安全可以放松一下等；以及建筑即将倒塌请立即离开、建筑物可能倒塌请注意和建筑物不会倒塌请安心作业等，以及施工工具即将倾倒请立即离开、施工工具可能倾倒请立注意安全和施工工具不会倾倒请安心作业等。

预警器根据不同的安全类型和等级，会发出不同的信号，比如直接发出语音提示或其他可以分清不同类型的信号，此处可通过常规技术实现在此不再详述。

实施例2：

与实施例1不同的是，本实施例中的多功能安全帽，设置有多个摄像头5和测距传感器11，可以同时对安全帽四周的多方位情况进行同时监测，保证了检测范围，提高了安全性；具体的，在本实施例中，摄像头5和测距传感器11可以设置为4个，分别设置在所述帽体侧面的前后左右四个处。

实施例3：

本实施例提供了一种多功能安全帽工作方法，采用了如实施例1中所述的多功能安全帽，包括：

采集作业场景内的电场信息；

采集作业场景内的视频信息；

确定安全帽到作业场景内其他物体的距离信息；

根据所述电场信息、所述视频信息和所述距离信息，及预设的安全预测模型，得到安全预测结果；

根据预测结果进行报警。

以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。

Claims (10)

1.多功能安全帽，其特征在于，包括：

设置在安全帽顶部的电场感应天线，用于采集作业场景内的电场信息；

设置在安全帽侧面的摄像头，用于采集作业场景内的视频信息；

设置在安全帽侧面的测距传感器，用于确定安全帽到作业场景内其他物体的距离信息；

设置在所述安全帽侧面的预警器；所述预警器内设置有处理器，用于根据所述电场信息、所述视频信息和所述距离信息，及预设的安全预测模型，得到安全预测结果；所述预警器根据预测结果进行报警；

其中，所述安全预测模型通过安全帽采集的历史信息和机器学习算法学习得到。

2.如权利要求1所述的多功能安全帽，其特征在于，所述电场感应天线包括天线、多个三极管和蜂鸣器，蜂鸣器的声音频率由监测到的电场强弱以及距带电体的距离决定。

3.如权利要求1所述的多功能安全帽，其特征在于，安全帽的周向上设置有多个摄像头，每个摄像头附近均设置有测距传感器。

4.如权利要求1所述的多功能安全帽，其特征在于，所述安全预测模型的学习过程为：

获取包括电场信息、视频信息和距离信息的历史信息；

在所述历史信息中提取事故信息，包括发生触电故障时的电场频率和距带电体的距离，以及发生其他故障时视频中的故障点和故障点距安全帽的距离；

根据提取的事故信息和机器学习算法，学习得到所述安全预测模型；

所述安全预测模型根据故障种类和等级输出不同的预紧信息。

5.如权利要求4所述的多功能安全帽，其特征在于，所述机器学习算法采用LightGBM算法。

6.如权利要求1所述的多功能安全帽，其特征在于，所述安全帽上还设置有锂电池。

7.如权利要求1所述的多功能安全帽，其特征在于，所述安全帽上还设置有防眩目眼镜。

8.如权利要求1所述的多功能安全帽，其特征在于，所述安全帽上还设置有对讲机耳麦。

9.如权利要求1所述的多功能安全帽，其特征在于，所述安全帽上还设置有LED射灯。

10.一种多功能安全帽工作方法，其特征在于，采用了如权利要求1-9任一项所述的多功能安全帽，包括：

采集作业场景内的电场信息；

采集作业场景内的视频信息；

确定安全帽到作业场景内其他物体的距离信息；

根据所述电场信息、所述视频信息和所述距离信息，及预设的安全预测模型，得到安全预测结果；

根据预测结果进行报警。

Images