CN115393787A - 电厂安全监控系统及方法 - Google Patents

电厂安全监控系统及方法 Download PDF

Info

Publication number
CN115393787A
CN115393787A CN202210922665.2A CN202210922665A CN115393787A CN 115393787 A CN115393787 A CN 115393787A CN 202210922665 A CN202210922665 A CN 202210922665A CN 115393787 A CN115393787 A CN 115393787A
Authority
CN
China
Prior art keywords
local
monitoring device
analysis model
remote
model
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.)
Pending
Application number
CN202210922665.2A
Other languages
English (en)
Inventor
汪义贺
叶剑青
孙彬
江海龙
李平强
朱峰
吴保卫
施静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guoneng Shenwan Chizhou Power Generation Co ltd
Original Assignee
Guoneng Shenwan Chizhou Power Generation Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guoneng Shenwan Chizhou Power Generation Co ltd filed Critical Guoneng Shenwan Chizhou Power Generation Co ltd
Priority to CN202210922665.2A priority Critical patent/CN115393787A/zh
Publication of CN115393787A publication Critical patent/CN115393787A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Human Computer Interaction (AREA)
  • Alarm Systems (AREA)

Abstract

本公开涉及一种电厂安全监控系统及方法，包括：远端监控装置，远端监控装置中配置有第一安全类型的远端分析模型；与远端监控装置通信连接的多个本地监控装置，本地监控装置配置有图像采集模块和第二安全类型的本地分析模型，本地监控装置用于进入电厂的工人随身携带；图像采集模块，用于采集视野范围内的图像画面；本地分析模型，用于对图像画面进行识别，确定图像画面中是否存在第二安全类型对应的不安全行为；远端监控装置，用于接收图像画面，并将图像画面输入远端分析模型进行识别，确定图像画面中是否存在第一安全类型对应的不安全行为。可以提高电厂内工作人员的安全行为和物品的安全状态监控的有效性和全方位性。

Description

电厂安全监控系统及方法
技术领域
本公开涉及电厂安全技术领域，具体地，涉及一种电厂安全监控系统及方法。
背景技术
电厂现场作业空间大、环境复杂使得不可控因素较多，导致安全监控难度较大。对工作人员的安全行为和物品的安全状态进行全方位的智能监控，有利于及时发现安全隐患及消除隐患，有利于提高电厂安全性。相关场景中，通过固定的摄像头视频监控，存在监控死角，无法有效且全方位对电厂内进行监控。
发明内容
本公开的目的是提供一种电厂安全监控系统及方法，旨在提高电厂内工作人员的安全行为和物品的安全状态监控的有效性和全方位性。
为了实现上述目的，本公开第一方面，提供一种电厂安全监控系统，所述系统包括：
远端监控装置，所述远端监控装置中配置有第一安全类型的远端分析模型；
与所述远端监控装置通信连接的多个本地监控装置，各所述本地监控装置中均配置有图像采集模块和第二安全类型的本地分析模型，所述本地监控装置用于进入电厂的人员随身携带，所述第二安全类型的本地分析模型是所述远端监控装置发送给所述本地监控装置的；
所述图像采集模块，用于采集视野范围内的图像画面；
所述本地监控装置用于将所述图像画面输入所述本地分析模型进行识别，确定所述图像画面中是否存在第二安全类型对应的不安全行为；
所述远端监控装置，用于接收所述本地监控装置上传的所述图像画面，并将所述图像画面输入所述远端分析模型进行识别，确定所述图像画面中是否存在第一安全类型对应的不安全行为。
可选地，所述本地监控装置，用于根据用户选择的作业内容，确定目标作业要求，并将所述目标作业要求上报到所述远端监控装置；
所述远端监控装置，用于根据所述本地监控装置上报的所述目标作业要求，从预设的多个本地分析模型中确定目标下发模型，并将所述目标下发模型向上报所述目标作业要求的所述本地监控装置发送；
所述本地监控装置，还用于接收所述远端监控装置发送的目标下发模型，并将所述目标下发模型作为所述本地分析模型进行安全行为识别。
可选地，所述本地监控装置，用于在所述图像画面中存在所述第二安全类型对应的不安全行为的情况下，将所述图像画面作为样本图像画面发送给所述远端监控装置；
所述远端监控装置，用于根据接收到的所述样本图像画面对所述不安全行为对应的本地分析模型进行训练更新，并将训练更新后的本地分析模型作为预设的多个本地分析模型进行存储。
可选地，所述远端监控装置，还用于将所述预设的多个本地分析模型中未被确定为所述目标下发模型的本地分析模型作为所述远端分析模型。
可选地，所述第一安全类型包括：电缆裸露、吊车作业前方有人、前方有高压源中的至少一者。
可选地，所述第二安全类型包括吸烟、未佩戴安全帽、未系挂安全绳中的至少一者。
可选地，所述本地监控装置配置有声光报警模块，所述声光报警模块用于在所述图像画面中存在第一安全类型对应的不安全行为，和/或，所述图像画面中存在第二安全类型对应的不安全行为的情况下，发出与安全类型对应的报警提示。
本公开第二方面，提供一种电厂安全监控方法，所述方法应用于第一方面中任意一项所述的电厂安全监控系统中的所述远端监控装置，所述方法包括：
向与所述远端监控装置通信连接的多个本地监控装置发送第二安全类型的本地分析模型，所述本地监控装置配置有图像采集模块，所述本地监控装置用于进入电厂的人员随身携带，所述本地监控装置将所述图像采集模块采集的视野范围内的图像画面输入所述本地分析模型进行识别，确定所述图像画面中是否存在第二安全类型对应的不安全行为；
接收所述本地监控装置上传的所述图像画面；
将所述图像画面输入所述远端监控装置配置的远端分析模型进行识别，确定所述图像画面中是否存在第一安全类型对应的不安全行为。
可选地，所述向与所述远端监控装置通信连接的多个本地监控装置发送第二安全类型的本地分析模型，包括：
接收所述本地监控装置上报的目标作业要求，所述目标作业要求是所述本地监控装置根据用户选择的作业内容确定并上报的；
根据所述本地监控装置上报的所述目标作业要求，从预设的多个本地分析模型中确定目标下发模型；
将所述目标下发模型向上报所述目标作业要求的所述本地监控装置发送，以使得接收到所述目标下发模型的本地监控装置将所述目标下发模型作为本地分析模型进行安全行为识别。
可选地，所述方法包括：
接收本地监控装置上传的样本图像画面，所述样本图像画面是所述本地监控装置在确定所述图像画面中存在所述第二安全类型对应的不安全行为的情况下，将所述图像画面作为样本图像画面发送的；
根据接收到的所述样本图像画面对所述不安全行为对应的本地分析模型进行训练更新，并将训练更新后的本地分析模型作为预设的多个本地分析模型进行存储。
可选地，所述方法包括：将所述预设的多个本地分析模型中未被确定为所述目标下发模型的本地分析模型作为所述远端分析模型。
可选地，所述第一安全类型包括：电缆裸露、吊车作业前方有人、前方有高压源中的至少一者。
可选地，所述第二安全类型包括吸烟、未佩戴安全帽、未系挂安全绳中的至少一者。
可选地，所述方法包括：
在所述图像画面中存在第一安全类型对应的不安全行为的情况下，向所述本地监控装置发送报警指令，以使所述本地监控装置中配置的声光报警模块发出与安全类型对应的报警提示。
通过上述技术方案，至少可以达到以下有益效果：
通过图像采集模块采集视野范围内的图像画面；本地监控装置将所述图像画面输入所述本地分析模型进行识别，确定所述图像画面中是否存在第二安全类型对应的不安全行为；所述远端监控装置接收所述本地监控装置上传的所述图像画面，并将所述图像画面输入所述远端分析模型进行识别，确定所述图像画面中是否存在第一安全类型对应的不安全行为。通过远端监控装置配置远端分析模型和本地监控装置内的本地分析模型，可以分别在本端边缘侧识别不安全行为和在远端识别不安全行为，既能充分利用远端监控装置的计算资源，又可以利用本地监控装置的及时性。并且通过便携式携带的本地监控装置，解决了固定式摄像头无法监控的死角以及无法近距离高清晰度识别的安全问题，提高电厂内工作人员的安全行为和物品的安全状态监控的有效性和全方位性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性实施例示出的一种电厂安全监控系统的流程图。
图2是根据一示例性实施例示出的一种电厂安全监控方法的流程图。
图3是根据一示例性实施例示出的一种实现图2中步骤S21的流程图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
图1是根据一示例性实施例示出的一种电厂安全监控系统的框图，所述系统100包括：
远端监控装置110，所述远端监控装置110中配置有第一安全类型的远端分析模型；
可选地，远端监控装置110中预先存储有训练好的多种分析模型，每一种分析模型均是通过对应安全类型的样本图像画面训练得到的，例如，远端监控装置110中预先存储有训练好的吸烟分析模型、未佩戴安全帽分析模型、未系挂安全绳分析模型、电缆裸露分析模型、吊车作业前方有人分析模型、前方有高压源分析模型。
与所述远端监控装置110通信连接的多个本地监控装置120，各所述本地监控装置120中均配置有图像采集模块和第二安全类型的本地分析模型，所述本地监控装置120用于进入电厂的人员随身携带，所述第二安全类型的本地分析模型是所述远端监控装置110发送给所述本地监控装置120的；
本公开实施例中，远端监控装置110根据本地监控装置120的需求发送第二安全类型的本地分析模型到本地监控装置120，本地监控装置120不提供分析模型训练和更新，避免占用本地监控装置120的计算资源。
在一种实施方式中，本地监控装置120每一次关机自动删除配置在其中的第二安全类型的本地分析模型相关的模型数据。下一次开机使用时，需要远端监控装置110发送第二安全类型的本地分析模型的模型数据。
在另一种实施方式中，本地监控装置120每一次关机不删除配置在其中的第二安全类型的本地分析模型相关的模型数据，在下一次开机时，根据上一次使用的本地分析模型对比本次作业要求，若上一次使用的本地分析模型与本次作业要求不匹配，删除上一次使用的本地分析模型，并请求远端监控装置110发送与本次作业要求匹配的第二安全类型的本地分析模型的模型数据。
在另一种实施方式中，本地监控装置120每一次关机不删除配置在其中的第二安全类型的本地分析模型相关的模型数据，在下一次开机时，根据上一次使用的本地分析模型向远端监控装置110发送模型更新信息，远端监控装置110根据模型更新信息中携带的本地分析模型的标识，获取模型更新日志，在确定该本地分析模型未更新的情况下，向本地监控装置120发送不更新指令，在确定该本地分析模型已更新的情况下，向本地监控装置120发送更新后的第二安全类型的本地分析模型的模型数据。
可选地，本地监控装置120可以配置便携式弹簧夹，夹持在进入电厂的人员的肩膀或者胸口，本地监控装置120也可以配置卡扣，与安全帽卡接。
所述图像采集模块，用于采集视野范围内的图像画面；
本公开实施例中，图像采集模块采集电厂作业现场的实时场景，并将采集的图像画面提供给本地分析模型，同时将图像画面同步给远端监控装置。
可选地，本地监控装置120可以配置以太网通讯模块，进而通过以太网将图像画面同步给远端监控装置。
所述本地监控装置120用于将所述图像画面输入所述本地分析模型进行识别，确定所述图像画面中是否存在第二安全类型对应的不安全行为；
其中，第二安全类型对应的不安全行为可以为及时性较高、行为简单，但是危险性较大的不安全行为，其对应的分析模型相对较小，占用内存和计算资源较小。
所述远端监控装置110，用于接收所述本地监控装置上传的所述图像画面，并将所述图像画面输入所述远端分析模型进行识别，确定所述图像画面中是否存在第一安全类型对应的不安全行为。
其中，第一安全类型对应的不安全行为可以为行为复杂、及时性要求较低的不安全行为，其对应的分析模型相对较大，占用内存和计算资源较大。这样，将占用内存和计算资源较小的分析模型配置在本地监控装置，将占用内存和计算资源较大的分析模型配置在远端监控装置，有利于降低本地监控装置的硬件配置。
上述系统通过图像采集模块采集视野范围内的图像画面；本地监控装置将所述图像画面输入所述本地分析模型进行识别，确定所述图像画面中是否存在第二安全类型对应的不安全行为；所述远端监控装置接收所述本地监控装置上传的所述图像画面，并将所述图像画面输入所述远端分析模型进行识别，确定所述图像画面中是否存在第一安全类型对应的不安全行为。通过远端监控装置配置远端分析模型和本地监控装置内的本地分析模型，可以分别在本端边缘侧识别不安全行为和在远端识别不安全行为，既能充分利用远端监控装置的计算资源，又可以利用本地监控装置的及时性。并且通过便携式携带的本地监控装置，解决了固定式摄像头无法监控的死角以及无法近距离高清晰度识别的安全问题，提高电厂内工作人员的安全行为和物品的安全状态监控的有效性和全方位性。
可选地，所述本地监控装置120，用于根据用户选择的作业内容，确定目标作业要求，并将所述目标作业要求上报到所述远端监控装置110；
可选地，在本地监控装置120配置触控屏，触控屏上可以选择作业内容，作业内容与作业要求存在映射关系，例如高空作业内容对应的作业要求为佩戴安全帽和系挂安全绳。
所述远端监控装置110，用于根据所述本地监控装置120上报的所述目标作业要求，从预设的多个本地分析模型中确定目标下发模型，并将所述目标下发模型向上报所述目标作业要求的所述本地监控装置120发送；
例如，在作业要求为佩戴安全帽和系挂安全绳的情况下，远端监控装置110将未佩戴安全帽分析模型和未系挂安全绳分析模型的模型数据发送到本地监控装置120，而其他分析模型的模型数据不发送到本地监控装置120。
所述本地监控装置120，还用于接收所述远端监控装置110发送的目标下发模型，并将所述目标下发模型作为所述本地分析模型进行安全行为识别。
可选地，所述本地监控装置120，用于在所述图像画面中存在所述第二安全类型对应的不安全行为的情况下，将所述图像画面作为样本图像画面发送给所述远端监控装置110；
所述远端监控装置110，用于根据接收到的所述样本图像画面对所述不安全行为对应的本地分析模型进行训练更新，并将训练更新后的本地分析模型作为预设的多个本地分析模型进行存储。
本公开实施例中，在图像画面中存在所述第一安全类型对应的不安全行为的情况下，也可以将与第一安全类型对应的图像画面加入到该分析模型的样本数据中，重新对该分析模型进行深度学习，得到新的模型，这个新模型相比于之前的具有更高的准确性和识别度。
上述系统通过将符合第二安全类型对应的不安全行为的样本图像画面对模型进行增强训练，提高了分析模型的准确性和识别度，进而也可以提高电厂内工作人员的安全行为和物品的安全状态监控的有效性和全方位性。
可选地，所述远端监控装置110，还用于将所述预设的多个本地分析模型中未被确定为所述目标下发模型的本地分析模型作为所述远端分析模型。
示例地，远端监控装置110中预先存储有训练好的吸烟分析模型、未佩戴安全帽分析模型、未系挂安全绳分析模型、电缆裸露分析模型、吊车作业前方有人分析模型、前方有高压源分析模型，在目标下发模型为吸烟分析模型的情况下，将未佩戴安全帽分析模型、未系挂安全绳分析模型、电缆裸露分析模型、吊车作业前方有人分析模型、前方有高压源分析模型均作为所述远端分析模型。
可选地，所述第一安全类型包括：电缆裸露、吊车作业前方有人、前方有高压源中的至少一者。
可选地，所述第二安全类型包括吸烟、未佩戴安全帽、未系挂安全绳中的至少一者。
可选地，所述本地监控装置120配置有声光报警模块，所述声光报警模块用于在所述图像画面中存在第一安全类型对应的不安全行为，和/或，所述图像画面中存在第二安全类型对应的不安全行为的情况下，发出与安全类型对应的报警提示。
本公开实施例中，声光报警模块针对远端监控装置和本地监控装置识别出的不安全情况进行告警指示，可以包括声音、灯光分级、震动等报警方式。可以说明的是，本公开实施例中，每一不安全行为对应不同的报警等级，不同的报警等级对应不同的灯光分级。
基于相同的发明构思，本公开实施例还提供一种电厂安全监控方法，所述方法应用于前述实施例中任意一项所述的电厂安全监控系统中的所述远端监控装置，参见图2所示，所述方法包括：
在步骤S21中，向与所述远端监控装置通信连接的多个本地监控装置发送第二安全类型的本地分析模型，所述本地监控装置配置有图像采集模块，所述本地监控装置用于进入电厂的人员随身携带，所述本地监控装置将所述图像采集模块采集的视野范围内的图像画面输入所述本地分析模型进行识别，确定所述图像画面中是否存在第二安全类型对应的不安全行为；
在步骤S22中，接收所述本地监控装置上传的所述图像画面；
在步骤S23中，将所述图像画面输入所述远端监控装置配置的远端分析模型进行识别，确定所述图像画面中是否存在第一安全类型对应的不安全行为。
上述技术方案通过图像采集模块采集视野范围内的图像画面；本地监控装置将所述图像画面输入所述本地分析模型进行识别，确定所述图像画面中是否存在第二安全类型对应的不安全行为；所述远端监控装置接收所述本地监控装置上传的所述图像画面，并将所述图像画面输入所述远端分析模型进行识别，确定所述图像画面中是否存在第一安全类型对应的不安全行为。通过远端监控装置配置远端分析模型和本地监控装置内的本地分析模型，可以分别在本端边缘侧识别不安全行为和在远端识别不安全行为，既能充分利用远端监控装置的计算资源，又可以利用本地监控装置的及时性。并且通过便携式携带的本地监控装置，解决了固定式摄像头无法监控的死角以及无法近距离高清晰度识别的安全问题，提高电厂内工作人员的安全行为和物品的安全状态监控的有效性和全方位性。
可选地，图3是根据一示例性实施例示出的一种实现图2中步骤S21的流程图，在步骤S21中，所述向与所述远端监控装置通信连接的多个本地监控装置发送第二安全类型的本地分析模型，包括：
在步骤S211中，接收所述本地监控装置上报的目标作业要求，所述目标作业要求是所述本地监控装置根据用户选择的作业内容确定并上报的；
在步骤S212中，根据所述本地监控装置上报的所述目标作业要求，从预设的多个本地分析模型中确定目标下发模型；
在步骤S213中，将所述目标下发模型向上报所述目标作业要求的所述本地监控装置发送，以使得接收到所述目标下发模型的本地监控装置将所述目标下发模型作为本地分析模型进行安全行为识别。
可选地，所述方法包括：
接收本地监控装置上传的样本图像画面，所述样本图像画面是所述本地监控装置在确定所述图像画面中存在所述第二安全类型对应的不安全行为的情况下，将所述图像画面作为样本图像画面发送的；
根据接收到的所述样本图像画面对所述不安全行为对应的本地分析模型进行训练更新，并将训练更新后的本地分析模型作为预设的多个本地分析模型进行存储。
可选地，所述方法包括：将所述预设的多个本地分析模型中未被确定为所述目标下发模型的本地分析模型作为所述远端分析模型。
可选地，所述第一安全类型包括：电缆裸露、吊车作业前方有人、前方有高压源中的至少一者。
可选地，所述第二安全类型包括吸烟、未佩戴安全帽、未系挂安全绳中的至少一者。
可选地，所述方法包括：
在所述图像画面中存在第一安全类型对应的不安全行为的情况下，向所述本地监控装置发送报警指令，以使所述本地监控装置中配置的声光报警模块发出与安全类型对应的报警提示。
上述方法的步骤已经在相应的系统中详述，此处不再赘述。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (10)

1.一种电厂安全监控系统，其特征在于，所述系统包括：
远端监控装置，所述远端监控装置中配置有第一安全类型的远端分析模型；
与所述远端监控装置通信连接的多个本地监控装置，各所述本地监控装置中均配置有图像采集模块和第二安全类型的本地分析模型，所述本地监控装置用于进入电厂的人员随身携带，所述第二安全类型的本地分析模型是所述远端监控装置发送给所述本地监控装置的；
所述图像采集模块，用于采集视野范围内的图像画面；
所述本地监控装置用于将所述图像画面输入所述本地分析模型进行识别，确定所述图像画面中是否存在第二安全类型对应的不安全行为；
所述远端监控装置，用于接收所述本地监控装置上传的所述图像画面，并将所述图像画面输入所述远端分析模型进行识别，确定所述图像画面中是否存在第一安全类型对应的不安全行为。
2.根据权利要求1所述的系统，其特征在于，所述本地监控装置，用于根据用户选择的作业内容，确定目标作业要求，并将所述目标作业要求上报到所述远端监控装置；
所述远端监控装置，用于根据所述本地监控装置上报的所述目标作业要求，从预设的多个本地分析模型中确定目标下发模型，并将所述目标下发模型向上报所述目标作业要求的所述本地监控装置发送；
所述本地监控装置，还用于接收所述远端监控装置发送的目标下发模型，并将所述目标下发模型作为所述本地分析模型进行安全行为识别。
3.根据权利要求2所述的系统，其特征在于，所述本地监控装置，用于在所述图像画面中存在所述第二安全类型对应的不安全行为的情况下，将所述图像画面作为样本图像画面发送给所述远端监控装置；
所述远端监控装置，用于根据接收到的所述样本图像画面对所述不安全行为对应的本地分析模型进行训练更新，并将训练更新后的本地分析模型作为预设的多个本地分析模型进行存储。
4.根据权利要求2所述的系统，其特征在于，所述远端监控装置，还用于将所述预设的多个本地分析模型中未被确定为所述目标下发模型的本地分析模型作为所述远端分析模型。
5.根据权利要求1-4中任意一项所述的系统，其特征在于，所述第一安全类型包括：电缆裸露、吊车作业前方有人、前方有高压源中的至少一者。
6.根据权利要求1-4中任意一项所述的系统，其特征在于，所述第二安全类型包括吸烟、未佩戴安全帽、未系挂安全绳中的至少一者。
7.根据权利要求1-4中任意一项所述的系统，其特征在于，所述本地监控装置配置有声光报警模块，所述声光报警模块用于在所述图像画面中存在第一安全类型对应的不安全行为，和/或，所述图像画面中存在第二安全类型对应的不安全行为的情况下，发出与安全类型对应的报警提示。
8.一种电厂安全监控方法，其特征在于，所述方法应用于权利要求1-7中任意一项所述的电厂安全监控系统中的所述远端监控装置，所述方法包括：
向与所述远端监控装置通信连接的多个本地监控装置发送第二安全类型的本地分析模型，所述本地监控装置配置有图像采集模块，所述本地监控装置用于进入电厂的人员随身携带，所述本地监控装置将所述图像采集模块采集的视野范围内的图像画面输入所述本地分析模型进行识别，确定所述图像画面中是否存在第二安全类型对应的不安全行为；
接收所述本地监控装置上传的所述图像画面；
将所述图像画面输入所述远端监控装置配置的远端分析模型进行识别，确定所述图像画面中是否存在第一安全类型对应的不安全行为。
9.根据权利要求8所述的方法，其特征在于，所述向与所述远端监控装置通信连接的多个本地监控装置发送第二安全类型的本地分析模型，包括：
接收所述本地监控装置上报的目标作业要求，所述目标作业要求是所述本地监控装置根据用户选择的作业内容确定并上报的；
根据所述本地监控装置上报的所述目标作业要求，从预设的多个本地分析模型中确定目标下发模型；
将所述目标下发模型向上报所述目标作业要求的所述本地监控装置发送，以使得接收到所述目标下发模型的本地监控装置将所述目标下发模型作为本地分析模型进行安全行为识别。
10.根据权利要求9所述的方法，其特征在于，所述方法包括：
接收本地监控装置上传的样本图像画面，所述样本图像画面是所述本地监控装置在确定所述图像画面中存在所述第二安全类型对应的不安全行为的情况下，将所述图像画面作为样本图像画面发送的；
根据接收到的所述样本图像画面对所述不安全行为对应的本地分析模型进行训练更新，并将训练更新后的本地分析模型作为预设的多个本地分析模型进行存储。
CN202210922665.2A 2022-08-02 2022-08-02 电厂安全监控系统及方法 Pending CN115393787A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210922665.2A CN115393787A (zh) 2022-08-02 2022-08-02 电厂安全监控系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210922665.2A CN115393787A (zh) 2022-08-02 2022-08-02 电厂安全监控系统及方法

Publications (1)

Publication Number Publication Date
CN115393787A true CN115393787A (zh) 2022-11-25

Family

ID=84117819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210922665.2A Pending CN115393787A (zh) 2022-08-02 2022-08-02 电厂安全监控系统及方法

Country Status (1)

Country Link
CN (1) CN115393787A (zh)

Similar Documents

Publication Publication Date Title
US10154390B2 (en) Disaster information management apparatus, disaster information system, disaster information management method, disaster information management program, portable terminal, control method of portable terminal, and control program of controlling operation of portable terminal
CN102968690A (zh) 实时社会消防安全工作质量追溯系统及追溯方法
CN106454253A (zh) 区域徘徊的检测方法及系统
CN105574768A (zh) 一种基于微信公众平台的社区安全隐患排查治理系统
CN110532888A (zh) 一种监控方法、装置及系统
CN111918039A (zh) 基于5g网络的人工智能高风险作业管控系统
CN108958053A (zh) 基于树莓派的微信远程监控方法
CN111581417A (zh) 配电房施工人员的身份识别方法、终端、系统及存储介质
CN115567690A (zh) 一种自动识别现场作业危险点的智慧监控系统
CN115880631A (zh) 一种配电站故障识别系统、方法、介质
CN111062679A (zh) 一种全过程智能工程监理信息管控系统
CN207895630U (zh) 带环境感知及应急疏散指挥功能的监控系统
CN115393787A (zh) 电厂安全监控系统及方法
CN114885854B (zh) 一种用于生猪养殖的云平台
CN206212169U (zh) 一种手提箱式高清无线应急指挥终端系统
CN112422479B (zh) 一种设备绑定方法及装置、系统
CN114758296A (zh) 一种基于vr技术的电网设备远程监测方法及系统
CN115733951A (zh) 一种电力施工现场用全方位监控系统
CN210667061U (zh) 一种基于dsp的校园基础设施安全隐患检测系统
CN110519562B (zh) 移动侦测方法、装置和系统
CN113466077A (zh) 一种飞机强度试验调试方法及系统
CN113489939A (zh) 一种输电线路施工现场智能监控方法和系统
CN111800437A (zh) 一种人工智能的安全网络系统
CN111160780A (zh) 调度机器人及调度方法
CN111263124A (zh) 高安全性的电站运维虚拟显示图像生成方法、存储介质、虚拟显示服务器及虚拟显示系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination