CN115631461A - 一种危险化学品存放监督预警方法及系统 - Google Patents

一种危险化学品存放监督预警方法及系统 Download PDF

Info

Publication number
CN115631461A
CN115631461A CN202211380925.4A CN202211380925A CN115631461A CN 115631461 A CN115631461 A CN 115631461A CN 202211380925 A CN202211380925 A CN 202211380925A CN 115631461 A CN115631461 A CN 115631461A
Authority
CN
China
Prior art keywords
storage
supervision
information
layer
environment
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
CN202211380925.4A
Other languages
English (en)
Inventor
李玉会
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.)
Beijing Yokon Pharmaceutical Co Ltd
Original Assignee
Beijing Yokon Pharmaceutical 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 Beijing Yokon Pharmaceutical Co Ltd filed Critical Beijing Yokon Pharmaceutical Co Ltd
Priority to CN202211380925.4A priority Critical patent/CN115631461A/zh
Publication of CN115631461A publication Critical patent/CN115631461A/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
    • 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
    • G06Q50/04—Manufacturing
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种危险化学品存放监督预警方法及系统，涉及化学品存储监督技术领域，获取目标危险化学品种类信息，采集种类信息的存放环境条件，获得环境信息并采用存放容器对目标危险化学品进行存放，构建存放监督模型，按照预设时间周期采集目标危险化学品的环境信息及存放容器图像，获得实时环境信息和实时容器图像信息并输入模型中，获取第一监督结果和第二监督结果，若第一监督结果和/或第二监督结果不合格，则进行预警，解决了现有技术中由于监测分析流程不够严谨，使得最终的监督结果精准度不足，对于风险规避与及时应急处理无法得到保障，使得存储安全性较差的技术问题，实现了危险化学品的精准化监督与潜在性风险预防。

Description

一种危险化学品存放监督预警方法及系统
技术领域
本发明涉及化学品存储监督技术领域，具体涉及一种危险化学品存放监督预警方法及系统。
背景技术
随着工业化经济建设的不断发展，在化工、机械、轻工等多个领域都涉及化学品的生产、使用、存储、运输等，其中不乏大量的危险化学品，由于危险化学品存在着毒性、易燃、易爆等多种危险性特征，因此对于危险化学品的存放监督问题为重中之重，若管理不够精准、或处理流程失误，不可避免的会造成大量经济损失或人身伤亡，现如今，主要通过危险化学品的分类集中管控，进行定期检查以确定危险化学品的状态与潜在性风险，然而，常用的危险化学品监督方法还存在一定的弊端，无法保障绝对性存储安全。
现有技术中，对于危险化学品的存放监督预警方法由于监测分析流程不够严谨，使得最终的监督结果精准度不足，对于风险规避与及时应急处理无法得到保障，使得存储安全性较差。
发明内容
本申请提供了一种危险化学品存放监督预警方法及系统，用于针对解决现有技术中存在的由于监测分析流程不够严谨，使得最终的监督结果精准度不足，对于风险规避与及时应急处理无法得到保障，使得存储安全性较差的技术问题。
鉴于上述问题，本申请提供了一种危险化学品存放监督预警方法及系统。
第一方面，本申请提供了一种危险化学品存放监督预警方法，所述方法包括：获取目标危险化学品的种类，获得种类信息，其中，所述目标危险化学品为待存放的危险化学品；采集获取所述种类信息的存放环境条件，获得环境信息；基于所述环境信息，采用存放容器对所述目标危险化学品进行存放；构建存放监督模型，其中，所述存放监督模型包括存放环境监督层、存放容器监督层；按照预设时间周期，采集获取目标危险化学品存储环境的环境信息，以及采集获取所述存放容器的图像，获得实时环境信息和实时容器图像信息；将所述实时环境信息输入所述存放环境监督层，将所述实时容器图像信息输入所述存放容器监督层，获得第一监督结果和第二监督结果；若所述第一监督结果和/或所述第二监督结果不合格，则进行预警。
第二方面，本申请提供了一种危险化学品存放监督预警系统，所述系统包括：种类信息获取模块，所述种类信息获取模块用于获取目标危险化学品的种类，获得种类信息，其中，所述目标危险化学品为待存放的危险化学品；环境信息获取模块，所述环境信息获取模块用于采集获取所述种类信息的存放环境条件，获得环境信息；目标存放模块，所述目标存放模块用于基于所述环境信息，采用存放容器对所述目标危险化学品进行存放；模型构建模块，所述模型构建模块用于构建存放监督模型，其中，所述存放监督模型包括存放环境监督层、存放容器监督层；实时信息采集模块，所述实时信息采集模块用于按照预设时间周期，采集获取所述目标危险化学品存储环境的环境信息，以及采集获取所述存放容器的图像，获得实时环境信息和实时容器图像信息；信息监督模块，所述信息监督模块用于将所述实时环境信息输入所述存放环境监督层，将所述实时容器图像信息输入所述存放容器监督层，获得第一监督结果和第二监督结果；结果预警模块，所述结果预警模块用于若所述第一监督结果和/或所述第二监督结果不合格，则进行预警。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的一种危险化学品存放监督预警方法，基于目标危险化学品的种类获得种类信息，采集获取所述种类信息的存放环境条件，获得环境信息并采用存放容器对所述目标危险化学品进行存放，构建存放监督模型，其中，所述存放监督模型包括存放环境监督层、存放容器监督层；按照预设时间周期采集目标危险化学品存储环境的环境信息及所述存放容器的图像，获得实时环境信息和实时容器图像信息，将其输入所述存放环境监督层与所述存放容器监督层，获取第一监督结果和第二监督结果，若所述第一监督结果和/或所述第二监督结果不合格，则进行预警，解决了现有技术中存在的由于监测分析流程不够严谨，使得最终的监督结果精准度不足，对于风险规避与及时应急处理无法得到保障，使得存储安全性较差的技术问题，实现了危险化学品的精准化监督与潜在性风险预防。
附图说明
图1为本申请提供了一种危险化学品存放监督预警方法流程示意图；
图2为本申请提供了一种危险化学品存放监督预警方法中存放环境条件采集流程示意图；
图3为本申请提供了一种危险化学品存放监督预警方法中存放监督模型构建流程示意图；
图4为本申请提供了一种危险化学品存放监督预警系统结构示意图。
附图标记说明：种类信息获取模块11，环境信息采集模块12，目标存放模块13，模型构建模块14，实时信息采集模块15，信息监督模块16，结果预警模块17。
具体实施方式
本申请通过提供一种危险化学品存放监督预警方法及系统，获取目标危险化学品种类信息，采集种类信息的存放环境条件，获得环境信息并采用存放容器对目标危险化学品进行存放，构建存放监督模型，按照预设时间周期采集目标危险化学品的环境信息及存放容器图像，获得实时环境信息和实时容器图像信息并输入模型中，获取第一监督结果和第二监督结果，若第一监督结果和/或第二监督结果不合格，则进行预警，用于解决现有技术中存在的由于监测分析流程不够严谨，使得最终的监督结果精准度不足，对于风险规避与及时应急处理无法得到保障，使得存储安全性较差的技术问题。
实施例一
如图1所示，本申请提供了一种危险化学品存放监督预警方法，所述方法包括：
步骤S100：获取目标危险化学品的种类，获得种类信息，其中，所述目标危险化学品为待存放的危险化学品；
具体而言，化学品是指由多种元素组合而成的混合物或纯净物，可以是天然形成或人造形成，由于性质差异部分化学品存在一定的潜在性危害，例如腐蚀性、助燃性、毒性等，需对相关化学品进行慎重存储管控，以提升危险化学品存储的安全性，本申请提供的一种危险化学品存放监督预警方法，通过对危险化学品的存放环境与存放容器进行针对性监督分析，基于监督结果进行风险预警，进而进行存放调整以进行风险规避，首先，对所述目标危险化学品的种类进行采集，所述目标危险化学品指待存放的危险化学品，确定所述目标危险化学品的所属种类，例如，硝酸、盐酸属于酸性腐蚀品；甲烷、一氧化碳属于易燃气体，确定所述种类信息，可基于所属目标危险化学品的所述种类信息进行化学性质评估分析，挥发性、热敏感性等，化学性质的差异性使得化学品的存放条件不尽相同，为后续进行监督分析提供了基本信息根据。
步骤S200：采集获取所述种类信息的存放环境条件，获得环境信息；
步骤S300：基于所述环境信息，采用存放容器对所述目标危险化学品进行存放；
具体而言，基于所述目标危险化学品的种类信息确定适宜的存放环境，获取所述存放环境信息，所述存放环境需在保证化学性质稳定的基础上保障存储安全性，通过对所述目标危险化学品的光照条件、温度条件、湿度条件与通风条件分别进行采集，获取所述环境信息，所述环境信息包括了适宜所述目标危险化学品存放的适宜光照信息、温度信息、湿度信息与通风信息，进一步的，以所述环境信息为基准，确定所述目标危险化学品的适应性存放位置，例如通风干燥、低温避光等，进一步确定与所述目标危险化学品化学性质相适配的存放容器，示例性的，基于化学性质确定容器材质，如玻璃、木制、橡胶等，同时，确定容器密封程度，进而基于所述存放容器对所述目标危险化学品进行存放，为后续进行存放监督提供了现实依据。
进一步而言，如图2所示，采集获取所述种类信息的存放环境条件，本申请步骤S200还包括：
步骤S210：采集获取所述目标危险化学品存放的光照条件，获得光照信息；
步骤S220：采集获取所述目标危险化学品存放的温度条件，获得温度信息；
步骤S230：采集获取所述目标危险化学品存放的湿度条件，获得湿度信息；
步骤S240：采集获取所述目标危险化学品存放的通风条件，获得通风信息；
步骤S250：根据所述光照信息、温度信息、湿度信息和通风信息，获得所述环境信息。
具体而言，对所述种类信息的存放环境条件进行采集，确定所述目标危险化学品存放的光照条件，判断是否需进行避光存放，若所述目标危险化学品遇光会加速挥发、分解等，破环化学性质，则需限制存放光照条件，获取所述目标危险化学品的存放光照信息；确定所述目标危险化学品存放的温度区间，在所述温度区间内可保证所述目标化学品的形态与稳定性，例如，对于乙醇等易燃液体，由于在常温下容易挥发，同时会与空气结合形成爆炸性混合物，需控制存放温度至零下，对所述目标危险化学品的存放温度条件进行采集，获取所述温度信息；对所述目标危险化学品的存放湿度条件进行采集，对于吸湿性、水溶性等化学品需严格把控存放湿度，避免化学品分解变质，确定所述目标危险化学品的湿度信息，进一步对所述目标危险化学品进行存放通风条件的采集，刺激性腐蚀品、高度易燃品等需进行通风存放，基于所述种类信息确定所述通风信息，进一步的，对所述光照信息、所述温度信息、所述湿度信息和所述通风信息进行归类整合处理，获取所述环境信息，通过进行环境信息的分类采集分析，可有效提升信息的采集完备性与准确性。
步骤S400：构建存放监督模型，其中，所述存放监督模型包括存放环境监督层、存放容器监督层；
步骤S500：按照预设时间周期，采集获取所述目标危险化学品存储环境的环境信息，以及采集获取所述存放容器的图像，获得实时环境信息和实时容器图像信息；
具体而言，构建所述存放环境监督层、所述存放容器监督层，所述存放容器监督层内嵌有分类标签监督分支，基于所述存放环境监督层，对所述目标危险化学品的实时环境信息进行识别分析，确定存放环境的合格度，所述存放容器监督层可对所述目标危险化学品的容器状态、影响程度进行分析，确定是否处于正常状态，存在潜在性风险，基于所述存放环境监督层与所述存放容器监督层进行所述存放监督模型的构建，进一步的，基于所述预设时间周期对所述目标危险化学品存储的环境信息进行采集，所述预设时间周期为对所述目标危险化学品进行监督的间隔区间，例如，设定一周为所述预设时间周期，可通过传感器分别对所述目标危险化学品的温度信息、湿度信息、通风信息与光照信息进行采集，获取所述实时环境信息，同时，基于图像采集设备对所述目标危险化学品的存放容器进行图像采集，可进行多角度采集以保证采集图像的信息完备性，进一步对图像进行顺序性整合获取所述实时容器图像信息，所述实时环境信息与所述实时容器图像信息的获取为后续进行监督判定提供了基本信息来源。
进一步而言，如图3所示，所述构建存放监督模型，本申请步骤S400还包括：
步骤S410：构建所述存放环境监督层；
步骤S420：构建所述存放容器监督层；
步骤S430：基于所述存放容器监督层，构建所述存放容器监督层的分类标签监督分支；
步骤S440：根据所述存放环境监督层、存放容器监督层和分类标签监督分支，获得所述存放监督模型。
具体而言，基于所述BP神经网络构建所述存放环境监督层，采集样本环境信息进行第一数据集的构建，进一步进行数据集划分，获取训练集验证集与测试集，输入所述存放环境监督层中进行训练、验证与测试，以提升监督层的输出结果精确度，基于所述存放环境监督层可对所述目标危险化学品进行存放环境识别判定，确定是否达标，同理，基于卷积神经网络构建所述存放容器监督层与所述分类标签监督分支，所述分类标签监督分支内嵌于所述存放容器监督层中，采集样本存放容器图像信息进行第二数据集与第三数据集的构建，分别输入对应监督层中进行训练，可有效保障输出结果精度与实际贴合度，进一步基于所述存放环境监督层、所述存放容器监督层与所述分类标签分支构建所述存放监督模型，其中，所述存放环境监督层与所述存放容器监督层为同级监督层。
进一步而言，构建所述存放环境监督层，本申请步骤S410还包括：
步骤S411：采集获取多个不同的存放环境条件，获得多个样本环境信息；
步骤S412：根据所述环境信息，分别对所述多个样本环境信息进行合格性判断，获得多个第一样本判断结果，其中，所述多个第一样本判断结果内包括合格或不合格的判断结果；
步骤S413：对所述多个样本环境信息和所述多个第一样本判断结果进行数据标识，获得第一构建数据集；
步骤S414：基于BP神经网络，构建所述存放环境监督层；
步骤S415：采用所述第一构建数据集对所述存放环境监督层进行监督训练、验证和测试，获得准确率满足预设要求的所述存放环境监督层。
具体而言，对所述目标危险化学品进行多个不同存放环境条件的采集，获取所述多个样本环境信息，基于所述环境信息对所述多个样本环境信息分别进行合格性判断，分析各样本环境信息与所述环境信息对应的温度信息、湿度信息、通风信息与环境信息与所述环境信息的偏差程度，示例性的，可获取预设信息偏差等级，对所述多个样本环境信息进行所述预设信息偏差等级的匹配映射，获取对应的样本偏差等级，进一步以所述样本偏差等级为基准对所述多个样本环境信息进行合格性判断，基于合格环境信息区间进行多个所述样本环境信息的筛选分类与标识，以便进行识别区分，获取所述多个第一样本判断结果，所述多个第一样本判断结果包括了合格或不合格的判断结果。
进一步的，对所述多个样本环境信息与所述多个第一样本判断结果进行信息对应匹配，两者一一对应，基于匹配结果进行数据标识，获取所述第一构建数据集，进一步基于所述BP神经网络进行所述存放环境监督层的构建，所述存放环境监督层为所述存放监督模型的组成部分，输入层与输出层中间包含多个隐藏层，通过进行信息的分析修正使得输出信息误差最小，对所述第一构建数据集进行数据划分，获取训练集、验证集与测试集，逐次输入所述存放环境监督层中进行监督训练，以提高输出准确率，进而进行验证与测试，确定是否达到预设要求，当满足所述预设要求时确定所述存放环境监督层，可有效保证所述存放环境监督层的输出结果的准确性与实际贴合度。
进一步而言，构建所述存放容器监督层，本申请步骤S420还包括：
步骤S421：采集获取多个状态下的存放容器图像信息，获得多个样本存放容器图像信息；
步骤S422：对所述多个样本存放容器图像进行合格性判断，获得多个第二样本判断结果，其中，所述多个第二样本判断结果内包括合格或不合格的判断结果；
步骤S423：对所述多个样本存放容器图像信息和所述多个第二样本判断结果进行数据标识，获得第二构建数据集；
步骤S424：基于卷积神经网络，构建所述存放容器监督层；
步骤S425：采用所述第二构建数据集对所述存放容器监督层进行监督训练、验证和测试，获得准确率满足预设要求的所述存放容器监督层。
具体而言，对所述目标危险化学品进行多个状态下的存放图像采集，例如瓶盖破损、倾斜、瓶身变色、形变、开裂等，包括状态变化的不同程度，进而进行图像信息归类整合获取所述多个样本存放容器图像信息，进一步对所述多个样本存放容器图像进行合格性判断，示例性的，可调取化学品存放标准等级，与所述多个样本存放容器图像分析进行重叠比对，确定所述多个样本存放容器图像是否合格，并获取合格程度，进而对合格图像与不合格图像进行归类整合，获取所述第二样本判断结果，所述第二样本判断结果与所述多个样本存放容器图像一一对应，通过进行信息映射，基于不同于所述第一构建数据集的标识序列号进行对应数据的标识，获取所述第二构建数据集，基于卷积神经网络构建所述存放容器监督层，便于后续进行所述存放容器监督层的深度稳定学习监督，对所述第二构建数据集进行数据划分，获取训练集、验证集与测试集，将所述训练集输入所述存放容器监督层中进行监督训练，以提高输出准确率，进而基于所述验证集与所述测试集进行验证测试，确定是否达到预设要求，获取所述存放容器监督层，可有效保证所述存放容器监督层输出结果的准确性与实际贴合度。
进一步而言，基于所述存放容器监督层，构建分类标签监督分支，本申请步骤S430还包括：
步骤S431：基于所述多个样本存放容器图像信息进行图像分割，获得多个样本存放标签图像信息；
步骤S432：对所述多个样本存放标签图像信息进行合格性判断，获得多个第三样本判断结果，其中，所述多个第三样本判断结果内包括合格或不合格的判断结果；
步骤S433：对所述多个样本存放标签图像信息和所述多个第三样本判断结果进行数据标识，获得第三构建数据集；
步骤S434：基于卷积神经网络，构建所述分类标签监督分支；
步骤S435：采用所述第三构建数据集对所述分类标签监督分支进行监督训练、验证和测试，获得准确率满足预设要求的所述分类标签监督分支。
具体而言，对多个状态下的存放容器图像信息进行采集获取所述多个样本存放容器图像信息，通过进行图像分割获得容器瓶身的标签，包括化学品种类以及危险种类等，例如有毒、易燃，获取所述多个样本存放标签图像信息，所述多个样本存放标签图像信息与所述多个样本存放容器信息相对应，进一步对所述多个样本存放标签图像信息进行合格性判断，判断这些标签是否完整、清楚，有没有污染、掉落、折叠的问题，免得在取用的时候影响分辨，将清楚、完整、整洁的标签图像判定为合格，否则为不合格，进而进行信息对应整合生成所述多个第三样本判断结果，基于所述多个第三样本判断结果与所述多个样本存放标签图像信息的对应结果进行数据标识，获取所述第三构建数据集，同理，基于所述卷积神经网络进行所述分类标签监督分支的构建，基于所述分类标签监督分支可对所述目标危险化学品进行归类集中监督，以提升监督的有序性，进一步的，将所述第三构建数据集划分为训练集、验证集与测试集，将其输入所述存放容器监督层中进行监督训练与验证测试，使得所述分类标签监督分支可达到预设要求，以提升所述分类标签监督分支的监督结果准确性。
步骤S600：将所述实时环境信息输入所述存放环境监督层，将所述实时容器图像信息输入所述存放容器监督层，获得第一监督结果和第二监督结果；
步骤S700：若所述第一监督结果和/或所述第二监督结果不合格，则进行预警。
具体而言，通过对所述目标危险化学品进行实时信息采集，获取所述实时环境信息与所述实时容器图像信息，进一步将所述实时环境信息输入所述存放环境监督层中，进行环境信息的识别判断，确定所述实时环境信息是否合格，生成所述第一监督结果，将所述实时容器图像信息输入所述存放容器监督层中，进行图像特征提取，进而通过分析校对判定所述实时容器图像信息是否合格，进一步对所述实时容器图像信息进行分割，获取图像标签输入所述分类标签监督分支内进行比对评估分析，对所述分类标签监督分支与所述存放容器监督层的输出结果进行综合评定，获取所述第二监督结果，其中，当两者的输出结果皆为合格时，所述第二监督结果为合格，进一步的，对所述第一监督结果与所述第二监督结果进行综合评定，当所述第一监督结果与所述第二监督结果都为合格时，表述所述目标危险化学品的存放状态为正常状态，当其中任一监督结果为不合格时，确定不合格监督结果对应的监督内容与不合格程度，对其进行标识并生成预警指令进行输出，以进行预警警示，以便及时进行存放偏差的修正，进行潜在性风险的及时规避。
进一步而言，将所述实时环境信息输入所述存放环境监督层，将所述实时容器图像信息输入所述存放容器监督层，获得第一监督结果和第二监督结果，本申请步骤S600还包括：
步骤S610：将所述实时环境信息输入所述存放环境监督层，获得第一判断结果；
步骤S620：根据所述第一判断结果，获得所述第一监督结果；
步骤S630：将所述实时容器图像信息输入所述存放容器监督层，获得第二判断结果；
步骤S640：根据所述实时容器图像信息进行图像分割，获得实时存放标签图像信息；
步骤S650：将所述实时存放标签图像信息输入所述分类标签监督分支内，获得第三判断结果；
步骤S660：根据所述第二判断结果和所述第三判断结果，获得所述第二监督结果，其中，若所述第二判断结果和/或所述第三判断结果为不合格，则所述第二监督结果为不合格。
具体而言，通过对所述目标危险化学品进行实时信息采集获取所述实时环境信息与所述实时容器图像信息，将所述实时环境信息输入所述存放环境监督层，通过对所述温度信息、湿度信息、通风信息与光照信息进行识别，判断与所述目标危险化学品的所属种类环境信息是否相适配，获取所述第一判断结果，所述第一判断结果表述所述目标危险化学品的存放环境是否合格，将其作为所述第一监督结果进行输出；进一步将所述实时容器图像信息输入所述存放容器监督层中，通过进行图像特征识别校对确定所述目标危险化学品存放容器的状态、损伤程度等，基于此判断所述实时容器图像信息是否合格，获取所述第二判断结果；对所述实时容器图像信息进行图像分割，通过进行图像标签识别获取所述实时存放标签信息，进而将所述实时存放标签图像信息输入所述分类标签监督分支内，进行标签识别判定，确定所属种类、标签与内容的完整度，获取所述第三判断结果，进一步对所述第二判断结果与所述第三判断结果进行综合评定获取所述第二监督结果，当其中任一判断结果为不合格时，判定所述第二监督结果为不合格，通过进行实时信息的分类监督判定，可减少单次信息分析数据量，保障分析结果准确度。
实施例二
基于与前述实施例中一种危险化学品存放监督预警方法相同的发明构思，如图4所示，本申请提供了一种危险化学品存放监督预警系统，所述系统包括：
种类信息获取模块11，所述种类信息获取模块11用于获取目标危险化学品的种类，获得种类信息，其中，所述目标危险化学品为待存放的危险化学品；
环境信息采集模块12，所述环境信息获取模块12用于采集获取所述种类信息的存放环境条件，获得环境信息；
目标存放模块13，所述目标存放模块13用于基于所述环境信息，采用存放容器对所述目标危险化学品进行存放；
模型构建模块14，所述模型构建模块14用于构建存放监督模型，其中，所述存放监督模型包括存放环境监督层、存放容器监督层；
实时信息采集模块15，所述实时信息采集模块15用于按照预设时间周期，采集获取所述目标危险化学品存储环境的环境信息，以及采集获取所述存放容器的图像，获得实时环境信息和实时容器图像信息；
信息监督模块16，所述信息监督模块16用于将所述实时环境信息输入所述存放环境监督层，将所述实时容器图像信息输入所述存放容器监督层，获得第一监督结果和第二监督结果；
结果预警模块17，所述结果预警模块17用于若所述第一监督结果和/或所述第二监督结果不合格，则进行预警。
进一步而言，所述系统还包括：
光照信息获取模块，所述光照信息获取模块用于采集获取所述目标危险化学品存放的光照条件，获得光照信息；
温度信息获取模块，所述温度信息获取模块用于采集获取所述目标危险化学品存放的温度条件，获得温度信息；
湿度信息获取模块，所述湿度信息获取模块用于采集获取所述目标危险化学品存放的湿度条件，获得湿度信息；
通风信息获取模块，所述通风信息获取模块用于采集获取所述目标危险化学品存放的通风条件，获得通风信息；
环境信息获取模块，所述环境信息获取模块用于根据所述光照信息、温度信息、湿度信息和通风信息，获得所述环境信息。
进一步而言，所述系统还包括：
环境监督层构建模块，所述环境监督层构建模块用于构建所述存放环境监督层；
容器监督层构建模块，所述容器监督层构建模块用于构建所述存放容器监督层；
分支构建模块，所述分支构建模块用于基于所述存放容器监督层，构建所述存放容器监督层的分类标签监督分支；
模型获取模块，所述模型获取模块用于根据所述存放环境监督层、存放容器监督层和分类标签监督分支，获得所述存放监督模型。
进一步而言，所述系统还包括：
样本信息获取模块，所述样本信息获取模块用于采集获取多个不同的存放环境条件，获得多个样本环境信息；
信息判断模块，所述信息判断模块用于根据所述环境信息，分别对所述多个样本环境信息进行合格性判断，获得多个第一样本判断结果，其中，所述多个第一样本判断结果内包括合格或不合格的判断结果；
第一数据集构建模块，所述第一数据集构建模块用于对所述多个样本环境信息和所述多个第一样本判断结果进行数据标识，获得第一构建数据集；
存放环境监督层构建模块，所述存放环境监督层构建模块用于基于BP神经网络，构建所述存放环境监督层；
存放环境监督层训练模块，所述存放环境监督层训练模块用于采用所述第一构建数据集对所述存放环境监督层进行监督训练、验证和测试，获得准确率满足预设要求的所述存放环境监督层。
进一步而言，所述系统还包括：
图像信息采集模块，所述图像信息采集模块用于采集获取多个状态下的存放容器图像信息，获得多个样本存放容器图像信息；
图像判断模块，所述图像判断模块用于对所述多个样本存放容器图像进行合格性判断，获得多个第二样本判断结果，其中，所述多个第二样本判断结果内包括合格或不合格的判断结果；
第二数据集构建模块，所述第二数据集构建模块用于对所述多个样本存放容器图像信息和所述多个第二样本判断结果进行数据标识，获得第二构建数据集；
存放容器监督层构建模块，所述存放容器监督层构建模块用于基于卷积神经网络，构建所述存放容器监督层；
存放容器监督层训练模块，所述存放容器监督层训练模块用于采用所述第二构建数据集对所述存放容器监督层进行监督训练、验证和测试，获得准确率满足预设要求的所述存放容器监督层。
进一步而言，所述系统还包括：
图像分割模块，所述图像分割模块用于基于所述多个样本存放容器图像信息进行图像分割，获得多个样本存放标签图像信息；
样本判断模块，所述样本判断模块用于对所述多个样本存放标签图像信息进行合格性判断，获得多个第三样本判断结果，其中，所述多个第三样本判断结果内包括合格或不合格的判断结果；
第三数据集构建模块，所述第三数据集构建模块用于对所述多个样本存放标签图像信息和所述多个第三样本判断结果进行数据标识，获得第三构建数据集；
监督分支构建模块，所述监督分支构建模块用于基于卷积神经网络，构建所述分类标签监督分支；
监督分支训练模块，所述监督分支训练模块用于采用所述第三构建数据集对所述分类标签监督分支进行监督训练、验证和测试，获得准确率满足预设要求的所述分类标签监督分支。
进一步而言，所述系统还包括：
第一判断结果获取模块，所述第一判断结果获取模块用于将所述实时环境信息输入所述存放环境监督层，获得第一判断结果；
第一监督结果获取模块，所述第一监督结果获取模块用于根据所述第一判断结果，获得所述第一监督结果；
第二判断结果获取模块，所述第二判断结果获取模块用于将所述实时容器图像信息输入所述存放容器监督层，获得第二判断结果；
标签图像获取模块，所述标签图像获取模块用于根据所述实时容器图像信息进行图像分割，获得实时存放标签图像信息；
第三判断结果获取模块，所述第三判断结果获取模块用于将所述实时存放标签图像信息输入所述分类标签监督分支内，获得第三判断结果；
结果分析模块，所述结果分析模块用于根据所述第二判断结果和所述第三判断结果，获得所述第二监督结果，其中，若所述第二判断结果和/或所述第三判断结果为不合格，则所述第二监督结果为不合格。
本说明书通过前述对一种危险化学品存放监督预警方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种危险化学品存放监督预警方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种危险化学品存放监督预警方法，其特征在于，所述方法包括：
获取目标危险化学品的种类，获得种类信息，其中，所述目标危险化学品为待存放的危险化学品；
采集获取所述种类信息的存放环境条件，获得环境信息；
基于所述环境信息，采用存放容器对所述目标危险化学品进行存放；
构建存放监督模型，其中，所述存放监督模型包括存放环境监督层、存放容器监督层；
按照预设时间周期，采集获取目标危险化学品存储环境的环境信息，以及采集获取所述存放容器的图像，获得实时环境信息和实时容器图像信息；
将所述实时环境信息输入所述存放环境监督层，将所述实时容器图像信息输入所述存放容器监督层，获得第一监督结果和第二监督结果；
若所述第一监督结果和/或所述第二监督结果不合格，则进行预警。
2.根据权利要求1所述的方法，其特征在于，采集获取所述种类信息的存放环境条件，包括：
采集获取所述目标危险化学品存放的光照条件，获得光照信息；
采集获取所述目标危险化学品存放的温度条件，获得温度信息；
采集获取所述目标危险化学品存放的湿度条件，获得湿度信息；
采集获取所述目标危险化学品存放的通风条件，获得通风信息；
根据所述光照信息、温度信息、湿度信息和通风信息，获得所述环境信息。
3.根据权利要求1所述的方法，其特征在于，所述构建存放监督模型，包括：
构建所述存放环境监督层；
构建所述存放容器监督层；
基于所述存放容器监督层，构建所述存放容器监督层的分类标签监督分支；
根据所述存放环境监督层、存放容器监督层和分类标签监督分支，获得所述存放监督模型。
4.根据权利要求3所述的方法，其特征在于，构建所述存放环境监督层，包括：
采集获取多个不同的存放环境条件，获得多个样本环境信息；
根据所述环境信息，分别对所述多个样本环境信息进行合格性判断，获得多个第一样本判断结果，其中，所述多个第一样本判断结果内包括合格或不合格的判断结果；
对所述多个样本环境信息和所述多个第一样本判断结果进行数据标识，获得第一构建数据集；
基于BP神经网络，构建所述存放环境监督层；
采用所述第一构建数据集对所述存放环境监督层进行监督训练、验证和测试，获得准确率满足预设要求的所述存放环境监督层。
5.根据权利要求3所述的方法，其特征在于，构建所述存放容器监督层，包括：
采集获取多个状态下的存放容器图像信息，获得多个样本存放容器图像信息；
对所述多个样本存放容器图像进行合格性判断，获得多个第二样本判断结果，其中，所述多个第二样本判断结果内包括合格或不合格的判断结果；
对所述多个样本存放容器图像信息和所述多个第二样本判断结果进行数据标识，获得第二构建数据集；
基于卷积神经网络，构建所述存放容器监督层；
采用所述第二构建数据集对所述存放容器监督层进行监督训练、验证和测试，获得准确率满足预设要求的所述存放容器监督层。
6.根据权利要求5所述的方法，其特征在于，基于所述存放容器监督层，构建分类标签监督分支，包括：
基于所述多个样本存放容器图像信息进行图像分割，获得多个样本存放标签图像信息；
对所述多个样本存放标签图像信息进行合格性判断，获得多个第三样本判断结果，其中，所述多个第三样本判断结果内包括合格或不合格的判断结果；
对所述多个样本存放标签图像信息和所述多个第三样本判断结果进行数据标识，获得第三构建数据集；
基于卷积神经网络，构建所述分类标签监督分支；
采用所述第三构建数据集对所述分类标签监督分支进行监督训练、验证和测试，获得准确率满足预设要求的所述分类标签监督分支。
7.根据权利要求6所述的方法，其特征在于，将所述实时环境信息输入所述存放环境监督层，将所述实时容器图像信息输入所述存放容器监督层，获得第一监督结果和第二监督结果，包括：
将所述实时环境信息输入所述存放环境监督层，获得第一判断结果；
根据所述第一判断结果，获得所述第一监督结果；
将所述实时容器图像信息输入所述存放容器监督层，获得第二判断结果；
根据所述实时容器图像信息进行图像分割，获得实时存放标签图像信息；
将所述实时存放标签图像信息输入所述分类标签监督分支内，获得第三判断结果；
根据所述第二判断结果和所述第三判断结果，获得所述第二监督结果，其中，若所述第二判断结果和/或所述第三判断结果为不合格，则所述第二监督结果为不合格。
8.一种危险化学品存放监督预警系统，其特征在于，所述系统包括：
种类信息获取模块，所述种类信息获取模块用于获取目标危险化学品的种类，获得种类信息，其中，所述目标危险化学品为待存放的危险化学品；
环境信息获取模块，所述环境信息获取模块用于采集获取所述种类信息的存放环境条件，获得环境信息；
目标存放模块，所述目标存放模块用于基于所述环境信息，采用存放容器对所述目标危险化学品进行存放；
模型构建模块，所述模型构建模块用于构建存放监督模型，其中，所述存放监督模型包括存放环境监督层、存放容器监督层；
实时信息采集模块，所述实时信息采集模块用于按照预设时间周期，采集获取所述目标危险化学品存储环境的环境信息，以及采集获取所述存放容器的图像，获得实时环境信息和实时容器图像信息；
信息监督模块，所述信息监督模块用于将所述实时环境信息输入所述存放环境监督层，将所述实时容器图像信息输入所述存放容器监督层，获得第一监督结果和第二监督结果；
结果预警模块，所述结果预警模块用于若所述第一监督结果和/或所述第二监督结果不合格，则进行预警。
CN202211380925.4A 2022-11-05 2022-11-05 一种危险化学品存放监督预警方法及系统 Pending CN115631461A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211380925.4A CN115631461A (zh) 2022-11-05 2022-11-05 一种危险化学品存放监督预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211380925.4A CN115631461A (zh) 2022-11-05 2022-11-05 一种危险化学品存放监督预警方法及系统

Publications (1)

Publication Number Publication Date
CN115631461A true CN115631461A (zh) 2023-01-20

Family

ID=84908053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211380925.4A Pending CN115631461A (zh) 2022-11-05 2022-11-05 一种危险化学品存放监督预警方法及系统

Country Status (1)

Country Link
CN (1) CN115631461A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116403165A (zh) * 2023-06-05 2023-07-07 交通运输部水运科学研究所 一种危险化学品泄露应急处理方法、装置及可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116403165A (zh) * 2023-06-05 2023-07-07 交通运输部水运科学研究所 一种危险化学品泄露应急处理方法、装置及可读存储介质
CN116403165B (zh) * 2023-06-05 2023-08-04 交通运输部水运科学研究所 一种危险化学品泄露应急处理方法、装置及可读存储介质

Similar Documents

Publication Publication Date Title
CN115631461A (zh) 一种危险化学品存放监督预警方法及系统
CN114222956A (zh) 用于将网络化的传感器放置在一设施内以用于逃逸性排放监测的系统及方法
Grassi et al. Seafood freshness: e-nose data for classification purposes
Capelli et al. The need for electronic noses for environmental odour exposure assessment
CN116823564A (zh) 一种危废品智能监测系统
Bax et al. Real-time monitoring of odour concentration at a landfill fenceline: performance verification in the field
CN113267601B (zh) 一种基于机器视觉和数据分析的工业生产环境远程实时监测云平台
CN109784390A (zh) 一种人工智能嗅觉动态响应图谱气体检测识别方法
CN116718638A (zh) 一种基于电子鼻物联网的危险化学品检测方法和系统
CN112259172B (zh) 一种存在空气污染物化学反应情况的污染源逆向辨识方法
CN107367573A (zh) 试剂管控单元、分析仪器、分析系统及方法
Mohammad et al. Air pollution comparison RFM model using machine learning approach
CN111522860B (zh) 一种基于生物行为的水质预警分析方法及其系统
Hardcastle Qualitative analysis: a guide to best practice
CN114169903A (zh) 一种可融合无损检测技术的中药材数字化质控追溯方法
Mølgaard et al. Improved detection of chemical substances from colorimetric sensor data using probabilistic machine learning
CN114417729A (zh) 一种基于bp神经网络的矿区环境安全预警方法
CN115479976A (zh) 基于pnn神经网络的复合型气体传感器的气体识别方法
CN117191172B (zh) 一种天平称量罩的质量检测和饱和预警的方法及装置
CN115147872B (zh) 一种考场中教师行为的检测方法及系统
Azizan et al. A Framework to Spatially Cluster Air Quality Monitoring Stations in Peninsular Malaysia using the Hybrid Clustering Method
CN117058849B (zh) 一种危化气体泄漏实时在线监测系统
CN115239118A (zh) 一种实验室规划效果评估方法及系统
CN116128682B (zh) 一种基于ai技术的智慧实验室安全监测管理方法及系统
CN115718888B (zh) 痕量物质的检测方法、检测装置、电子设备和介质

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