CN115511293A - 高危行业风险管控智能设备、系统及方法 - Google Patents
高危行业风险管控智能设备、系统及方法 Download PDFInfo
- Publication number
- CN115511293A CN115511293A CN202211180409.7A CN202211180409A CN115511293A CN 115511293 A CN115511293 A CN 115511293A CN 202211180409 A CN202211180409 A CN 202211180409A CN 115511293 A CN115511293 A CN 115511293A
- Authority
- CN
- China
- Prior art keywords
- detection device
- intelligent
- main
- camera
- vibration
- 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- Withdrawn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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 195
- 238000006073 displacement reaction Methods 0.000 claims abstract description 27
- 230000009471 action Effects 0.000 claims abstract description 9
- 238000010801 machine learning Methods 0.000 claims abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 27
- 238000005286 illumination Methods 0.000 claims description 15
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000009194 climbing Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 230000003042 antagnostic effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computer Security & Cryptography (AREA)
- Water Supply & Treatment (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Studio Devices (AREA)
Abstract
本发明涉及高危行业风险管控智能设备、系统及方法，属于风险管控及数据采集技术领域，通过风力检测装置、振动检测装置、摄像角度检测装置、底座位移检测装置的巧妙配合，可有效检测到电力高塔中的智能摄像头可能存在的异常，风力检测装置作为整个过程的触发条件，作为第一梯度的检测环节，当该环节检测到智能摄像头所在环境的风力存在预警风险时；触发第二梯度的振动检测环节，当该环节检测到智能摄像头的振动程度存在预警风险时；继续触发第三梯度的摄像角度检测、底座位移检测，主控制器通过机器学习模型基于主智能摄像头采集的作业人员的图像，判断作业人员的动作是否符合作业要求，具有保证数据可靠性，从而提高高危行业风险识别的准确度。
Description
技术领域
本发明属于风险管控及数据采集技术领域，具体涉及高危行业风险管控智能设备、系统及方法。
背景技术
目前人工智能在高风险行业应用还处于初级阶段，业内对特种作业的数学模型积累还存在较大的不足，需要对特定场景进行较多的基础建模工作，造成初始阶段技术投入较大，同时也影响了业内风险管控智能设备推广的进度。传统的监控系统需要人工来进行识别、判断，人力资源无法保证工作成本、质量。通过引入人工智能，可以实现全部视频实时处理，秒级识别，主动推送消息通知相关人员快速处理，实现闭环管理等。
现有研究团队通过实际业务场景积累算法模型，提高识别的准确性；在现有自主研发的AI芯片基础上实现升级，提升算力及识别模型概率；针对电力、能源等特殊行业，通过5G的智能摄像头、机器人等实现边缘计算系列产品升级。
但是，对于风险管控智能设备的升级更多在于数据处理方面，而对于风险管控智能设备日常运行、辅助方面还存在较大局限；如电力行业的智能摄像头，其常用于电力高塔的日常运行数据采集和攀高检测等，而智能摄像头所在环境(如图1所示，智能摄像头安装位置较高)受到恶劣天气影响(大风、大雨、暴雪等)容易导致数据采集和攀高检测等存在偏差，这些异常情况根据远程的数据监控无法识别，只能在运维检修人员在周期性的人工运维检修时才能发现，极易造成经济损失和安全事故。
因此，现阶段需设计高危行业风险管控智能设备、系统及方法，用于保证数据可靠性，从而提高高危行业风险识别的准确度。
发明内容
本发明目的在于提供高危行业风险管控智能设备、系统及方法，用于解决上述现有技术中存在的技术问题，对于风险管控智能设备的升级更多在于数据处理方面，而对于风险管控智能设备日常运行、辅助方面还存在较大局限；如电力行业的智能摄像头，其常用于电力高塔的日常运行数据采集和攀高检测等，而智能摄像头所在环境受到恶劣天气影响容易导致数据采集和攀高检测等存在偏差，这些异常情况根据远程的数据监控无法识别，只能在运维检修人员在周期性的人工运维检修时才能发现，极易造成经济损失和安全事故。
为实现上述目的，本说明书提供一种高危行业风险管控智能设备，所述设备包括：高危行业风险管控智能设备，包括主智能摄像头，其特征在于，还包括风力检测装置、振动检测装置、摄像角度检测装置、底座位移检测装置、主控制装置，所述主控制装置作为控制核心分别与所述主智能摄像头、风力检测装置、振动检测装置、摄像角度检测装置、底座位移检测装置连接；所述风力检测装置用于检测所述主智能摄像头所在环境的风力大小数据并判断所述风力大小数据是否达到风力预警阈值；所述振动检测装置用于检测所述主智能摄像头产生的振动程度数据并判断所述振动程度数据是否达到振动预警阈值，所述振动预警阈值包括第一振动预警阈值和第二振动预警阈值，所述第一振动预警阈值低于所述第二振动预警阈值；所述摄像角度检测装置用于检测所述主智能摄像头的摄像角度是否发生偏转；所述底座位移检测装置用于检测所述主智能摄像头的安装底座是否发生位移；所述主智能摄像头用于采集作业人员的图像，所述主控制器还用于通过机器学习模型基于所述主智能摄像头采集的所述作业人员的图像，识别所述作业人员的动作，判断所述作业人员的动作是否符合作业要求。
进一步的，所述主控制装置控制所述主智能摄像头、风力检测装置常开，控制所述振动检测装置、摄像角度检测装置、底座位移检测装置常闭；若所述风力检测装置判断所述风力大小数据达到风力预警阈值，则所述主控制装置控制所述振动检测装置开启；其中，若所述振动检测装置判断所述振动程度数据达到所述第一振动预警阈值，则所述主控制装置控制所述摄像角度检测装置开启；若所述振动检测装置判断所述振动程度数据达到所述第二振动预警阈值，则所述主控制装置控制所述摄像角度检测装置、底座位移检测装置开启。
进一步的，还包括风向检测装置、多个辅智能摄像头，所述风向检测装置、多个辅智能摄像头分别与所述主控制装置连接；所述主控制装置控制所述风向检测装置、多个辅智能摄像头常闭，所述主智能摄像头与多个所述辅智能摄像头监控的目标区域相同，所述主智能摄像头与多个所述辅智能摄像头以圆周排列方式分布于所述目标区域周围；若所述摄像角度检测装置检测到所述主智能摄像头的摄像角度发生偏转、或所述底座位移检测装置检测到所述主智能摄像头的安装底座发生位移；则所述主控制装置控制所述风向检测装置开启；所述风向检测装置用于检测所述主智能摄像头所在环境的风力方向数据；所述主控制装置根据所述风力方向数据和多个所述辅智能摄像头的朝向，计算多个所述辅智能摄像头所承受的风力大小，控制承受风力最小的所述辅智能摄像头开启。
进一步的，还包括辅助支撑装置，所述辅助支撑装置与所述主控制装置连接，所述辅助支撑装置用于对所述主智能摄像头进行稳固支撑；所述辅助支撑装置呈圆盘状安装在所述安装底座外围，所述辅助支撑装置设置有多个电动伸缩杆，所述主智能摄像头底部设置有多个呈圆周状分布的空槽，多个所述电动伸缩杆的端部与多个所述空槽适配；所述主控制装置控制所述辅助支撑装置常闭；若所述风力检测装置判断所述风力大小数据达到风力预警阈值且所述振动检测装置判断所述振动程度数据未达到振动预警阈值，则所述主控制装置控制所述辅助支撑装置开启；根据所述风力方向数据，所述辅助支撑装置启动对所述主智能摄像头支撑方向与所述风力方向数据相抗的所述电动伸缩杆。
进一步的，还包括积水检测装置、光照方向检测装置、反光检测装置，所述积水检测装置、光照方向检测装置、反光检测装置分别与所述主控制装置连接；所述光照方向检测装置用于检测所述主智能摄像头与所述目标区域的光路反射关系；所述积水检测装置用于检测所述目标区域的积水数据并根据所述光路反射关系判断所述积水数据是否达到造成所述目标区域反光的积水预警阈值；所述反光检测装置用于检测所述主智能摄像头采集的图像数据是否存在反光；所述主控制装置控制所述积水检测装置、光照方向检测装置常开，控制所述反光检测装置常闭；若所述积水检测装置根据所述光路反射关系判断所述积水数据达到造成所述目标区域反光的积水预警阈值，所述主控制装置控制所述反光检测装置开启。
进一步的，若所述反光检测装置检测到所述主智能摄像头采集的图像数据存在反光，则所述主控制装置控制与所述主智能摄像头对向设置的所述辅智能摄像头开启。
高危行业风险管控智能系统，包括如上述的高危行业风险管控智能设备，还包括远程监控中心，所述主控制装置与所述远程监控中心网络连接。
高危行业风险管控方法，采用如上述的高危行业风险管控智能设备进行高危行业风险管控。
一种计算机存储介质，所述存储介质上存储有计算机程序，所述计算机程序被运行时执行如上述的一种高危行业风险管控方法。
与现有技术相比，本发明所具有的有益效果至少包括：
通过风力检测装置、振动检测装置、摄像角度检测装置、底座位移检测装置的巧妙配合，可有效检测到电力高塔中的智能摄像头可能存在的异常，从而实现高危电力行业中智能摄像头的风险管控。其中，风力检测装置作为整个过程的触发条件，作为第一梯度的检测环节，当该环节检测到智能摄像头所在环境的风力存在预警风险时；触发第二梯度的振动检测环节，当该环节检测到智能摄像头的振动程度存在预警风险时；继续触发第三梯度的摄像角度检测、底座位移检测，从而快速检测到远程数据监控无法识别的异常情况；作为本方案的核心发明点之一，三个梯度检测环节依次有序进行，可保证整个异常检测结果的可靠性，并且，风力检测装置长时间开启，而其他检测装置均由上一梯度的检测结果而触发，可避免过多装置长时间处于无效开启状态。其中，摄像角度的变化所产生的振动程度弱于智能摄像头安装底座发生位移所产生的振动程度，因此在振动检测环节将振动预警阈值分为两种，分别对应第三梯度不同的检测方式，使得检测过程更具针对性，使得主智能摄像头采集的图像更加可靠，进而使得主控制器通过机器学习模型基于主智能摄像头采集的作业人员的图像，识别的作业人员的动作更加可靠，判断作业人员的动作是否符合作业要求的结果的可信度更高，判断更加准确。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1为背景技术中的智能摄像头所在环境的示意图；
图2为本方案实施方式的其中一种装置结构示意图；
图3为本方案实施方式的其中一种装置工作原理流程示意图；
图4为本方案实施方式的其中一种主、辅智能摄像头相对于目标区域的示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图2为本方案实施方式的其中一种装置结构示意图，如图2所示，一种高危行业风险管控智能设备，包括主智能摄像头，还包括风力检测装置、振动检测装置、摄像角度检测装置、底座位移检测装置、主控制装置，主控制装置作为控制核心分别与主智能摄像头、风力检测装置、振动检测装置、摄像角度检测装置、底座位移检测装置连接；风力检测装置用于检测主智能摄像头所在环境的风力大小数据并判断风力大小数据是否达到风力预警阈值；振动检测装置用于检测主智能摄像头产生的振动程度数据并判断振动程度数据是否达到振动预警阈值，振动预警阈值包括第一振动预警阈值和第二振动预警阈值，第一振动预警阈值低于第二振动预警阈值；摄像角度检测装置用于检测主智能摄像头的摄像角度是否发生偏转；底座位移检测装置用于检测主智能摄像头的安装底座是否发生位移。其中，风力预警阈值、振动预警阈值均根据用于电力高塔环境的智能摄像头的历史异常数据中获取，可根据不同的电力高塔、智能摄像头的自身属性进行适应性调整设定。
在一些实施例中，主智能摄像头用于采集作业人员的图像，主控制器还用于通过机器学习模型基于主智能摄像头采集的作业人员的图像，识别作业人员的动作，判断作业人员的动作是否符合作业要求。其中，作业要求可以基于相关的法律法规和/或行业标准确定。
机器学习模型可以为卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)、多层神经网络(MLP)、对抗神经网络(GAN)等一种或其任意组合。例如，机器学习模型可以为卷积神经网络和深度神经网络组合形成的模型。
进一步的，图3为本方案实施方式的其中一种装置工作原理流程示意图，如图3所示，主控制装置控制主智能摄像头、风力检测装置常开，控制振动检测装置、摄像角度检测装置、底座位移检测装置常闭；若风力检测装置判断风力大小数据达到风力预警阈值，则主控制装置控制振动检测装置开启；其中，若振动检测装置判断振动程度数据达到第一振动预警阈值，则主控制装置控制摄像角度检测装置开启；若振动检测装置判断振动程度数据达到第二振动预警阈值，则主控制装置控制摄像角度检测装置、底座位移检测装置开启。
上述方案中，通过风力检测装置、振动检测装置、摄像角度检测装置、底座位移检测装置的巧妙配合，可有效检测到电力高塔中的智能摄像头可能存在的异常，从而实现高危电力行业中智能摄像头的风险管控。其中，风力检测装置作为整个过程的触发条件，作为第一梯度的检测环节，当该环节检测到智能摄像头所在环境的风力存在预警风险时；触发第二梯度的振动检测环节，当该环节检测到智能摄像头的振动程度存在预警风险时；继续触发第三梯度的摄像角度检测、底座位移检测，从而快速检测到远程数据监控无法识别(摄像角度的细微变化、智能摄像头安装底座发生细微位移等情况，存在不会引起远程接收到的图像数据异常的可能)的异常情况；作为本方案的核心发明点之一，三个梯度检测环节依次有序进行，可保证整个异常检测结果的可靠性，并且，风力检测装置长时间开启，而其他检测装置均由上一梯度的检测结果而触发，可避免过多装置长时间处于无效开启状态。其中，摄像角度的变化所产生的振动程度弱于智能摄像头安装底座发生位移所产生的振动程度，因此在振动检测环节将振动预警阈值分为两种，分别对应第三梯度不同的检测方式，使得检测过程更具针对性。
进一步的，还包括风向检测装置、多个辅智能摄像头，风向检测装置、多个辅智能摄像头分别与主控制装置连接；主控制装置控制风向检测装置、多个辅智能摄像头常闭，主智能摄像头与多个辅智能摄像头监控的目标区域相同，图4为本方案实施方式的其中一种主、辅智能摄像头相对于目标区域的示意图，如图4所示，主智能摄像头与多个辅智能摄像头以圆周排列方式分布于目标区域周围；若摄像角度检测装置检测到主智能摄像头的摄像角度发生偏转、或底座位移检测装置检测到主智能摄像头的安装底座发生位移；则主控制装置控制风向检测装置开启；风向检测装置用于检测主智能摄像头所在环境的风力方向数据；主控制装置根据风力方向数据和多个辅智能摄像头的朝向，计算多个辅智能摄像头所承受的风力大小，控制承受风力最小的辅智能摄像头开启。
上述方案中，多个辅智能摄像头在天气柔和等情况下不运行，当主智能摄像头发生异常情况时，配合风向检测装置作为风险管控的救济措施运行。其中，具体某个辅智能摄像头的开启，是根据当前风向和辅智能摄像头的朝向决定，选择所受风力最小的辅智能摄像头运行，可避免辅智能摄像头开启后仍因承受风力过大而再次出现异常情况。由于主智能摄像头已经发生异常，智能设备可通过无线通信的方式将检测结果传输至远端，则运维检修人员可根据安全、天气等条件快速赶到现场进行检修，并且，对其他辅智能摄像头均进行检修，即使其他辅智能摄像头未启用，但仍存在异常风险，从而确保电力高塔的风险管控不间断正常运行。
进一步的，还包括辅助支撑装置，辅助支撑装置与主控制装置连接，辅助支撑装置用于对主智能摄像头进行稳固支撑；辅助支撑装置呈圆盘状安装在安装底座外围，辅助支撑装置设置有多个电动伸缩杆，主智能摄像头底部设置有多个呈圆周状分布的空槽，多个电动伸缩杆的端部与多个空槽适配；主控制装置控制辅助支撑装置常闭；若风力检测装置判断风力大小数据达到风力预警阈值且振动检测装置判断振动程度数据未达到振动预警阈值，则主控制装置控制辅助支撑装置开启；根据风力方向数据，辅助支撑装置启动对主智能摄像头支撑方向与风力方向数据相抗的电动伸缩杆。
上述方案中，若判断主智能摄像头还未发生异常，则辅助支撑装置可控制适配的电动伸缩杆对主智能摄像头进行稳固支撑，从而辅助主智能摄像头抵抗当前过大风力，从而降低主智能摄像头发生异常的可能性；并且，辅助支撑装置呈圆盘状安装在安装底座外围，无论实时风向如何，均能够提供抵抗过大风力的稳固支撑；同时，辅助支撑装置同主智能摄像头的安装底座一样，均安装在电力高塔的固定件上，相较于将辅助支撑装置安装在智能摄像头的安装底座上更具稳固性。
进一步的，还包括积水检测装置、光照方向检测装置、反光检测装置，积水检测装置、光照方向检测装置、反光检测装置分别与主控制装置连接；光照方向检测装置用于检测主智能摄像头与目标区域的光路反射关系；积水检测装置用于检测目标区域的积水数据并根据光路反射关系判断积水数据是否达到造成目标区域反光的积水预警阈值；反光检测装置用于检测主智能摄像头采集的图像数据是否存在反光；主控制装置控制积水检测装置、光照方向检测装置常开，控制反光检测装置常闭；若积水检测装置根据光路反射关系判断积水数据达到造成目标区域反光的积水预警阈值(根据电力高塔的自身属性预计其历史数据获取)，主控制装置控制反光检测装置开启。
上述方案中，由于雨后可能造成目标区域积水，在光照方向的影响下可能引起主智能摄像头采集的图像数据存在反光，因此，设计积水检测装置、光照方向检测装置、反光检测装置的配合方案，其中，积水检测、光照方向检测组成第一步的反光隐患检测环节，若判定可能存在反光隐患，则触发第二步的反光检测。由于反光检测需要对图像数据进行适应性处理，所以，在第一步检测未发现反光隐患时，不直接运行第二步的反光检测，从而可降低反光检测的运行成本以及复杂度。
进一步的，若反光检测装置检测到主智能摄像头采集的图像数据存在反光，则主控制装置控制与主智能摄像头对向设置的辅智能摄像头开启。
上述方案中，由于目标区域位于发光源(太阳光)与主智能摄像头之间时，则为发生反光的光路反射关系，因此，判定主智能摄像头采集的图像数据存在反光后，为保障风险管控的正常持续运行，只需将主智能摄像头对向设置的辅智能摄像头开启即可。
高危行业风险管控智能系统，包括如上述的高危行业风险管控智能设备，还包括远程监控中心，主控制装置与远程监控中心网络连接。
高危行业风险管控方法，采用如上述的高危行业风险管控智能设备进行高危行业风险管控。
一种计算机存储介质，存储介质上存储有计算机程序，计算机程序被运行时执行如上述的一种高危行业风险管控方法。
应当注意的是，上述有关一种中央空调系统全生命周期的智能诊断方法的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对一种中央空调系统全生命周期的智能诊断方法进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (9)
1.高危行业风险管控智能设备，包括主智能摄像头，其特征在于，还包括风力检测装置、振动检测装置、摄像角度检测装置、底座位移检测装置、主控制装置，所述主控制装置作为控制核心分别与所述主智能摄像头、风力检测装置、振动检测装置、摄像角度检测装置、底座位移检测装置连接；
所述风力检测装置用于检测所述主智能摄像头所在环境的风力大小数据并判断所述风力大小数据是否达到风力预警阈值；所述振动检测装置用于检测所述主智能摄像头产生的振动程度数据并判断所述振动程度数据是否达到振动预警阈值，所述振动预警阈值包括第一振动预警阈值和第二振动预警阈值，所述第一振动预警阈值低于所述第二振动预警阈值；所述摄像角度检测装置用于检测所述主智能摄像头的摄像角度是否发生偏转；所述底座位移检测装置用于检测所述主智能摄像头的安装底座是否发生位移；
所述主智能摄像头用于采集作业人员的图像，所述主控制器还用于通过机器学习模型基于所述主智能摄像头采集的所述作业人员的图像，识别所述作业人员的动作，判断所述作业人员的动作是否符合作业要求。
2.根据权利要求1所述的高危行业风险管控智能设备，其特征在于，所述主控制装置控制所述主智能摄像头、风力检测装置常开，控制所述振动检测装置、摄像角度检测装置、底座位移检测装置常闭；
若所述风力检测装置判断所述风力大小数据达到风力预警阈值，则所述主控制装置控制所述振动检测装置开启；
其中，若所述振动检测装置判断所述振动程度数据达到所述第一振动预警阈值，则所述主控制装置控制所述摄像角度检测装置开启；
若所述振动检测装置判断所述振动程度数据达到所述第二振动预警阈值，则所述主控制装置控制所述摄像角度检测装置、底座位移检测装置开启。
3.根据权利要求2所述的高危行业风险管控智能设备，其特征在于，还包括风向检测装置、多个辅智能摄像头，所述风向检测装置、多个辅智能摄像头分别与所述主控制装置连接；
所述主控制装置控制所述风向检测装置、多个辅智能摄像头常闭，所述主智能摄像头与多个所述辅智能摄像头监控的目标区域相同，所述主智能摄像头与多个所述辅智能摄像头以圆周排列方式分布于所述目标区域周围；
若所述摄像角度检测装置检测到所述主智能摄像头的摄像角度发生偏转、或所述底座位移检测装置检测到所述主智能摄像头的安装底座发生位移；则所述主控制装置控制所述风向检测装置开启；
所述风向检测装置用于检测所述主智能摄像头所在环境的风力方向数据；所述主控制装置根据所述风力方向数据和多个所述辅智能摄像头的朝向，计算多个所述辅智能摄像头所承受的风力大小，控制承受风力最小的所述辅智能摄像头开启。
4.根据权利要求3所述的高危行业风险管控智能设备，其特征在于，还包括辅助支撑装置，所述辅助支撑装置与所述主控制装置连接，所述辅助支撑装置用于对所述主智能摄像头进行稳固支撑；
所述辅助支撑装置呈圆盘状安装在所述安装底座外围，所述辅助支撑装置设置有多个电动伸缩杆，所述主智能摄像头底部设置有多个呈圆周状分布的空槽，多个所述电动伸缩杆的端部与多个所述空槽适配；
所述主控制装置控制所述辅助支撑装置常闭；
若所述风力检测装置判断所述风力大小数据达到风力预警阈值且所述振动检测装置判断所述振动程度数据未达到振动预警阈值，则所述主控制装置控制所述辅助支撑装置开启；
根据所述风力方向数据，所述辅助支撑装置启动对所述主智能摄像头支撑方向与所述风力方向数据相抗的所述电动伸缩杆。
5.根据权利要求3述的高危行业风险管控智能设备，其特征在于，还包括积水检测装置、光照方向检测装置、反光检测装置，所述积水检测装置、光照方向检测装置、反光检测装置分别与所述主控制装置连接；
所述光照方向检测装置用于检测所述主智能摄像头与所述目标区域的光路反射关系；
所述积水检测装置用于检测所述目标区域的积水数据并根据所述光路反射关系判断所述积水数据是否达到造成所述目标区域反光的积水预警阈值；
所述反光检测装置用于检测所述主智能摄像头采集的图像数据是否存在反光；
所述主控制装置控制所述积水检测装置、光照方向检测装置常开，控制所述反光检测装置常闭；
若所述积水检测装置根据所述光路反射关系判断所述积水数据达到造成所述目标区域反光的积水预警阈值，所述主控制装置控制所述反光检测装置开启。
6.根据权利要求5所述的高危行业风险管控智能设备，其特征在于，若所述反光检测装置检测到所述主智能摄像头采集的图像数据存在反光，则所述主控制装置控制与所述主智能摄像头对向设置的所述辅智能摄像头开启。
7.高危行业风险管控智能系统，其特征在于，包括如权利要求1-6任一项所述的高危行业风险管控智能设备，还包括远程监控中心，所述主控制装置与所述远程监控中心网络连接。
8.高危行业风险管控方法，其特征在于，采用如权利要求1-6任一项所述的高危行业风险管控智能设备进行高危行业风险管控。
9.一种计算机存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被运行时执行如权利要求8所述的一种高危行业风险管控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211180409.7A CN115511293A (zh) | 2022-09-27 | 2022-09-27 | 高危行业风险管控智能设备、系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211180409.7A CN115511293A (zh) | 2022-09-27 | 2022-09-27 | 高危行业风险管控智能设备、系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115511293A true CN115511293A (zh) | 2022-12-23 |
Family
ID=84505629
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211180409.7A Withdrawn CN115511293A (zh) | 2022-09-27 | 2022-09-27 | 高危行业风险管控智能设备、系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115511293A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116009502A (zh) * | 2023-03-22 | 2023-04-25 | 深圳华龙讯达信息技术股份有限公司 | 工业自动化平台智能数据采集系统及方法 |
-
2022
- 2022-09-27 CN CN202211180409.7A patent/CN115511293A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116009502A (zh) * | 2023-03-22 | 2023-04-25 | 深圳华龙讯达信息技术股份有限公司 | 工业自动化平台智能数据采集系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112115927B (zh) | 一种基于深度学习的机房设备智能识别方法及系统 | |
| CN109142904B (zh) | 一种基于图像识别的直流输电换流阀故障监测方法及装置 | |
| CN110989594A (zh) | 一种智能机器人巡检系统及方法 | |
| CN113658136A (zh) | 一种基于深度学习的传送带缺陷检测方法 | |
| CN117277592B (zh) | 一种高压电路信号监测的保护切换方法 | |
| CN115511293A (zh) | 高危行业风险管控智能设备、系统及方法 | |
| CN113569956B (zh) | 一种基于ai算法的山火灾害勘查识别方法 | |
| CN111830924A (zh) | 建筑工程内部设施的统一管理与联动控制系统及方法 | |
| KR20230081235A (ko) | 드론을 적용한 배전선로 감시 진단 시스템 및 방법 | |
| CN113339205A (zh) | 一种风力发电机组叶片运行轨迹监测方法及系统 | |
| CN109345787A (zh) | 一种基于智能图像识别技术的输电线路防外损监控报警系统 | |
| CN112232235A (zh) | 基于5g的智慧工厂远程监控方法及系统 | |
| CN115071792A (zh) | 一种基于边缘计算的弓网在线监测系统及方法 | |
| CN113898537A (zh) | 一种风电场远程智能巡检系统 | |
| CN211015645U (zh) | 一种水电站自动巡检系统 | |
| CN113114987A (zh) | 一种基于Hadoop的电力系统巡检方法和系统 | |
| CN113031610A (zh) | 一种监狱夜间自动巡检机器人系统及其控制方法 | |
| CN116175586A (zh) | 巡检机器人和基于巡检机器人的电力巡检方法及系统 | |
| CN113467349B (zh) | 一种输电线路安全隐患智能识别先兆告警系统 | |
| CN115938668A (zh) | 一种中低压线缆工作状态检测系统 | |
| CN115296193A (zh) | 变电站智能巡检系统及方法 | |
| CN114360089A (zh) | 配电开关室的设备巡检方法、装置、设备及介质 | |
| CN118662836A (zh) | 撬装式消防站运行状态实时监测方法及系统 | |
| CN117729314B (zh) | 基于ai视觉的多区域监测系统及方法 | |
| KR102519411B1 (ko) | 드론 및 3d 매핑 기술을 이용한 태양광 발전시스템의 운영유지보수장치 및 그 방법 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221223 |