CN116758490A - 基于ai算法的施工现场安全帽佩戴检测与预警方法及系统 - Google Patents
基于ai算法的施工现场安全帽佩戴检测与预警方法及系统 Download PDFInfo
- Publication number
- CN116758490A CN116758490A CN202311034815.7A CN202311034815A CN116758490A CN 116758490 A CN116758490 A CN 116758490A CN 202311034815 A CN202311034815 A CN 202311034815A CN 116758490 A CN116758490 A CN 116758490A
- Authority
- CN
- China
- Prior art keywords
- safety helmet
- intelligent safety
- wearing
- early warning
- helmet
- 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.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 197
- 238000001514 detection method Methods 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000002159 abnormal effect Effects 0.000 claims abstract description 147
- 238000004891 communication Methods 0.000 claims abstract description 16
- 238000009430 construction management Methods 0.000 claims abstract description 5
- 238000009826 distribution Methods 0.000 claims description 31
- 230000005856 abnormality Effects 0.000 claims description 26
- 238000012216 screening Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims 3
- 230000009286 beneficial effect Effects 0.000 description 20
- 230000002349 favourable effect Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 7
- 206010063385 Intellectualisation Diseases 0.000 description 6
- 230000000750 progressive effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V10/10—Image acquisition
-
- 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
- G06V10/776—Validation; Performance evaluation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Helmets And Other Head Coverings (AREA)
Abstract
本发明公开了一种基于AI算法的施工现场安全帽佩戴检测与预警方法及系统,该方法包括:一体化管理平台接收通过处于施工现场的智能安全帽对应的通信模块传输的安全帽状态信息,安全帽状态信息通过智能安全帽的信息采集模块采集到的;根据安全帽状态信息,通过检测与预警模型判断智能安全帽是否满足异常佩戴条件;若是,向与智能安全帽相关联的施工管理人员发出预警信息和/或向智能安全帽发出提示信息。可见,本发明能够提高安全帽佩戴的检测与预警方式的全面性和合理性,进而提高确定出的安全帽异常佩戴的检测结果的准确性和可靠性,从而提高针对安全帽异常佩戴的预警及时性和预警精准性,在一定程度上提高施工现场的施工安全性和施工规范化。
Description
技术领域
本发明涉及建筑施工安全技术领域,尤其涉及一种基于AI算法的施工现场安全帽佩戴检测与预警方法及系统。
背景技术
佩戴安全帽能有效的减少坠落的物体对人员造成的伤害,因此,在建筑业、制造业、油田和化工厂等企业的施工场合强制规定作业人员必须佩戴安全帽。在实际生活中,对施工现场的工人是否佩戴安全帽进行检测,以及时发现没有按照规定佩戴安全帽的工人,是施工现场安全管理中的重要环节。
当前,针对施工现场的安全帽佩戴检测方式主要为管理人员人为通过肉眼及主观意识判定施工人员是否佩戴安全帽,或者,后台系统通过识别施工现场拍摄图像判定施工人员是否佩戴安全帽。然而,实践可知,前一种人为主观性检测安全帽佩戴情况的方式容易受人为主观性影响,存在安全帽佩戴的检测效率低的问题;后一种系统智能化检测安全帽佩戴情况的方式则过于依赖拍摄图像,所拍摄的图像存在视觉误区、视觉盲区的可能性较大,进而导致安全帽佩戴的检测准确性低。可见,提供一种新的安全帽佩戴的检测方式以提高安全帽佩戴的检测准确性及检测效率显得尤为重要。
发明内容
本发明内容所要解决的技术问题在于,提供一种基于AI算法的施工现场安全帽佩戴检测与预警方法及系统,能够提高针对安全帽佩戴情况的检测精准性、可靠性,进而提高针对安全帽佩戴情况的预警及时性和预警准确性。
为了解决上述技术问题,本发明第一方面公开了一种基于AI算法的施工现场安全帽佩戴检测与预警方法,所述方法应用于检测与预警系统,所述检测与预警系统用于实现对施工现场的安全帽佩戴检测与预警,所述检测与预警系统至少包括一体化管理平台,所述施工现场中的安全帽通过配置在自身的信息采集模块和通信模块接入所述一体化管理平台,所述方法包括:
所述一体化管理平台接收通过处于所述施工现场的智能安全帽对应的通信模块传输的安全帽状态信息,所述安全帽状态信息通过所述智能安全帽的信息采集模块采集到的;
所述一体化管理平台根据所述安全帽状态信息,通过预先设定好的检测与预警模型判断所述智能安全帽是否满足预设的异常佩戴条件;
当判断出所述智能安全帽满足所述异常佩戴条件时,所述一体化管理平台向与所述智能安全帽相关联的施工管理人员发出预警信息,和/或,向所述智能安全帽发出提示信息。
作为一种可选的实施方式,在本发明第一方面中,所述一体化管理平台根据所述安全帽状态信息,通过预先设定好的检测与预警模型判断所述智能安全帽是否满足预设的异常佩戴条件,包括:
根据所述安全帽状态信息,判断所述智能安全帽是否处于被佩戴状态,得到第一判断结果;
当所述第一判断结果为否时,确定所述智能安全帽满足预设的异常佩戴条件;
当所述第一判断结果为是时,确定所述智能安全帽的佩戴相关信息,并根据所述佩戴相关信息及所述安全帽状态信息,判断所述智能安全帽是否满足预设的有效佩戴要求;
当判断出所述智能安全帽未满足所述有效佩戴要求时,确定所述智能安全帽满足预设的异常佩戴条件。
作为一种可选的实施方式,在本发明第一方面中,所述一体化管理平台根据所述佩戴相关信息及所述安全帽状态信息,判断所述智能安全帽是否满足预设的有效佩戴要求,包括:
根据所述佩戴相关信息,确定所述智能安全帽的内里接触相关信息;
根据所述内里接触相关信息,判断所述智能安全帽是否满足预设的内里接触要求,得到第二判断结果;
当所述第二判断结果为否时,确定所述智能安全帽不满足预设的有效佩戴要求;
当所述第二判断结果为是时,根据所述佩戴相关信息,确定所述智能安全帽对应的当前佩戴角度;
判断所述当前佩戴角度是否处于预设的合理佩戴角度范围内,得到第三判断结果;
当所述第三判断结果为否时,确定所述智能安全帽不满足预设的有效佩戴条件。
作为一种可选的实施方式,在本发明第一方面中,所述一体化管理平台根据所述内里接触相关信息,判断所述智能安全帽是否满足预设的内里接触要求,包括:
根据所述内里接触相关信息,分析所述智能安全帽对应的内里接触面积数据,并根据所述内里接触面积数据及设定的所述智能安全帽对应的预期内里接触面积,确定所述智能安全帽对应的接触差异度;
判断所述接触差异度是否小于等于预设的接触差异度阈值,得到第四判断结果;
当所述第四判断结果为是时,确定所述智能安全帽满足预设的内里接触要求;
当所述第四判断结果为否时,根据所述内里接触相关信息,确定异常接触参数信息,所述异常接触参数信息包括异常接触持续时长信息、异常接触频率信息及异常接触次数信息中的一种或多种;
根据所述异常接触参数信息及所述内里接触面积数据,分析所述智能安全帽对应的接触异常程度;
判断所述接触异常程度是否大于等于预设的接触异常程度阈值,得到第五判断结果;
当所述第五判断结果为是时,确定所述智能安全帽不满足预设的内里接触要求;
当所述第五判断结果为否时,确定所述智能安全帽满足预设的内里接触要求。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
所述一体化管理平台确定所述智能安全帽对应的异常佩戴情况,并根据所述异常佩戴情况,通过预先设定好的检测与预警模型对与所述智能安全帽相关联的施工人员进行考勤,得到所述施工现场的考勤结果;所述智能安全帽处于所述施工现场中;
其中,所述异常佩戴情况用于表示所述智能安全帽满足预设的异常佩戴条件或者所述智能安全帽不满足预设的异常佩戴条件;
其中,与所述智能安全帽相关联的施工人员包括实时佩戴所述智能安全帽的施工人员、具有所述智能安全帽的佩戴权限的施工人员、实时持有所述智能安全帽的施工人员、其它与所述智能安全帽存在考勤关系的施工人员中的一种或多种。
作为一种可选的实施方式,在本发明第一方面中,所述一体化管理平台根据所述异常佩戴情况,通过预先设定好的检测与预警模型对与所述智能安全帽相关联的施工人员进行考勤,得到所述施工现场的考勤结果,包括:
确定处于所述施工现场中的至少一个所述智能安全帽,并计算所有所述智能安全帽对应的第一考勤数量;
根据每一所述智能安全帽对应的异常佩戴情况,从所有所述智能安全帽中筛选出不满足预设的异常佩戴条件的第一智能安全帽,并从所有所述智能安全帽中筛选出安全帽状态为被持有状态的第二智能安全帽;
对所有所述第一智能安全帽执行重复佩戴和/或重复持有筛选操作,以及,对所有所述第二智能安全帽执行重复佩戴和/或重复持有筛选操作,得到第三智能安全帽;
对所有所述第三智能安全帽执行佩戴权限匹配操作,得到满足佩戴权限的目标第三智能安全帽;
根据所有所述智能安全帽及所有所述目标第三智能安全帽,确定所述施工现场的考勤结果,所述考勤结果包括数量考勤结果和/或人员考勤结果。
作为一种可选的实施方式,在本发明第一方面中,在所述一体化管理平台根据所述异常佩戴情况,通过预先设定好的检测与预警模型对与所述智能安全帽相关联的施工人员进行考勤,得到所述施工现场的考勤结果之后,所述方法还包括:
所述一体化管理平台根据所述考勤结果,分析所述施工现场中的所有所述智能安全帽对应的分配情况;所述分配情况包括安全帽类型分配情况和/或不同安全帽类型对应的数量分配情况;
所述一体化管理平台确定所有所述智能安全帽处于所述施工现场中的位置分布情况,并根据分配情况、所述位置分布情况及所述施工现场中的所有所述智能安全帽对应的异常佩戴情况,确定至少一个需要进行控制调节的施工设备,所述施工设备处于所述施工现场中;
所述一体化管理平台根据分配情况、所述位置分布情况、所有所述施工设备的运行参数及所述施工现场中的所有所述智能安全帽对应的异常佩戴情况,对所有所述施工设备执行控制操作。
本发明第二方面公开了一种基于AI算法的施工现场安全帽佩戴检测与预警系统,所述检测与预警系统用于实现对施工现场的安全帽佩戴检测与预警,所述检测与预警系统至少包括一体化管理平台,所述施工现场中的安全帽通过配置在自身的信息采集模块和通信模块接入所述一体化管理平台,其中,所述一体化管理平台包括信息接收模块、判断模块及预警提示模块,其中:
所述信息接收模块,用于接收通过处于所述施工现场的智能安全帽对应的通信模块传输的安全帽状态信息,所述安全帽状态信息通过所述智能安全帽的信息采集模块采集到的;
所述判断模块,用于根据所述安全帽状态信息,通过预先设定好的检测与预警模型判断所述智能安全帽是否满足预设的异常佩戴条件;
所述预警提示模块,用于当判断出所述智能安全帽满足所述异常佩戴条件时,向与所述智能安全帽相关联的施工管理人员发出预警信息,和/或,向所述智能安全帽发出提示信息。
作为一种可选的实施方式,在本发明第二方面中,所述判断模块根据所述安全帽状态信息,通过预先设定好的检测与预警模型判断所述智能安全帽是否满足预设的异常佩戴条件的方式具体包括:
根据所述安全帽状态信息,判断所述智能安全帽是否处于被佩戴状态,得到第一判断结果;
当所述第一判断结果为否时,确定所述智能安全帽满足预设的异常佩戴条件;
当所述第一判断结果为是时,确定所述智能安全帽的佩戴相关信息,并根据所述佩戴相关信息及所述安全帽状态信息,判断所述智能安全帽是否满足预设的有效佩戴要求;
当判断出所述智能安全帽未满足所述有效佩戴要求时,确定所述智能安全帽满足预设的异常佩戴条件。
作为一种可选的实施方式,在本发明第二方面中,所述判断模块根据所述佩戴相关信息及所述安全帽状态信息,判断所述智能安全帽是否满足预设的有效佩戴要求的方式具体包括:
根据所述佩戴相关信息,确定所述智能安全帽的内里接触相关信息;
根据所述内里接触相关信息,判断所述智能安全帽是否满足预设的内里接触要求,得到第二判断结果;
当所述第二判断结果为否时,确定所述智能安全帽不满足预设的有效佩戴要求;
当所述第二判断结果为是时,根据所述佩戴相关信息,确定所述智能安全帽对应的当前佩戴角度;
判断所述当前佩戴角度是否处于预设的合理佩戴角度范围内,得到第三判断结果;
当所述第三判断结果为否时,确定所述智能安全帽不满足预设的有效佩戴条件。
作为一种可选的实施方式,在本发明第二方面中,所述判断模块根据所述内里接触相关信息,判断所述智能安全帽是否满足预设的内里接触要求的方式具体包括:
根据所述内里接触相关信息,分析所述智能安全帽对应的内里接触面积数据,并根据所述内里接触面积数据及设定的所述智能安全帽对应的预期内里接触面积,确定所述智能安全帽对应的接触差异度;
判断所述接触差异度是否小于等于预设的接触差异度阈值,得到第四判断结果;
当所述第四判断结果为是时,确定所述智能安全帽满足预设的内里接触要求;
当所述第四判断结果为否时,根据所述内里接触相关信息,确定异常接触参数信息,所述异常接触参数信息包括异常接触持续时长信息、异常接触频率信息及异常接触次数信息中的一种或多种;
根据所述异常接触参数信息及所述内里接触面积数据,分析所述智能安全帽对应的接触异常程度;
判断所述接触异常程度是否大于等于预设的接触异常程度阈值,得到第五判断结果;
当所述第五判断结果为是时,确定所述智能安全帽不满足预设的内里接触要求;
当所述第五判断结果为否时,确定所述智能安全帽满足预设的内里接触要求。
作为一种可选的实施方式,在本发明第二方面中,所述一体化管理平台还包括确定模块及考勤模块,其中:
所述确定模块,用于确定所述智能安全帽对应的异常佩戴情况;
所述考勤模块,用于根据所述异常佩戴情况,通过预先设定好的检测与预警模型对与所述智能安全帽相关联的施工人员进行考勤,得到所述施工现场的考勤结果;所述智能安全帽处于所述施工现场中;
其中,所述异常佩戴情况用于表示所述智能安全帽满足预设的异常佩戴条件或者所述智能安全帽不满足预设的异常佩戴条件;
其中,与所述智能安全帽相关联的施工人员包括实时佩戴所述智能安全帽的施工人员、具有所述智能安全帽的佩戴权限的施工人员、实时持有所述智能安全帽的施工人员、其它与所述智能安全帽存在考勤关系的施工人员中的一种或多种。
作为一种可选的实施方式,在本发明第二方面中,所述考勤模块根据所述异常佩戴情况,通过预先设定好的检测与预警模型对与所述智能安全帽相关联的施工人员进行考勤,得到所述施工现场的考勤结果的方式具体包括:
确定处于所述施工现场中的至少一个所述智能安全帽,并计算所有所述智能安全帽对应的第一考勤数量;
根据每一所述智能安全帽对应的异常佩戴情况,从所有所述智能安全帽中筛选出不满足预设的异常佩戴条件的第一智能安全帽,并从所有所述智能安全帽中筛选出安全帽状态为被持有状态的第二智能安全帽;
对所有所述第一智能安全帽执行重复佩戴和/或重复持有筛选操作,以及,对所有所述第二智能安全帽执行重复佩戴和/或重复持有筛选操作,得到第三智能安全帽;
对所有所述第三智能安全帽执行佩戴权限匹配操作,得到满足佩戴权限的目标第三智能安全帽;
根据所有所述智能安全帽及所有所述目标第三智能安全帽,确定所述施工现场的考勤结果,所述考勤结果包括数量考勤结果和/或人员考勤结果。
本发明第三方面公开了另一种基于AI算法的施工现场安全帽佩戴检测与预警系统,所述检测与预警系统包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的基于AI算法的施工现场安全帽佩戴检测与预警方法。
本发明第四方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的基于AI算法的施工现场安全帽佩戴检测与预警方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,应用于检测与预警系统,检测与预警系统至少包括一体化管理平台,该一体化管理平台接收通过处于该施工现场的智能安全帽对应的通信模块传输的安全帽状态信息,该安全帽状态信息通过该智能安全帽的信息采集模块采集到的;根据该安全帽状态信息,通过预先设定好的检测与预警模型判断该智能安全帽是否满足预设的异常佩戴条件;当判断出该智能安全帽满足该异常佩戴条件时,向与该智能安全帽相关联的施工管理人员发出预警信息,和/或,向该智能安全帽发出提示信息。可见,本发明能够根据智能安全帽的安全帽状态信息,分析智能安全帽的异常佩戴条件满足情况,并当智能安全帽处于被异常佩戴时智能化输出预警提示,有利于提高安全帽佩戴的检测与预警方式的全面性和合理性,进而有利于提高确定出的安全帽异常佩戴的检测结果的准确性和可靠性,从而有利于提高针对安全帽异常佩戴的预警及时性和预警精准性,在一定程度上有利于提高施工现场的施工安全性和施工规范化。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1是本发明实施例公开的一种基于AI算法的施工现场安全帽佩戴检测与预警方法的流程示意图;
图2是本发明实施例公开的另一种基于AI算法的施工现场安全帽佩戴检测与预警方法的流程示意图;
图3是本发明实施例公开的一种基于AI算法的施工现场安全帽佩戴检测与预警系统的结构示意图;
图4是本发明实施例公开的另一种基于AI算法的施工现场安全帽佩戴检测与预警系统的结构示意图;
图5是本发明实施例公开的一种一体化管理平台的结构示意图;
图6是本发明实施例公开的又一种基于AI算法的施工现场安全帽佩戴检测与预警系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于AI算法的施工现场安全帽佩戴检测与预警方法及系统,能够根据智能安全帽的安全帽状态信息,分析智能安全帽的异常佩戴条件满足情况,并当智能安全帽处于被异常佩戴时智能化输出预警提示,有利于提高安全帽佩戴的检测与预警方式的全面性和合理性,进而有利于提高确定出的安全帽异常佩戴的检测结果的准确性和可靠性,从而有利于提高针对安全帽异常佩戴的预警及时性和预警精准性,在一定程度上有利于提高施工现场的施工安全性和施工规范化。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种基于AI算法的施工现场安全帽佩戴检测与预警方法的流程示意图。其中,图1所描述的方法可以应用于检测与预警系统中,该检测与预警系统用于实现对施工现场的安全帽佩戴检测与预警,该检测与预警系统至少包括一体化管理平台,该施工现场中的安全帽通过配置在自身的信息采集模块和通信模块接入该一体化管理平台,本发明实施例不做限定。如图1所示,该基于AI算法的施工现场安全帽佩戴检测与预警方法包括以下操作:
101、一体化管理平台接收通过处于施工现场的智能安全帽对应的通信模块传输的安全帽状态信息,安全帽状态信息通过智能安全帽的信息采集模块采集到的。
可选的,安全帽状态信息可以包括但不限于能够反映安全帽是否被佩戴的信息、安全帽佩戴角度信息、安全帽与佩戴人头部尺寸的匹配信息、能够反映安全帽是否被正确佩戴的信息(比如是否固定扣子等)、安全帽佩戴过程中上下晃动频率信息、能够反映安全帽与佩戴人头部的贴合度的信息及其它能够用于反映安全帽的被佩戴情况的信息等中的一种或多种,本发明实施例不做限定。
可选的,安全帽状态信息还可以是通过其它信息采集装置采集得到(比如安全帽检测摄像装置等),本发明实施例不做限定。
102、一体化管理平台根据安全帽状态信息,通过预先设定好的检测与预警模型判断智能安全帽是否满足预设的异常佩戴条件。
进一步可选的,当判断出智能安全帽不满足预设的异常佩戴条件时,一体化管理平台确定智能安全帽未被异常佩戴,本发明实施例不做限定。
103、当判断出智能安全帽满足异常佩戴条件时,一体化管理平台向与智能安全帽相关联的施工管理人员发出预警信息,和/或,向智能安全帽发出提示信息。
可选的,上述一体化管理平台向与智能安全帽相关联的施工管理人员发出预警信息,举例说明:一体化管理平台根据确定出的安全帽佩戴情况,对不同的与智能安全帽相关联的施工管理人员分别发出相应的预警信息;进一步的,对需要佩戴该智能安全帽的施工人员发出“请立刻规范佩戴安全帽”的预警信息,以及同时或者先后对管理智能安全帽佩戴的工作人员发出“有施工人员未规范佩戴安全帽”的预警信息并同时发送该施工人员的人员信息等;进一步的,还可以向管理智能安全帽佩戴的工作人员发送针对施工现场的当前安全帽佩戴情况的应对措施,本发明实施例不做限定。
可选的,上述一体化管理平台向智能安全帽发出提示信息,举例说明:一体化管理平台向智能安全帽发出提示信息以控制智能安全帽执行相应的佩戴提醒操作(如通过安全帽震动、安全帽发出响声以此提醒佩戴人员),本发明实施例不做限定。
可见,实施本发明实施例所描述的基于AI算法的施工现场安全帽佩戴检测与预警方法能够根据智能安全帽的安全帽状态信息,分析智能安全帽的异常佩戴条件满足情况,并当智能安全帽处于被异常佩戴时智能化输出预警提示,有利于提高安全帽佩戴的检测与预警方式的全面性和合理性,进而有利于提高确定出的安全帽异常佩戴的检测结果的准确性和可靠性,从而有利于提高针对安全帽异常佩戴的预警及时性和预警精准性,在一定程度上有利于提高施工现场的施工安全性和施工规范化。
在一个可选的实施例中,上述一体化管理平台根据安全帽状态信息,通过预先设定好的检测与预警模型判断智能安全帽是否满足预设的异常佩戴条件,可以包括:
根据安全帽状态信息,判断智能安全帽是否处于被佩戴状态,得到第一判断结果;
当第一判断结果为否时,确定智能安全帽满足预设的异常佩戴条件;
当第一判断结果为是时,确定智能安全帽的佩戴相关信息,并根据佩戴相关信息及安全帽状态信息,判断智能安全帽是否满足预设的有效佩戴要求;
当判断出智能安全帽未满足有效佩戴要求时,确定智能安全帽满足预设的异常佩戴条件。
进一步可选的,当判断出智能安全帽满足有效佩戴要求时,确定智能安全帽不满足预设的异常佩戴条件,本发明实施例不做限定。
可选的,上述判断是否处于被佩戴状态以及上述判断是否满足有效佩戴要求,举例说明:首先判断需要佩戴智能安全帽的施工人员是否已经佩戴了智能安全帽,若施工人员未佩戴该智能安全帽则确定智能安全帽处于异常佩戴;若施工人员已经佩戴该智能安全帽,则判断施工人员是否规范化佩戴该智能安全帽;若施工员规范佩戴智能安全帽则确定智能安全帽未处于异常佩戴,若施工员未规范佩戴智能安全帽则确定智能安全帽处于异常佩戴,本发明实施例不做限定。
进一步可选的,上述根据安全帽状态信息,判断智能安全帽是否处于被佩戴状态,得到第一判断结果,可以包括:
根据安全帽状态信息,确定智能安全帽的内里承受压力信息,并根据内里承受压力信息,计算智能安全帽对应的内里承受压力值及智能安全帽对应的内里接触面积;
根据内里承受压力值及内里接触面积,计算智能安全帽处于佩戴状态的合理度,并判断合理度是否大于等于预设的合理度阈值;
当判断出合理度大于等于预设的合理度阈值时,确定第一判断结果用于表示智能安全帽处于被佩戴状态;
当判断出合理度小于预设的合理度阈值时,确定第一判断结果用于表示智能安全帽未处于被佩戴状态。
可选的,智能安全帽对应的内里承受压力值可以理解为佩戴人员佩戴智能安全帽时,智能安全帽的内里与佩戴人员的头部相互挤压所承受的挤压力的值,本发明实施例不做限定。
可选的,上述智能安全帽处于佩戴状态的合理度,举例说明:当内里接触面积很小而内里承受压力值很大,则可能是被人为手持着,智能安全帽处于佩戴状态的合理度则很小;当内里接触面积与内里承受压力值之间的大小关系符合实际人体接触构造则智能安全帽处于佩戴状态的合理度相对较高,本发明实施例不做限定。
可见,该可选的实施例能够通过判断是否处于被佩戴状态进一步判断是否满足有效佩戴要求确定智能安全帽的异常佩戴条件满足情况,有利于提高异常佩戴条件满足情况的确定方式的合理性、全面性及层层递进性,进而有利于提高确定出的异常佩戴条件满足情况的准确性和可靠性,从而有利于提高智能安全帽的异常佩戴检测精准性和可靠性。
在另一个可选的实施例中,上述一体化管理平台根据佩戴相关信息及安全帽状态信息,判断智能安全帽是否满足预设的有效佩戴要求,可以包括:
根据佩戴相关信息,确定智能安全帽的内里接触相关信息;
根据内里接触相关信息,判断智能安全帽是否满足预设的内里接触要求,得到第二判断结果;
当第二判断结果为否时,确定智能安全帽不满足预设的有效佩戴要求;
当第二判断结果为是时,根据佩戴相关信息,确定智能安全帽对应的当前佩戴角度;
判断当前佩戴角度是否处于预设的合理佩戴角度范围内,得到第三判断结果;
当第三判断结果为否时,确定智能安全帽不满足预设的有效佩戴条件。
进一步可选的,当第三判断结果为是时,确定智能安全帽满足预设的有效佩戴条件,本发明实施例不做限定。
进一步可选的,当第二判断结果为是时,还可以包括:根据佩戴相关信息,确定智能安全帽对应的当前佩戴方位;判断当前佩戴方位是否处于预设的合理佩戴方位范围内,若是,则确定智能安全帽满足预设的有效佩戴条件;若否,确定智能安全帽不满足预设的有效佩戴条件,本发明实施例不做限定。
可选的,上述判断是否满足内里接触要求及判断是否处于合理佩戴角度范围,举例说明:首先判断安全帽佩戴者的头部与智能安全帽的内里接触面积是否满足要求(比如只是套着安全帽和平稳戴好安全帽所对应的内里接触情况是不同的),若不满足内里接触要求则确定不满足有效佩戴要求;若满足内里接触要求则判断智能安全帽是否处于合理佩戴角度范围(比如安全帽的正面处于佩戴者脑后则不是正确佩戴等),若智能安全帽处于合理佩戴角度范围则满足有效佩戴要求,若智能安全帽不处于合理佩戴角度范围则不满足有效佩戴要求,本发明实施例不做限定。
可选的,上述内里接触相关信息可以是能够反映智能安全帽的内里接触面积的信息、能够反映智能安全帽的内里接触摩擦情况的信息、能够反映智能安全帽的内里接触挤压情况的信息及能够反映智能安全帽的其它内里接触情况的信息等中的一种或多种,本发明实施例不做限定。
可见,该可选的实施例能够通过内里接触要求及合理佩戴角度范围两个层面确定智能安全帽的有效佩戴要求满足情况,有利于提高智能安全帽的有效佩戴要求满足情况确定方式的合理性、全面性及层层递进性,进而有利于提高确定出的智能安全帽的有效佩戴要求满足情况的准确性和可靠性,从而有利于后续基于有效佩戴要求满足情况确定出的异常佩戴条件满足情况的准确性和可靠性。
在又一个可选的实施例中,上述一体化管理平台根据内里接触相关信息,判断智能安全帽是否满足预设的内里接触要求,包括:
根据内里接触相关信息,分析智能安全帽对应的内里接触面积数据,并根据内里接触面积数据及设定的智能安全帽对应的预期内里接触面积,确定智能安全帽对应的接触差异度;
判断接触差异度是否小于等于预设的接触差异度阈值,得到第四判断结果;
当第四判断结果为是时,确定智能安全帽满足预设的内里接触要求;
当第四判断结果为否时,根据内里接触相关信息,确定异常接触参数信息,异常接触参数信息包括异常接触持续时长信息、异常接触频率信息及异常接触次数信息中的一种或多种;
根据异常接触参数信息及内里接触面积数据,分析智能安全帽对应的接触异常程度;
判断接触异常程度是否大于等于预设的接触异常程度阈值,得到第五判断结果;
当第五判断结果为是时,确定智能安全帽不满足预设的内里接触要求;
当第五判断结果为否时,确定智能安全帽满足预设的内里接触要求。
可选的,上述接触差异度,可以理解为内里接触面积数据对应的实际内里接触面积与预期内里接触面积之间的差值,或者,内里接触面积数据对应的实际内里接触面积与预期内里接触面积之间的差值与预设的合理差值范围所对应的差异度,本发明实施例不做限定。
可选的,上述接触异常程度,可以理解为异常接触持续时长越长、异常接触频率越高、异常接触次数越多、内里接触面积数据对应的接触差异度越高,则智能安全帽对应的接触异常程度越高,其它情况同理可得,本发明实施例不做限定。
进一步可选的,上述根据异常接触参数信息及内里接触面积数据,分析智能安全帽对应的接触异常程度,可以包括:
根据内里接触面积数据对应的接触差异度,确定第一异常程度,并根据异常接触参数信息,分析第二异常程度;
根据第一异常程度及第二异常程度,确定智能安全帽对应的接触异常程度。
可选的,上述接触差异度及接触异常程度,举例说明:首先判断佩戴者头部与智能安全帽内里的实际接触面积与规定的该智能安全帽的合理接触面积之间的差异度是否小于等于差异度阈值(比如佩戴者的头围可以小于智能安全帽的尺寸但是不能小太多等),若差异度小于等于差异度阈值则说明是在合理差异范围内,则满足内里接触要求;若差异度大于差异度阈值,则判断佩戴者是否处于跑步、上下跳跃等状态,比如佩戴者只是短暂地跳跃了一下则接触异常程度较低,进而还是可以确定满足内里接触要求;若检测到佩戴者长时间/高频率出现实际接触面积不符合规定的情况则认定接触异常程度较高,进而确定不满足内里接触要求,其它情况同理可得,本发明实施例不做限定。
可见,该可选的实施例能够通过智能安全帽的接触差异度与相应阈值的大小比较关系以及智能安全帽的接触异常程度与相应阈值的大小比较关系两个层次确定出智能安全帽的内里接触要求满足情况,有利于提高内里接触要求满足情况确定方式的合理性、全面性及层层递进性,进而有利于提高确定出的内里接触要求满足情况的准确性和可靠性,从而有利于提高后续确定出的智能安全帽的有效佩戴要求满足情况的准确性和可靠性。
实施例二
请参阅图2,图2是本发明实施例公开的另一种基于AI算法的施工现场安全帽佩戴检测与预警方法的流程示意图。其中,图2所描述的方法可以应用于检测与预警系统中,该检测与预警系统用于实现对施工现场的安全帽佩戴检测与预警,该检测与预警系统至少包括一体化管理平台,该施工现场中的安全帽通过配置在自身的信息采集模块和通信模块接入该一体化管理平台,本发明实施例不做限定。如图2所示,该基于AI算法的施工现场安全帽佩戴检测与预警方法包括以下操作:
201、一体化管理平台接收通过处于施工现场的智能安全帽对应的通信模块传输的安全帽状态信息,安全帽状态信息通过智能安全帽的信息采集模块采集到的。
202、一体化管理平台根据安全帽状态信息,通过预先设定好的检测与预警模型判断智能安全帽是否满足预设的异常佩戴条件。
203、当判断出智能安全帽满足异常佩戴条件时,一体化管理平台向与智能安全帽相关联的施工管理人员发出预警信息,和/或,向智能安全帽发出提示信息。
204、一体化管理平台确定智能安全帽对应的异常佩戴情况,并根据异常佩戴情况,通过预先设定好的检测与预警模型对与智能安全帽相关联的施工人员进行考勤,得到施工现场的考勤结果;智能安全帽处于施工现场中。
可选的,异常佩戴情况用于表示智能安全帽满足预设的异常佩戴条件或者智能安全帽不满足预设的异常佩戴条件。
可选的,与智能安全帽相关联的施工人员包括实时佩戴智能安全帽的施工人员、具有智能安全帽的佩戴权限的施工人员、实时持有智能安全帽的施工人员、其它与智能安全帽存在考勤关系的施工人员中的一种或多种。
可选的,上述实时持有智能安全帽的施工人员,举例说明:未佩戴智能安全帽但是手上拿着或者身上挂着智能安全帽的施工人员,本发明实施例不做限定。
本发明实施例中,针对步骤201-步骤203的其它描述,请参照实施例一中针对步骤101-103的详细描述,本发明实施例不再赘述。
可见,本发明实施例能够根据智能安全帽的安全帽状态信息,分析智能安全帽的异常佩戴条件满足情况,并当智能安全帽处于被异常佩戴时智能化输出预警提示,有利于提高安全帽佩戴的检测与预警方式的全面性和合理性,进而有利于提高确定出的安全帽异常佩戴的检测结果的准确性和可靠性,从而有利于提高针对安全帽异常佩戴的预警及时性和预警精准性,在一定程度上有利于提高施工现场的施工安全性和施工规范化;以及,还能够提供应用于施工现场的智能化考勤方式,根据异常佩戴情况确定施工现场的考勤结果,有利于提高应用于施工现场的考勤方式的合理性和智能化,进而有利于提高确定出的施工现场的考勤结果的准确性和可靠性,以及还有利于提高施工现场的考勤结果的确定便捷性,从而有利于提高施工现场的考勤准确性、可靠性及便捷性。
在一个可选的实施例中,上述一体化管理平台根据异常佩戴情况,通过预先设定好的检测与预警模型对与智能安全帽相关联的施工人员进行考勤,得到施工现场的考勤结果,可以包括:
确定处于施工现场中的至少一个智能安全帽,并计算所有智能安全帽对应的第一考勤数量;
根据每一智能安全帽对应的异常佩戴情况,从所有智能安全帽中筛选出不满足预设的异常佩戴条件的第一智能安全帽,并从所有智能安全帽中筛选出安全帽状态为被持有状态的第二智能安全帽;
对所有第一智能安全帽执行重复佩戴和/或重复持有筛选操作,以及,对所有第二智能安全帽执行重复佩戴和/或重复持有筛选操作,得到第三智能安全帽;
对所有第三智能安全帽执行佩戴权限匹配操作,得到满足佩戴权限的目标第三智能安全帽;
根据所有智能安全帽及所有目标第三智能安全帽,确定施工现场的考勤结果,考勤结果包括数量考勤结果和/或人员考勤结果。
可选的,上述计算所有智能安全帽对应的第一考勤数量,可以理解为计算所有智能安全帽的总数,作为第一考勤数量,本发明实施例不做限定。
可选的,上述执行重复佩戴和/或重复持有筛选操作,举例说明:在施工现场中可能存在同一施工人员同时佩戴多个智能安全帽、同一施工人员同时佩戴至少一个智能安全帽且持有至少一个智能安全帽(如手拿着安全帽、身上挂着安全帽等)、同一施工人员同时持有多个智能安全帽等情况,此时,智能安全帽的数量与施工人员的数量不匹配,则对该类施工人员进行筛选操作得到每一个该类施工人员所对应的考勤数量为1,有效应对一人多智能帽的情况,提高考勤结果的准确性,本发明实施例不做限定。
可选的,上述对所有第三智能安全帽执行佩戴权限匹配操作,得到满足佩戴权限的目标第三智能安全帽,举例说明:在施工现场可能存在每个施工人员或者每类施工人员所佩戴的智能安全帽具有专属性,此时只需要检测到存在某类智能安全帽则能确定该类智能安全帽所属的施工人员的考勤情况,然而当施工人员佩戴权限不匹配的智能安全帽时则会导致确定出的相应考勤结果不准确,因此,对智能安全帽进行佩戴权限匹配分析,将佩戴权限不匹配的施工人员和/或相应智能安全帽进行剔除,在一定程度上提高考勤结果的准确性,本发明实施例不做限定。
可选的,上述数量考勤结果,可以包括处于施工现场中的智能安全帽的数量考勤结果和/或处于施工现场中的施工人员的数量考勤结果,本发明实施例不做限定。
可选的,上述人员考勤结果,可以理解为处于施工现场中具体被考勤的施工人员的考勤信息、人员信息;进一步的,人员考勤结果还可以根据不同的区分条件对施工人员进行考勤划分,举例说明:区分条件可以是负责设备的不同、施工权限等级的不同、负责施工领域的不同、施工属性的不同等,本发明实施例不做限定。
可见,该可选的实施例能够针对异常佩戴智能安全帽、重复佩戴持有多个智能安全帽、不符合佩戴权限佩戴智能安全帽的情况匹配相应的施工现场考勤方式,结合多种人员佩戴安全帽情况智能化确定考勤结果,有利于提高应用于施工现场的考勤方式的合理性和全面性,进而有利于提高确定出的施工现场的考勤结果的准确性和可靠性,从而有利于提高施工现场的考勤准确性、合理性及可靠性。
在另一个可选的实施例中,在一体化管理平台根据异常佩戴情况,通过预先设定好的检测与预警模型对与智能安全帽相关联的施工人员进行考勤,得到施工现场的考勤结果之后,该方法还可以包括以下操作:
一体化管理平台根据考勤结果,分析施工现场中的所有智能安全帽对应的分配情况;分配情况包括安全帽类型分配情况和/或不同安全帽类型对应的数量分配情况;
一体化管理平台确定所有智能安全帽处于施工现场中的位置分布情况,并根据分配情况、位置分布情况及施工现场中的所有智能安全帽对应的异常佩戴情况,确定至少一个需要进行控制调节的施工设备,施工设备处于施工现场中;
一体化管理平台根据分配情况、位置分布情况、所有施工设备的运行参数及施工现场中的所有智能安全帽对应的异常佩戴情况,对所有施工设备执行控制操作。
可选的,上述安全帽类型分配情况,可以理解为:针对不同的施工领域、不同的施工设备、不同的场景环境、不同的施工权限、不同的施工要求、不同的施工人员组所对应的安全帽类型可能不同,进一步的,安全帽类型可以通过安全帽外观、安全帽结构、安全帽坚固程度、安全帽佩戴规定、其它关于安全帽的特性等进行区分,本发明实施例不做限定。
可选的,上述需要进行控制调节的施工设备,举例说明:当检测到某一施工设备前方所聚集的匹配施工人员、匹配智能安全帽的数量满足设定数量要求,确定该施工设备的监控人员满足安全性要求,则可以智能化控制该施工设备运作,在一定程度上提高了施工设备的运作控制及时性、设备运作安全性和应急处理及时性,本发明实施例不做限定。
可见,该可选的实施例能够提供结合施工现场的考勤结果对施工现场的施工设备进行智能化控制的方式,有利于提高应用于施工现场的安全帽佩戴的检测方式的智能化、功能性和全面性,进而有利于提高针对施工现场的施工设备的控制智能化、合理性和准确性。
实施例三
请参阅图3,图3是本发明实施例公开的一种基于AI算法的施工现场安全帽佩戴检测与预警系统的结构示意图。其中,图3所描述的检测与预警系统用于实现对施工现场的安全帽佩戴检测与预警,该检测与预警系统至少包括一体化管理平台,该施工现场中的安全帽通过配置在自身的信息采集模块和通信模块接入该一体化管理平台,本发明实施例不做限定。如图3所示,该一体化管理平台包括信息接收模块301、判断模块302及预警提示模块303,其中:
信息接收模块301,用于接收通过处于施工现场的智能安全帽对应的通信模块传输的安全帽状态信息,安全帽状态信息通过智能安全帽的信息采集模块采集到的。
判断模块302,用于根据安全帽状态信息,通过预先设定好的检测与预警模型判断智能安全帽是否满足预设的异常佩戴条件。
预警提示模块303,用于当判断出智能安全帽满足异常佩戴条件时,向与智能安全帽相关联的施工管理人员发出预警信息,和/或,向智能安全帽发出提示信息。
可见,实施图3所描述的基于AI算法的施工现场安全帽佩戴检测与预警系统能够根据智能安全帽的安全帽状态信息,分析智能安全帽的异常佩戴条件满足情况,并当智能安全帽处于被异常佩戴时智能化输出预警提示,有利于提高安全帽佩戴的检测与预警方式的全面性和合理性,进而有利于提高确定出的安全帽异常佩戴的检测结果的准确性和可靠性,从而有利于提高针对安全帽异常佩戴的预警及时性和预警精准性,在一定程度上有利于提高施工现场的施工安全性和施工规范化。
在一个可选的实施例中,判断模块302根据安全帽状态信息,通过预先设定好的检测与预警模型判断智能安全帽是否满足预设的异常佩戴条件的方式具体包括:
根据安全帽状态信息,判断智能安全帽是否处于被佩戴状态,得到第一判断结果;
当第一判断结果为否时,确定智能安全帽满足预设的异常佩戴条件;
当第一判断结果为是时,确定智能安全帽的佩戴相关信息,并根据佩戴相关信息及安全帽状态信息,判断智能安全帽是否满足预设的有效佩戴要求;
当判断出智能安全帽未满足有效佩戴要求时,确定智能安全帽满足预设的异常佩戴条件。
可见,实施图4所描述的检测与预警系统能够通过判断是否处于被佩戴状态进一步判断是否满足有效佩戴要求确定智能安全帽的异常佩戴条件满足情况,有利于提高异常佩戴条件满足情况的确定方式的合理性、全面性及层层递进性,进而有利于提高确定出的异常佩戴条件满足情况的准确性和可靠性,从而有利于提高智能安全帽的异常佩戴检测精准性和可靠性。
在另一个可选的实施例中,判断模块302根据佩戴相关信息及安全帽状态信息,判断智能安全帽是否满足预设的有效佩戴要求的方式具体包括:
根据佩戴相关信息,确定智能安全帽的内里接触相关信息;
根据内里接触相关信息,判断智能安全帽是否满足预设的内里接触要求,得到第二判断结果;
当第二判断结果为否时,确定智能安全帽不满足预设的有效佩戴要求;
当第二判断结果为是时,根据佩戴相关信息,确定智能安全帽对应的当前佩戴角度;
判断当前佩戴角度是否处于预设的合理佩戴角度范围内,得到第三判断结果;
当第三判断结果为否时,确定智能安全帽不满足预设的有效佩戴条件。
可见,实施图4所描述的检测与预警系统还能够通过内里接触要求及合理佩戴角度范围两个层面确定智能安全帽的有效佩戴要求满足情况,有利于提高智能安全帽的有效佩戴要求满足情况确定方式的合理性、全面性及层层递进性,进而有利于提高确定出的智能安全帽的有效佩戴要求满足情况的准确性和可靠性,从而有利于后续基于有效佩戴要求满足情况确定出的异常佩戴条件满足情况的准确性和可靠性。
在又一个可选的实施例中,判断模块302根据内里接触相关信息,判断智能安全帽是否满足预设的内里接触要求的方式具体包括:
根据内里接触相关信息,分析智能安全帽对应的内里接触面积数据,并根据内里接触面积数据及设定的智能安全帽对应的预期内里接触面积,确定智能安全帽对应的接触差异度;
判断接触差异度是否小于等于预设的接触差异度阈值,得到第四判断结果;
当第四判断结果为是时,确定智能安全帽满足预设的内里接触要求;
当第四判断结果为否时,根据内里接触相关信息,确定异常接触参数信息,异常接触参数信息包括异常接触持续时长信息、异常接触频率信息及异常接触次数信息中的一种或多种;
根据异常接触参数信息及内里接触面积数据,分析智能安全帽对应的接触异常程度;
判断接触异常程度是否大于等于预设的接触异常程度阈值,得到第五判断结果;
当第五判断结果为是时,确定智能安全帽不满足预设的内里接触要求;
当第五判断结果为否时,确定智能安全帽满足预设的内里接触要求。
可见,实施图4所描述的检测与预警系统还能够通过智能安全帽的接触差异度与相应阈值的大小比较关系以及智能安全帽的接触异常程度与相应阈值的大小比较关系两个层次确定出智能安全帽的内里接触要求满足情况,有利于提高内里接触要求满足情况确定方式的合理性、全面性及层层递进性,进而有利于提高确定出的内里接触要求满足情况的准确性和可靠性,从而有利于提高后续确定出的智能安全帽的有效佩戴要求满足情况的准确性和可靠性。
在又一个可选的实施例中,如图4所示,一体化管理平台还可以包括确定模块304及考勤模块305,其中:
确定模块304,用于确定智能安全帽对应的异常佩戴情况。
考勤模块305,用于根据异常佩戴情况,通过预先设定好的检测与预警模型对与智能安全帽相关联的施工人员进行考勤,得到施工现场的考勤结果;智能安全帽处于施工现场中。
其中,异常佩戴情况用于表示智能安全帽满足预设的异常佩戴条件或者智能安全帽不满足预设的异常佩戴条件。
其中,与智能安全帽相关联的施工人员包括实时佩戴智能安全帽的施工人员、具有智能安全帽的佩戴权限的施工人员、实时持有智能安全帽的施工人员、其它与智能安全帽存在考勤关系的施工人员中的一种或多种。
可见,实施图4所描述的检测与预警系统还能够提供应用于施工现场的智能化考勤方式,根据异常佩戴情况确定施工现场的考勤结果,有利于提高应用于施工现场的考勤方式的合理性和智能化,进而有利于提高确定出的施工现场的考勤结果的准确性和可靠性,以及还有利于提高施工现场的考勤结果的确定便捷性,从而有利于提高施工现场的考勤准确性、可靠性及便捷性。
在又一个可选的实施例中,考勤模块305根据异常佩戴情况,通过预先设定好的检测与预警模型对与智能安全帽相关联的施工人员进行考勤,得到施工现场的考勤结果的方式具体包括:
确定处于施工现场中的至少一个智能安全帽,并计算所有智能安全帽对应的第一考勤数量;
根据每一智能安全帽对应的异常佩戴情况,从所有智能安全帽中筛选出不满足预设的异常佩戴条件的第一智能安全帽,并从所有智能安全帽中筛选出安全帽状态为被持有状态的第二智能安全帽;
对所有第一智能安全帽执行重复佩戴和/或重复持有筛选操作,以及,对所有第二智能安全帽执行重复佩戴和/或重复持有筛选操作,得到第三智能安全帽;
对所有第三智能安全帽执行佩戴权限匹配操作,得到满足佩戴权限的目标第三智能安全帽;
根据所有智能安全帽及所有目标第三智能安全帽,确定施工现场的考勤结果,考勤结果包括数量考勤结果和/或人员考勤结果。
可见,实施图4所描述的检测与预警系统还能够针对异常佩戴智能安全帽、重复佩戴持有多个智能安全帽、不符合佩戴权限佩戴智能安全帽的情况匹配相应的施工现场考勤方式,结合多种人员佩戴安全帽情况智能化确定考勤结果,有利于提高应用于施工现场的考勤方式的合理性和全面性,进而有利于提高确定出的施工现场的考勤结果的准确性和可靠性,从而有利于提高施工现场的考勤准确性、合理性及可靠性。
在又一个可选的实施例中,如图4所示,一体化管理平台还包括分析模块306及设备控制模块307,其中:
分析模块306,用于在考勤模块305根据异常佩戴情况,通过预先设定好的检测与预警模型对与智能安全帽相关联的施工人员进行考勤,得到施工现场的考勤结果之后,根据考勤结果,分析施工现场中的所有智能安全帽对应的分配情况;分配情况包括安全帽类型分配情况和/或不同安全帽类型对应的数量分配情况。
确定模块304,还用于确定所有智能安全帽处于施工现场中的位置分布情况,并根据分配情况、位置分布情况及施工现场中的所有智能安全帽对应的异常佩戴情况,确定至少一个需要进行控制调节的施工设备,施工设备处于施工现场中。
设备控制模块307,用于根据分配情况、位置分布情况、所有施工设备的运行参数及施工现场中的所有智能安全帽对应的异常佩戴情况,对所有施工设备执行控制操作。
可见,实施图4所描述的检测与预警系统还能够提供结合施工现场的考勤结果对施工现场的施工设备进行智能化控制的方式,有利于提高应用于施工现场的安全帽佩戴的检测方式的智能化、功能性和全面性,进而有利于提高针对施工现场的施工设备的控制智能化、合理性和准确性。
实施例四
请参阅图5,图5是本发明实施例公开的一种一体化管理平台的结构示意图。如图5所示,该一体化管理平台可以包括:
存储有可执行程序代码的存储器401;
与存储器401耦合的处理器402;
处理器402调用存储器401中存储的可执行程序代码,用于执行实施例一或实施例二所描述的基于AI算法的施工现场安全帽佩戴检测与预警方法中一体化管理平台所执行的步骤。
实施例五
请参阅图5,图5是本发明实施例公开的又一种基于AI算法的施工现场安全帽佩戴检测与预警系统的结构示意图。如图5所示,该检测与预警系统可以包括:
存储有可执行程序代码的存储器401;
与存储器401耦合的处理器402;
进一步的,还可以包括与处理器402耦合的输入接口403以及输出接口404;
其中,处理器402调用存储器401中存储的可执行程序代码,用于执行实施例一或实施例二所描述的基于AI算法的施工现场安全帽佩戴检测与预警方法中的步骤。
实施例六
本发明实施例公开了一种计算机存储介质,其存储用于电子数据交换的计算机程序,其中,该计算机程序使得计算机执行实施例一或实施例二所描述的基于AI算法的施工现场安全帽佩戴检测与预警方法中的步骤。
实施例七
本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可操作来使计算机执行实施例一或实施例二所描述的基于AI算法的施工现场安全帽佩戴检测与预警方法中的步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种基于AI算法的施工现场安全帽佩戴检测与预警方法及系统所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种基于AI算法的施工现场安全帽佩戴检测与预警方法,其特征在于,所述方法应用于检测与预警系统,所述检测与预警系统用于实现对施工现场的安全帽佩戴检测与预警,所述检测与预警系统至少包括一体化管理平台,所述施工现场中的安全帽通过配置在自身的信息采集模块和通信模块接入所述一体化管理平台,所述方法包括:
所述一体化管理平台接收通过处于所述施工现场的智能安全帽对应的通信模块传输的安全帽状态信息,所述安全帽状态信息通过所述智能安全帽的信息采集模块采集到的;
所述一体化管理平台根据所述安全帽状态信息,通过预先设定好的检测与预警模型判断所述智能安全帽是否满足预设的异常佩戴条件;
当判断出所述智能安全帽满足所述异常佩戴条件时,所述一体化管理平台向与所述智能安全帽相关联的施工管理人员发出预警信息,和/或,向所述智能安全帽发出提示信息。
2.根据权利要求1所述的基于AI算法的施工现场安全帽佩戴检测与预警方法,其特征在于,所述一体化管理平台根据所述安全帽状态信息,通过预先设定好的检测与预警模型判断所述智能安全帽是否满足预设的异常佩戴条件,包括:
根据所述安全帽状态信息,判断所述智能安全帽是否处于被佩戴状态,得到第一判断结果;
当所述第一判断结果为否时,确定所述智能安全帽满足预设的异常佩戴条件;
当所述第一判断结果为是时,确定所述智能安全帽的佩戴相关信息,并根据所述佩戴相关信息及所述安全帽状态信息,判断所述智能安全帽是否满足预设的有效佩戴要求;
当判断出所述智能安全帽未满足所述有效佩戴要求时,确定所述智能安全帽满足预设的异常佩戴条件。
3.根据权利要求2所述的基于AI算法的施工现场安全帽佩戴检测与预警方法,其特征在于,所述一体化管理平台根据所述佩戴相关信息及所述安全帽状态信息,判断所述智能安全帽是否满足预设的有效佩戴要求,包括:
根据所述佩戴相关信息,确定所述智能安全帽的内里接触相关信息;
根据所述内里接触相关信息,判断所述智能安全帽是否满足预设的内里接触要求,得到第二判断结果;
当所述第二判断结果为否时,确定所述智能安全帽不满足预设的有效佩戴要求;
当所述第二判断结果为是时,根据所述佩戴相关信息,确定所述智能安全帽对应的当前佩戴角度;
判断所述当前佩戴角度是否处于预设的合理佩戴角度范围内,得到第三判断结果;
当所述第三判断结果为否时,确定所述智能安全帽不满足预设的有效佩戴条件。
4.根据权利要求3所述的基于AI算法的施工现场安全帽佩戴检测与预警方法,其特征在于,所述一体化管理平台根据所述内里接触相关信息,判断所述智能安全帽是否满足预设的内里接触要求,包括:
根据所述内里接触相关信息,分析所述智能安全帽对应的内里接触面积数据,并根据所述内里接触面积数据及设定的所述智能安全帽对应的预期内里接触面积,确定所述智能安全帽对应的接触差异度;
判断所述接触差异度是否小于等于预设的接触差异度阈值,得到第四判断结果;
当所述第四判断结果为是时,确定所述智能安全帽满足预设的内里接触要求;
当所述第四判断结果为否时,根据所述内里接触相关信息,确定异常接触参数信息,所述异常接触参数信息包括异常接触持续时长信息、异常接触频率信息及异常接触次数信息中的一种或多种;
根据所述异常接触参数信息及所述内里接触面积数据,分析所述智能安全帽对应的接触异常程度;
判断所述接触异常程度是否大于等于预设的接触异常程度阈值,得到第五判断结果;
当所述第五判断结果为是时,确定所述智能安全帽不满足预设的内里接触要求;
当所述第五判断结果为否时,确定所述智能安全帽满足预设的内里接触要求。
5.根据权利要求1-4任一项所述的基于AI算法的施工现场安全帽佩戴检测与预警方法,其特征在于,所述方法还包括:
所述一体化管理平台确定所述智能安全帽对应的异常佩戴情况,并根据所述异常佩戴情况,通过预先设定好的检测与预警模型对与所述智能安全帽相关联的施工人员进行考勤,得到所述施工现场的考勤结果;所述智能安全帽处于所述施工现场中;
其中,所述异常佩戴情况用于表示所述智能安全帽满足预设的异常佩戴条件或者所述智能安全帽不满足预设的异常佩戴条件;
其中,与所述智能安全帽相关联的施工人员包括实时佩戴所述智能安全帽的施工人员、具有所述智能安全帽的佩戴权限的施工人员、实时持有所述智能安全帽的施工人员、其它与所述智能安全帽存在考勤关系的施工人员中的一种或多种。
6.根据权利要求5所述的基于AI算法的施工现场安全帽佩戴检测与预警方法,其特征在于,所述一体化管理平台根据所述异常佩戴情况,通过预先设定好的检测与预警模型对与所述智能安全帽相关联的施工人员进行考勤,得到所述施工现场的考勤结果,包括:
确定处于所述施工现场中的至少一个所述智能安全帽,并计算所有所述智能安全帽对应的第一考勤数量;
根据每一所述智能安全帽对应的异常佩戴情况,从所有所述智能安全帽中筛选出不满足预设的异常佩戴条件的第一智能安全帽,并从所有所述智能安全帽中筛选出安全帽状态为被持有状态的第二智能安全帽;
对所有所述第一智能安全帽执行重复佩戴和/或重复持有筛选操作,以及,对所有所述第二智能安全帽执行重复佩戴和/或重复持有筛选操作,得到第三智能安全帽;
对所有所述第三智能安全帽执行佩戴权限匹配操作,得到满足佩戴权限的目标第三智能安全帽;
根据所有所述智能安全帽及所有所述目标第三智能安全帽,确定所述施工现场的考勤结果,所述考勤结果包括数量考勤结果和/或人员考勤结果。
7.根据权利要求6所述的基于AI算法的施工现场安全帽佩戴检测与预警方法,其特征在于,在所述一体化管理平台根据所述异常佩戴情况,通过预先设定好的检测与预警模型对与所述智能安全帽相关联的施工人员进行考勤,得到所述施工现场的考勤结果之后,所述方法还包括:
所述一体化管理平台根据所述考勤结果,分析所述施工现场中的所有所述智能安全帽对应的分配情况;所述分配情况包括安全帽类型分配情况和/或不同安全帽类型对应的数量分配情况;
所述一体化管理平台确定所有所述智能安全帽处于所述施工现场中的位置分布情况,并根据分配情况、所述位置分布情况及所述施工现场中的所有所述智能安全帽对应的异常佩戴情况,确定至少一个需要进行控制调节的施工设备,所述施工设备处于所述施工现场中;
所述一体化管理平台根据分配情况、所述位置分布情况、所有所述施工设备的运行参数及所述施工现场中的所有所述智能安全帽对应的异常佩戴情况,对所有所述施工设备执行控制操作。
8.一种基于AI算法的施工现场安全帽佩戴检测与预警系统,其特征在于,所述检测与预警系统用于实现对施工现场的安全帽佩戴检测与预警,所述检测与预警系统至少包括一体化管理平台,所述施工现场中的安全帽通过配置在自身的信息采集模块和通信模块接入所述一体化管理平台,其中,所述一体化管理平台包括信息接收模块、判断模块及预警提示模块,其中:
所述信息接收模块,用于接收通过处于所述施工现场的智能安全帽对应的通信模块传输的安全帽状态信息,所述安全帽状态信息通过所述智能安全帽的信息采集模块采集到的;
所述判断模块,用于根据所述安全帽状态信息,通过预先设定好的检测与预警模型判断所述智能安全帽是否满足预设的异常佩戴条件;
所述预警提示模块,用于当判断出所述智能安全帽满足所述异常佩戴条件时,向与所述智能安全帽相关联的施工管理人员发出预警信息,和/或,向所述智能安全帽发出提示信息。
9.一种基于AI算法的施工现场安全帽佩戴检测与预警系统,其特征在于,所述检测与预警系统包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-7任一项所述的基于AI算法的施工现场安全帽佩戴检测与预警方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-7任一项所述的基于AI算法的施工现场安全帽佩戴检测与预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311034815.7A CN116758490B (zh) | 2023-08-17 | 2023-08-17 | 基于ai算法的施工现场安全帽佩戴检测与预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311034815.7A CN116758490B (zh) | 2023-08-17 | 2023-08-17 | 基于ai算法的施工现场安全帽佩戴检测与预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116758490A true CN116758490A (zh) | 2023-09-15 |
CN116758490B CN116758490B (zh) | 2023-12-19 |
Family
ID=87955524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311034815.7A Active CN116758490B (zh) | 2023-08-17 | 2023-08-17 | 基于ai算法的施工现场安全帽佩戴检测与预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116758490B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117205388A (zh) * | 2023-11-08 | 2023-12-12 | 深圳市奥极健康科技有限公司 | 一种吸奶器控制方法、装置、设备及计算机可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202842494U (zh) * | 2012-10-12 | 2013-04-03 | 大唐国际发电股份有限公司重庆分公司 | 具有佩戴监测和人员定位功能的智能安全帽 |
CN110179198A (zh) * | 2019-06-10 | 2019-08-30 | 唐文 | 智能安全帽的预警方法及装置 |
KR102061561B1 (ko) * | 2019-08-29 | 2020-01-02 | 주식회사 디지쿼터스 | 스마트 안전모 및 이를 포함하는 안전 관리 시스템 |
KR20200084589A (ko) * | 2019-01-03 | 2020-07-13 | 주식회사 노버스메이 | 안전보호 관리 시스템 및 방법 |
CN114842503A (zh) * | 2022-04-18 | 2022-08-02 | 南京理工大学 | 基于YOLOv5网络的头盔检测方法 |
CN115191709A (zh) * | 2022-08-29 | 2022-10-18 | 浙江海洋大学 | 一种安全帽卡扣打卡系统及方法 |
US20220351042A1 (en) * | 2019-03-08 | 2022-11-03 | Ai Concepts, Llc | Intelligent recognition and alert methods and systems |
CN115376273A (zh) * | 2022-09-16 | 2022-11-22 | 深圳市齐奥通信技术有限公司 | 一种智能安全帽的安全预警方法、系统、设备及存储介质 |
CN116229505A (zh) * | 2022-12-31 | 2023-06-06 | 浙江大华技术股份有限公司 | 安全帽佩戴检测方法、装置、电子装置和存储介质 |
-
2023
- 2023-08-17 CN CN202311034815.7A patent/CN116758490B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202842494U (zh) * | 2012-10-12 | 2013-04-03 | 大唐国际发电股份有限公司重庆分公司 | 具有佩戴监测和人员定位功能的智能安全帽 |
KR20200084589A (ko) * | 2019-01-03 | 2020-07-13 | 주식회사 노버스메이 | 안전보호 관리 시스템 및 방법 |
US20220351042A1 (en) * | 2019-03-08 | 2022-11-03 | Ai Concepts, Llc | Intelligent recognition and alert methods and systems |
CN110179198A (zh) * | 2019-06-10 | 2019-08-30 | 唐文 | 智能安全帽的预警方法及装置 |
KR102061561B1 (ko) * | 2019-08-29 | 2020-01-02 | 주식회사 디지쿼터스 | 스마트 안전모 및 이를 포함하는 안전 관리 시스템 |
CN114842503A (zh) * | 2022-04-18 | 2022-08-02 | 南京理工大学 | 基于YOLOv5网络的头盔检测方法 |
CN115191709A (zh) * | 2022-08-29 | 2022-10-18 | 浙江海洋大学 | 一种安全帽卡扣打卡系统及方法 |
CN115376273A (zh) * | 2022-09-16 | 2022-11-22 | 深圳市齐奥通信技术有限公司 | 一种智能安全帽的安全预警方法、系统、设备及存储介质 |
CN116229505A (zh) * | 2022-12-31 | 2023-06-06 | 浙江大华技术股份有限公司 | 安全帽佩戴检测方法、装置、电子装置和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117205388A (zh) * | 2023-11-08 | 2023-12-12 | 深圳市奥极健康科技有限公司 | 一种吸奶器控制方法、装置、设备及计算机可读存储介质 |
CN117205388B (zh) * | 2023-11-08 | 2024-04-26 | 深圳市奥极健康科技有限公司 | 一种吸奶器控制方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116758490B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112785798B (zh) | 面向电力变电站工程建设项目施工人员的行为分析方法 | |
CN116758490B (zh) | 基于ai算法的施工现场安全帽佩戴检测与预警方法及系统 | |
CN110179198B (zh) | 智能安全帽的预警方法及装置 | |
CN108009728B (zh) | 园区内的区域安全管理方法及系统 | |
CN112004067A (zh) | 视频监控方法、装置和存储介质 | |
CN115081926B (zh) | 一种适用于智能电厂的运行安全预警方法及系统 | |
CN113209512B (zh) | 一种高处作业安全监管系统及方法 | |
CN113542690B (zh) | 一种建筑施工安全监控系统及方法 | |
CN114973567B (zh) | 一种基于人脸识别的自动告警方法及终端 | |
CN113627897A (zh) | 现场作业人员安全的管控方法和装置及存储介质 | |
CN111652185A (zh) | 一种基于违章行为识别的安全施工方法、系统、装置及存储介质 | |
CN113537009A (zh) | 一种居家隔离监管系统 | |
CN112541439A (zh) | 一种电厂智能视频监控方法与系统 | |
CN113537842A (zh) | 一种建筑工程人员智能监测管理方法及系统 | |
CN114693158A (zh) | 一种基于bim技术的智慧工地管理方法、系统及存储介质 | |
CN112800910A (zh) | 一种通讯机房维护作业效能评估方法及系统 | |
CN117180687A (zh) | 一种智慧消防远程监控系统及方法 | |
CN110443727A (zh) | 一种识别施工现场安全行为的方法 | |
CN110310455B (zh) | 基于电子标签的预警方法及云服务平台 | |
CN115641229A (zh) | 一种智慧电厂生产安全管控系统 | |
CN115733951A (zh) | 一种电力施工现场用全方位监控系统 | |
CN115689821A (zh) | 学生宿舍信息采集管理系统 | |
CN115766761A (zh) | 一种针对高空作业建筑工人的智能安全防护系统及方法 | |
CN116823529A (zh) | 一种基于行为大数据分析的安防智能管理系统 | |
CN113721564A (zh) | 智能车间安全管理系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |