CN117237813B - 基于视频识别的隧道施工供氧控制方法、装置及系统 - Google Patents
基于视频识别的隧道施工供氧控制方法、装置及系统 Download PDFInfo
- Publication number
- CN117237813B CN117237813B CN202311484156.7A CN202311484156A CN117237813B CN 117237813 B CN117237813 B CN 117237813B CN 202311484156 A CN202311484156 A CN 202311484156A CN 117237813 B CN117237813 B CN 117237813B
- Authority
- CN
- China
- Prior art keywords
- construction
- oxygen
- oxygen supply
- action
- target position
- 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.)
- Active
Links
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 title claims abstract description 324
- 239000001301 oxygen Substances 0.000 title claims abstract description 324
- 229910052760 oxygen Inorganic materials 0.000 title claims abstract description 324
- 238000010276 construction Methods 0.000 title claims abstract description 298
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000009471 action Effects 0.000 claims abstract description 105
- 230000036284 oxygen consumption Effects 0.000 claims abstract description 72
- 238000012544 monitoring process Methods 0.000 claims abstract description 67
- 230000033001 locomotion Effects 0.000 claims abstract description 38
- 239000006185 dispersion Substances 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000009792 diffusion process Methods 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims description 23
- 239000013598 vector Substances 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 9
- 239000002699 waste material Substances 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 206010033557 Palpitations Diseases 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010008479 Chest Pain Diseases 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 208000001780 epistaxis Diseases 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
Landscapes
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
- Lining And Supports For Tunnels (AREA)
Abstract
本申请提供一种基于视频识别的隧道施工供氧控制方法、装置及系统,所述方法包括:获取目标位置处的图像采集设备的施工监控图像;将施工监控图像进行图像输入施工动作耗氧量预测模型,获得与施工运动量相关的供氧量等级预测值;根据供氧量等级预测值调整与目标位置对应的弥散式供氧设备的氧气输出速率。通过施工动作耗氧量预测模型对目标位置上的施工监控图像进行识别处理,获得和施工人员施工运动量相符的与施工运动量相关的供氧量等级预测值,并依次控制与目标位置对应的弥散式供氧设备的氧气输出速率。如此,可以为各个目标位置准确地确定出符合施工人员运动量的供氧方案,提高供氧有效利用率,减少供氧资源浪费或者供氧不足的风险。
Description
技术领域
本申请涉及人工智能技术领域,具体而言,涉及一种基于视频识别的隧道施工供氧控制方法、装置及系统。
背景技术
在高海拔超长深埋隧道施工场景中,容易出现隧道内部氧气含量不足,导致施工人员出现头痛目眩、心悸发慌、胸闷气短、鼻出血、呕吐等反应,导致使用人员劳动效率极低,施工进度和质量无法保证,严重时甚至可能危及施工人员的生命。
在一些现有的高海拔隧道施工供氧方案中,采用了弥散式供氧,通过供氧设备将氧气持续性地通过输氧管道上的通孔输送到隧道空间中。但是,现有的弥散式供氧方案控制方式比较粗糙,无法精细地判断隧道内不同位置需求的供氧量,容易导致部分区域供氧冗余或者不部分区域供氧不足。
发明内容
为了克服现有技术中的上述不足,本申请的目的在于提供一种基于视频识别的隧道施工供氧控制方法,所述基于视频识别的隧道施工供氧控制方法应用于隧道施工供氧控制系统中的控制设备,所述隧道施工供氧控制系统还包括设置于施工隧道不同位置的图像采集设备及用于为不同位置供氧的弥散式供氧设备;所述图像采集设备和所述弥散式供氧设备均与所述控制设备通信连接;所述基于视频识别的隧道施工供氧控制方法包括:
获取目标位置处的所述图像采集设备当前采集的施工监控图像;
将所述施工监控图像进行图像输入预先训练的施工动作耗氧量预测模型,获得所述施工动作耗氧量预测模型针对所述施工监控图像中各施工人员输出的与施工运动量相关的供氧量等级预测值;
根据所述供氧量等级预测值调整与所述目标位置对应的弥散式供氧设备的氧气输出速率。
在一种可能的实现方式中,所述将所述施工监控图像进行图像输入预先训练的施工动作耗氧量预测模型,获得所述施工动作耗氧量预测模型针对所述施工监控图像中各施工人员输出的与施工运动量相关的供氧量等级预测值的步骤,包括:
通过所述施工动作耗氧量预测模型的人体识别模块对所述施工监控图像进行处理,获得所述人体识别模块输出的所述施工监控图像中的施工人数;
通过所述施工动作耗氧量预测模型的施工动作识别模块对所述施工监控图像进行处理,获得所述施工动作识别模块输出的所述施工监控图像中的各施工人员的施工工作类型;
通过所述施工动作耗氧量预测模型的第一耗氧量预测模块根据所述施工人数及各所述施工人员的所述施工工作类型确定对应的所述供氧量等级预测值。
在一种可能的实现方式中,所述通过所述施工动作耗氧量预测模型的施工动作识别模块对所述施工监控图像进行处理,获得所述施工动作识别模块输出的所述施工监控图像中的各施工人员的施工工作类型的步骤,包括:
通过所述施工动作识别模块的第一特征提取网络和第二特征提取网络分别对所述施工监控图像进行特征提取,获得施工动作特征向量和施工物件特征向量;
对所述施工动作特征向量和所述施工物件特征向量进行特征融合,获得融合特征向量;
通过所述施工动作识别模块的分类网络对所述融合特征向量进行处理,获得所述分类网络输出的各施工人员对应的施工工作类型。
在一种可能的实现方式中,所述将所述施工监控图像进行图像输入预先训练的施工动作耗氧量预测模型,获得所述施工动作耗氧量预测模型针对所述施工监控图像中各施工人员输出的与施工运动量相关的供氧量等级预测值的步骤,包括:
通过所述施工动作耗氧量预测模型的姿态识别模块对预设时长内所述目标位置处采集的所述施工监控图像进行图像识别,确定所述预设时长内各所述施工人员的动作姿态切换次数及位置移动距离;
通过所述施工动作耗氧量预测模型的第二耗氧量预测模块根据所述动作姿态切换次数及位置移动距离确定各所述施工人员的所述供氧量等级预测值。
在一种可能的实现方式中,所述根据所述供氧量等级预测值调整与所述目标位置对应的弥散式供氧设备的氧气输出速率的步骤,包括:
根据所述目标位置在施工隧道中的位置,确定在所述目标位置上的第一氧气输出速率,并控制所述弥散式供氧设备按照所述第一氧气输出速率执行供氧;
根据所述供氧量等级预测值,在所述第一氧气输出速率的基础上进行调整,获得调整后的所述弥散式供氧设备的氧气输出速率,并根据调整后的氧气输出速率控制所述弥散式供氧设备输出氧气。
在一种可能的实现方式中,所述根据所述供氧量等级预测值调整与所述目标位置对应的弥散式供氧设备的氧气输出速率的步骤,包括:
根据施工进度规划,确定所述目标位置上的预设施工内容;
根据所述预设施工内容,确定在所述目标位置上的第二氧气输出速率,并控制所述弥散式供氧设备按照所述第二氧气输出速率执行供氧;
根据所述供氧量等级预测值,在所述第二氧气输出速率的基础上进行调整,获得调整后的所述弥散式供氧设备的氧气输出速率,并根据调整后的氧气输出速率控制所述弥散式供氧设备输出氧气。
在一种可能的实现方式中,所述根据所述供氧量等级预测值调整与所述目标位置对应的弥散式供氧设备的氧气输出速率的步骤,包括:
根据氧含量采集设备所述目标位置上采集的当前氧含量,确定在所述目标位置上的第三氧气输出速率,并控制所述弥散式供氧设备按照所述第三氧气输出速率执行供氧;
根据所述供氧量等级预测值,在所述第三氧气输出速率的基础上进行调整,获得调整后的所述弥散式供氧设备的氧气输出速率,并根据调整后的氧气输出速率控制所述弥散式供氧设备输出氧气。
在一种可能的实现方式中,所述基于视频识别的隧道施工供氧控制方法还包括:
获取样本位置处的所述图像采集设备采集的历史施工监控图像作为训练样本;
获取于所述样本位置处历史记录的可以保证舒适氧含量的供氧输出等级记录作为训练标签;
将所述训练样本输入待训练的所述施工动作耗氧量预测模型,获得所述施工动作耗氧量预测模型输出的训练预测值;
计算所述训练预测值与所述训练标签之间的差异值参数;
以减小所述差异值参数为目的调整所述施工动作耗氧量预测模型的模型参数。
本申请的另一目的在于提供一种基于视频识别的隧道施工供氧控制装置,所述基于视频识别的隧道施工供氧控制装置应用于隧道施工供氧控制系统中的控制设备,所述隧道施工供氧控制系统还包括设置于施工隧道不同位置的图像采集设备及用于为不同位置供氧的弥散式供氧设备;所述图像采集设备和所述弥散式供氧设备均与所述控制设备通信连接;所述基于视频识别的隧道施工供氧控制装置包括:
图像获取单元,用于获取目标位置处的所述图像采集设备当前采集的施工监控图像;
供氧预测单元,用于将所述施工监控图像进行图像输入预先训练的施工动作耗氧量预测模型,获得所述施工动作耗氧量预测模型针对所述施工监控图像中各施工人员输出的与施工运动量相关的供氧量等级预测值;
供氧控制单元,用于根据所述供氧量等级预测值调整与所述目标位置对应的弥散式供氧设备的氧气输出速率。
本申请的另一目的在于提供一种隧道施工供氧控制系统,所述隧道施工供氧控制系统包括控制设备、设置于施工隧道不同位置的图像采集设备及用于为不同位置供氧的弥散式供氧设备;所述图像采集设备和所述弥散式供氧设备均与所述控制设备通信连接;
所述控制设备用于:
获取目标位置处的所述图像采集设备当前采集的施工监控图像;
将所述施工监控图像进行图像输入预先训练的施工动作耗氧量预测模型,获得所述施工动作耗氧量预测模型针对所述施工监控图像中各施工人员输出的与施工运动量相关的供氧量等级预测值;
根据所述供氧量等级预测值调整与所述目标位置对应的弥散式供氧设备的氧气输出速率。
相对于现有技术而言,本申请具有以下有益效果:
本申请提供的基于视频识别的隧道施工供氧控制方法、装置及系统,通过施工动作耗氧量预测模型对目标位置上的施工监控图像进行识别处理,获得和施工人员施工运动量相符的与施工运动量相关的供氧量等级预测值,并依次控制与所述目标位置对应的弥散式供氧设备的氧气输出速率。如此,可以为各个目标位置准确地确定出符合施工人员运动量的供氧方案,提高供氧有效利用率,减少供氧资源浪费或者供氧不足的风险。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的基于视频识别的隧道施工供氧控制系统的示意图;
图2为本申请实施例提供的基于视频识别的隧道施工供氧控制方法的步骤流程示意图;
图3为本申请实施例提供的控制设备的示意图;
图4为本申请实施例提供的基于视频识别的隧道施工供氧控制装置的功能模块示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,需要说明的是,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
经发明人研究发现,在高海拔隧道施工场景中,不同位置处的供氧需求不是一层不变的。例如,随着施工进度的推进,一些位置上可能某些时间段有施工人员在作业,某些时间段没有施工人员在作业;或者,针对某个位置,在一些时间段内,施工人员在该位置上执行的施工任务较重,运动量较大,而在另一些时间段内,施工人员在该位置上的施工任务较轻,运动量较小。
以上原因均会导致隧道内同一位置在不同时间点上对供氧的需求不同。但是,现有的弥散式供氧方案控制方法比较粗糙,不能灵活的根据隧道的施工情况及时对供氧方案进行调整,容易导致局部供氧冗余,浪费供氧资源,或者导致局部供氧不足,影响施工人员作业。
有鉴于此,本实施例提供一种基于视频识别的隧道施工供氧控制方案,以解决上述问题,下面对本实施例提供的方案进行详细阐述。
请参照图1,图1为本实施例提供的一种基于视频识别的隧道施工供氧控制系统的示意图,该系统可以包括控制设备100、图像采集设备200以及弥散式供氧设备300。所述图像采集设备200和所述弥散式供氧设备300均与所述控制设备100通信连接,例如通过通信网络连接。
多个所述图像采集设备200可以设置于施工隧道中的不同的位置,以采集不用位置的施工监控图像。所述弥散式供氧设备300用于为不同位置提供氧气。在本实施例中,所述弥散式供氧设备300可以具有用于在不同位置上调节供氧速率的阀门或开关,所述控制设备100可以控制所述阀门或开关的开启程度。
请参照图2,图2为本实施例提供的一种应用于图1所示控制设备100的基于视频识别的隧道施工供氧控制方法,下面对该方法的各个步骤进行详细阐述。
步骤S110,获取目标位置处的所述图像采集设备200当前采集的施工监控图像。
在本实施例中,针对多个不同的目标位置,可以分别获取对应的施工监控图像,并分别执行后续步骤。
步骤S120,将所述施工监控图像进行图像输入预先训练的施工动作耗氧量预测模型,获得所述施工动作耗氧量预测模型针对所述施工监控图像中各施工人员输出的与施工运动量相关的供氧量等级预测值。
在本实施例中,所述施工动作耗氧量预测模型被训练用于对所述施工监控图像进行特征提取,并根据特征提取的结果预测可以表征施工人员在施工过程中运动量的与施工运动量相关的供氧量等级预测值。
步骤S130,根据所述供氧量等级预测值调整与所述目标位置对应的弥散式供氧设备300的氧气输出速率。
在本实施例中,在确定出于施工人员的运动量相关的与施工运动量相关的供氧量等级预测值后,即可根据该氧量等级预测值调整所述弥散式供氧设备300的氧气输出速率,从而可以使所述弥散式供氧设备300输出氧气的速率符合目标位置上各施工人员的运动量。
基于上述设计,本实施例提供的基于视频识别的隧道施工供氧控制方法,通过施工动作耗氧量预测模型对目标位置上的施工监控图像进行识别处理,获得和施工人员施工运动量相符的与施工运动量相关的供氧量等级预测值,并依次控制与所述目标位置对应的弥散式供氧设备300的氧气输出速率。如此,可以为各个目标位置准确地确定出符合施工人员运动量的供氧方案,提高供氧有效利用率,减少供氧资源浪费或者供氧不足的风险。
经发明人研究发现,施工人员的运动量通常与施工人员执行的施工工作类型相关,例如搬运、绑扎钢筋、浇灌、铺设线缆等,不同的工作类型具有不同的运动量。因此,在本实施例的一种可能的实现方式中,所述施工动作耗氧量预测模型可以根据所述施工监控图像识别施工人员的施工工作类型,进而根据所述施工工作类型确定对应的所述供氧量等级预测值。
具体地,步骤S120可以包括以下子步骤。
步骤S201,通过所述施工动作耗氧量预测模型的人体识别模块对所述施工监控图像进行处理,获得所述人体识别模块输出的所述施工监控图像中的施工人数。
在本实施例中,所述人体识别模块可以被训练于用于根据整个所述施工监控图像识别其中存在的人员,进而获得所述施工人数。由于所述人体识别模块仅用于确定施工人数,例如,确定出包含施工人员的人体区域框,然后统计人体区域框的数量。由于不需要更精细的识别任务,本事实例中该人体识别模块可以采用常规的轻型的模型结构,以减少数据处理量,提高反应速度。
步骤S202,通过所述施工动作耗氧量预测模型的施工动作识别模块对所述施工监控图像进行处理,获得所述施工动作识别模块输出的所述施工监控图像中的各施工人员的施工工作类型。
在本实施例中,可以在步骤S201确定出各个施工人员对应的人体区域框后,针对各个人体区域框中的图像输入所述施工动作识别模块进行更精细的识别,从而确定出各个施工人员对应的施工工作类型。其中,所述施工工作类型可以表征施工人员执行施工动作的施工运动运动量。
步骤S203,通过所述施工动作耗氧量预测模型的第一耗氧量预测模块根据所述施工人数及各所述施工人员的所述施工工作类型确定对应的所述供氧量等级预测值。
在本实施例中,在确定出所述施工人数及各所述施工人员的所述施工工作类型后,即可通过所述第一耗氧量预测模块确定对应的所述供氧量等级预测值。
进一步地,施工人员执行在执行不同的施工动作时,可能具有相似的人体动作,但其使用的物件或施工针对的不物件不同也会导致其运动量不同,例如,执行搬运动作的施工人员搬运的物件不同其对应的施工运动量会存在差异。
因此,在本实施例的一些可能的实现方式中,步骤S202可以包括以下子步骤。
步骤S2021,通过所述施工动作识别模块的第一特征提取网络和第二特征提取网络分别对所述施工监控图像进行特征提取,获得施工动作特征向量和施工物件特征向量。
步骤S2022,对所述施工动作特征向量和所述施工物件特征向量进行特征融合,获得融合特征向量。
步骤S2023,通过所述施工动作识别模块的分类网络对所述融合特征向量进行处理,获得所述分类网络输出的各施工人员对应的施工工作类型。
如此,通过所述第一特征提取网络和所述第二特征提取网络分别提取与施工动作和施工物件相关的特征向量,再将这些特征向量融合后输入分类网络进行判断,可以更加准确地确定出施工人员的施工工作类型,进而更加准确地反应施工人员的施工运动量。
经发明人研究发现,在隧道施工场景中施工人员的运动量通常还可能与施工人员姿态变化次数及移动距离相关。因此,在本实施例的另一种可能的实现方式中,所述施工动作耗氧量预测模型可以根据所述施工监控图像识别施工人员的动作姿态切换次数及位置移动距离,进而根据所述动作姿态切换次数及位置移动距离确定对应的所述供氧量等级预测值。
具体地,步骤S120可以包括以下子步骤。
步骤S301,通过所述施工动作耗氧量预测模型的姿态识别模块对预设时长内所述目标位置处采集的所述施工监控图像进行图像识别,确定所述预设时长内各所述施工人员的动作姿态切换次数及位置移动距离。
步骤S302,通过所述施工动作耗氧量预测模型的第二耗氧量预测模块根据所述动作姿态切换次数及位置移动距离确定各所述施工人员的所述供氧量等级预测值。
经发明人研究发现,在施工隧道的不同位置,存在空气流动速度差异、与外界气体交换难易程度差异等,会导致以相同率在不同位置执行供氧时,对氧含量相应位置上氧含量影响的程度不同。例如,隧道深处封闭位置和隧道口气体流通程度不同,以相同速率供氧对氧含量影响程度不同;又例如,隧道交叉口和隧道撑子面末端气体流通程度不同,以相同速率供氧对氧含量影响程度不同。
有鉴于此,在本实施例的一种可能的实现方式中,步骤S130可以包括以下子步骤。
步骤S301,根据所述目标位置在施工隧道中的位置,确定在所述目标位置上的第一氧气输出速率,并控制所述弥散式供氧设备300按照所述第一氧气输出速率执行供氧。
步骤S302,根据所述供氧量等级预测值,在所述第一氧气输出速率的基础上进行调整,获得调整后的所述弥散式供氧设备300的氧气输出速率,并根据调整后的氧气输出速率控制所述弥散式供氧设备300输出氧气。
如此,先根据目标位置在施工隧道中的位置确定一基础的第一氧气输出速率,再根据该目标位置上施工人员的施工运动量进行调整,可以使所述弥散式供氧设备300的供氧输出速率更符合所述目标位置的实际需求。
经发明人研究发现,在隧道施工场景中,如果施工人员已经启动工作了在执行调整供氧量的动作具有一定的滞后性,因此在本实施例中为了保证目标位置的供氧充足,可以先根据所述目标位置上的预设施工内容确定一基础的第二氧气输出速率,然后再根据该目标位置上施工人员的施工运动量进行调整。
具体地,在本实施例的一种可能的实现方式中,步骤S130可以包括以下子步骤。
步骤S401,根据施工进度规划,确定所述目标位置上的预设施工内容。
步骤S402,根据所述预设施工内容,确定在所述目标位置上的第二氧气输出速率,并控制所述弥散式供氧设备300按照所述第二氧气输出速率执行供氧。
步骤S403,根据所述供氧量等级预测值,在所述第二氧气输出速率的基础上进行调整,获得调整后的所述弥散式供氧设备300的氧气输出速率,并根据调整后的氧气输出速率控制所述弥散式供氧设备300输出氧气。
如此,可以避免供氧量调整存在滞后性导致施工人员缺氧。
在本实施例的一种可能的实现方式中,步骤S130可以包括以下子步骤。
步骤S501,根据氧含量采集设备所述目标位置上采集的当前氧含量,确定在所述目标位置上的第三氧气输出速率,并控制所述弥散式供氧设备300按照所述第三氧气输出速率执行供氧。
步骤S502,根据所述供氧量等级预测值,在所述第三氧气输出速率的基础上进行调整,获得调整后的所述弥散式供氧设备300的氧气输出速率,并根据调整后的氧气输出速率控制所述弥散式供氧设备300输出氧气。
如此,可以先根据所述目标位置上采集的当前氧含量执行供氧调整,保证目标位置上的氧含量达到基准值,在根据该目标位置上施工人员的施工运动量进行调整,保证氧含量符合施工人员的施工运动量,从而可以减少供氧调整的滞后性。
在一些可能的实现方式中,本实施例还提供基于视频识别的隧道施工供氧控制方法还包括针对所述施工动作耗氧量预测模型训练的步骤,具体如下。
步骤S601,获取样本位置处的所述图像采集设备200采集的历史施工监控图像作为训练样本。
步骤S602,获取于所述样本位置处历史记录的可以保证舒适氧含量的供氧输出等级记录作为训练标签。
步骤S603,将所述训练样本输入待训练的所述施工动作耗氧量预测模型,获得所述施工动作耗氧量预测模型输出的训练预测值。
步骤S604,计算所述训练预测值与所述训练标签之间的差异值参数。
步骤S605,以减小所述差异值参数为目的调整所述施工动作耗氧量预测模型的模型参数。
在本实施例中,可以在训练次数达到预设阈值,或者所述差异值参数缩小到预设阈值后,停止训练,获得训练完成的所述施工动作耗氧量预测模型。
进一步地,鉴于不同位置上空气流通速度对供氧的影响,在一些可能的实现方式中,在训练所述施工动作耗氧量预测模型时,还可以在训练样本中加入表征目标位置在所述施工隧道中相对位置的字段。相应地,在步骤S120中,可以将表征目标位置在所述施工隧道中相对位置的字段和所述施工监控画面一起输入所述施工动作耗氧量预测模型,从而使所述施工动作耗氧量预测模型预测获得更加准确的所述供氧量等级预测值。
需要说明的是,在本实施例中,所述施工动作耗氧量预测模型整体上为基于机器学习的卷积神经网络模型,本实施例提供的方案中关键设计在于选择输入所述施工动作耗氧量预测模型的数据及使用所述施工动作耗氧量预测模型输出的数据,而所述施工动作耗氧量预测模型各模块或各网络的具体结构可以采用的通用的特征提取或分类模型的机构,在本实施例中不做具体限定。
请参照图3,图3是本实施例提供的图1所示的控制设备100的方框示意图。所述控制设备100包括基于视频识别的隧道施工供氧控制装置110、机器可读存储介质120、处理器130。
所述机器可读存储介质120、处理器130各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述基于视频识别的隧道施工供氧控制装置110包括至少一个可以软件或固件(firmware)的形式存储于所述机器可读存储介质120中或固化在所述控制设备100的操作系统(operating system,OS)中的软件功能模块。所述处理器130用于执行所述机器可读存储介质120中存储的可执行模块,例如所述基于视频识别的隧道施工供氧控制装置110所包括的软件功能模块及计算机程序等。
其中,所述机器可读存储介质120可以是,但不限于,随机存取存储器(RandomAccess Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。其中,机器可读存储介质120用于存储程序,所述处理器130在接收到执行指令后,执行所述程序/可执行本实施例提供的所述基于视频识别的隧道施工供氧控制方法。
所述处理器130可能是一种集成电路芯片,具有信号的处理能力。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit, 简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
请参照图4,本实施例还提供一种基于视频识别的隧道施工供氧控制装置,基于视频识别的隧道施工供氧控制装置110包括至少一个可以软件形式存储于机器可读存储介质120中的功能模块。从功能上划分,基于视频识别的隧道施工供氧控制装置110可以包括图像获取单元111、供氧预测单元112及供氧控制单元113。
所述图像获取单元111用于获取目标位置处的所述图像采集设备200当前采集的施工监控图像。
本实施例中,所述图像获取单元111可用于执行图2所示的步骤S110,关于所述图像获取单元111的具体描述可参对所述步骤S110的描述。
所述供氧预测单元112用于将所述施工监控图像进行图像输入预先训练的施工动作耗氧量预测模型,获得所述施工动作耗氧量预测模型针对所述施工监控图像中各施工人员输出的与施工运动量相关的供氧量等级预测值。
本实施例中,所述供氧预测单元112可用于执行图2所示的步骤S120,关于所述供氧预测单元112的具体描述可参对所述步骤S120的描述。
所述供氧控制单元113用于根据所述供氧量等级预测值调整与所述目标位置对应的弥散式供氧设备300的氧气输出速率。
本实施例中,所述供氧控制单元113可用于执行图2所示的步骤S130,关于所述供氧控制单元113的具体描述可参对所述步骤S130的描述。综上所述,本申请提供的基于视频识别的隧道施工供氧控制方法、装置及系统,通过施工动作耗氧量预测模型对目标位置上的施工监控图像进行识别处理,获得和施工人员施工运动量相符的与施工运动量相关的供氧量等级预测值,并依次控制与所述目标位置对应的弥散式供氧设备的氧气输出速率。如此,可以为各个目标位置准确地确定出符合施工人员运动量的供氧方案,提高供氧有效利用率,减少供氧资源浪费或者供氧不足的风险。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述,仅为本申请的各种实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种基于视频识别的隧道施工供氧控制方法,其特征在于,所述基于视频识别的隧道施工供氧控制方法应用于隧道施工供氧控制系统中的控制设备,所述隧道施工供氧控制系统还包括设置于施工隧道不同位置的图像采集设备及用于为不同位置供氧的弥散式供氧设备;所述图像采集设备和所述弥散式供氧设备均与所述控制设备通信连接;所述基于视频识别的隧道施工供氧控制方法包括:
获取目标位置处的所述图像采集设备当前采集的施工监控图像;
将所述施工监控图像进行图像输入预先训练的施工动作耗氧量预测模型,获得所述施工动作耗氧量预测模型针对所述施工监控图像中各施工人员输出的与施工运动量相关的供氧量等级预测值;
根据所述供氧量等级预测值调整与所述目标位置对应的弥散式供氧设备的氧气输出速率。
2.根据权利要求1所述的基于视频识别的隧道施工供氧控制方法,其特征在于,所述将所述施工监控图像进行图像输入预先训练的施工动作耗氧量预测模型,获得所述施工动作耗氧量预测模型针对所述施工监控图像中各施工人员输出的与施工运动量相关的供氧量等级预测值的步骤,包括:
通过所述施工动作耗氧量预测模型的人体识别模块对所述施工监控图像进行处理,获得所述人体识别模块输出的所述施工监控图像中的施工人数;
通过所述施工动作耗氧量预测模型的施工动作识别模块对所述施工监控图像进行处理,获得所述施工动作识别模块输出的所述施工监控图像中的各施工人员的施工工作类型;
通过所述施工动作耗氧量预测模型的第一耗氧量预测模块根据所述施工人数及各所述施工人员的所述施工工作类型确定对应的所述供氧量等级预测值。
3.根据权利要求2所述的基于视频识别的隧道施工供氧控制方法,其特征在于,所述通过所述施工动作耗氧量预测模型的施工动作识别模块对所述施工监控图像进行处理,获得所述施工动作识别模块输出的所述施工监控图像中的各施工人员的施工工作类型的步骤,包括:
通过所述施工动作识别模块的第一特征提取网络和第二特征提取网络分别对所述施工监控图像进行特征提取,获得施工动作特征向量和施工物件特征向量;
对所述施工动作特征向量和所述施工物件特征向量进行特征融合,获得融合特征向量;
通过所述施工动作识别模块的分类网络对所述融合特征向量进行处理,获得所述分类网络输出的各施工人员对应的施工工作类型。
4.根据权利要求1所述的基于视频识别的隧道施工供氧控制方法,其特征在于,所述将所述施工监控图像进行图像输入预先训练的施工动作耗氧量预测模型,获得所述施工动作耗氧量预测模型针对所述施工监控图像中各施工人员输出的与施工运动量相关的供氧量等级预测值的步骤,包括:
通过所述施工动作耗氧量预测模型的姿态识别模块对预设时长内所述目标位置处采集的所述施工监控图像进行图像识别,确定所述预设时长内各所述施工人员的动作姿态切换次数及位置移动距离;
通过所述施工动作耗氧量预测模型的第二耗氧量预测模块根据所述动作姿态切换次数及位置移动距离确定各所述施工人员的所述供氧量等级预测值。
5.根据权利要求1所述的基于视频识别的隧道施工供氧控制方法,其特征在于,所述根据所述供氧量等级预测值调整与所述目标位置对应的弥散式供氧设备的氧气输出速率的步骤,包括:
根据所述目标位置在施工隧道中的位置,确定在所述目标位置上的第一氧气输出速率,并控制所述弥散式供氧设备按照所述第一氧气输出速率执行供氧;
根据所述供氧量等级预测值,在所述第一氧气输出速率的基础上进行调整,获得调整后的所述弥散式供氧设备的氧气输出速率,并根据调整后的氧气输出速率控制所述弥散式供氧设备输出氧气。
6.根据权利要求1所述的基于视频识别的隧道施工供氧控制方法,其特征在于,所述根据所述供氧量等级预测值调整与所述目标位置对应的弥散式供氧设备的氧气输出速率的步骤,包括:
根据施工进度规划,确定所述目标位置上的预设施工内容;
根据所述预设施工内容,确定在所述目标位置上的第二氧气输出速率,并控制所述弥散式供氧设备按照所述第二氧气输出速率执行供氧;
根据所述供氧量等级预测值,在所述第二氧气输出速率的基础上进行调整,获得调整后的所述弥散式供氧设备的氧气输出速率,并根据调整后的氧气输出速率控制所述弥散式供氧设备输出氧气。
7.根据权利要求1所述的基于视频识别的隧道施工供氧控制方法,其特征在于,所述根据所述供氧量等级预测值调整与所述目标位置对应的弥散式供氧设备的氧气输出速率的步骤,包括:
根据氧含量采集设备所述目标位置上采集的当前氧含量,确定在所述目标位置上的第三氧气输出速率,并控制所述弥散式供氧设备按照所述第三氧气输出速率执行供氧;
根据所述供氧量等级预测值,在所述第三氧气输出速率的基础上进行调整,获得调整后的所述弥散式供氧设备的氧气输出速率,并根据调整后的氧气输出速率控制所述弥散式供氧设备输出氧气。
8.根据权利要求1所述的基于视频识别的隧道施工供氧控制方法,其特征在于,所述基于视频识别的隧道施工供氧控制方法还包括:
获取样本位置处的所述图像采集设备采集的历史施工监控图像作为训练样本;
获取于所述样本位置处历史记录的保证舒适氧含量的供氧输出等级记录作为训练标签;
将所述训练样本输入待训练的所述施工动作耗氧量预测模型,获得所述施工动作耗氧量预测模型输出的训练预测值;
计算所述训练预测值与所述训练标签之间的差异值参数;
以减小所述差异值参数为目的调整所述施工动作耗氧量预测模型的模型参数。
9.一种隧道施工供氧控制系统,其特征在于,所述隧道施工供氧控制系统包括控制设备、设置于施工隧道不同位置的图像采集设备及用于为不同位置供氧的弥散式供氧设备;所述图像采集设备和所述弥散式供氧设备均与所述控制设备通信连接;
所述控制设备用于:
获取目标位置处的所述图像采集设备当前采集的施工监控图像;
将所述施工监控图像进行图像输入预先训练的施工动作耗氧量预测模型,获得所述施工动作耗氧量预测模型针对所述施工监控图像中各施工人员输出的与施工运动量相关的供氧量等级预测值;
根据所述供氧量等级预测值调整与所述目标位置对应的弥散式供氧设备的氧气输出速率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311484156.7A CN117237813B (zh) | 2023-11-09 | 2023-11-09 | 基于视频识别的隧道施工供氧控制方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311484156.7A CN117237813B (zh) | 2023-11-09 | 2023-11-09 | 基于视频识别的隧道施工供氧控制方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117237813A CN117237813A (zh) | 2023-12-15 |
CN117237813B true CN117237813B (zh) | 2024-02-27 |
Family
ID=89095045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311484156.7A Active CN117237813B (zh) | 2023-11-09 | 2023-11-09 | 基于视频识别的隧道施工供氧控制方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117237813B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689231A (zh) * | 2019-09-03 | 2020-01-14 | 耀灵人工智能(浙江)有限公司 | 一种城域地下空间的智能管理方法与系统 |
CN115324650A (zh) * | 2022-03-14 | 2022-11-11 | 北京住总集团有限责任公司 | 一种基于智能识别的预警分级系统及方法 |
CN115519961A (zh) * | 2021-06-25 | 2022-12-27 | 博泰车联网科技(上海)股份有限公司 | 调控车内空气质量的方法、装置及计算机储存介质 |
CN115655612A (zh) * | 2022-09-30 | 2023-01-31 | 三明学院 | 一种隧道爆破装药结构识别记录方法、装置、设备及介质 |
CN115661968A (zh) * | 2022-10-20 | 2023-01-31 | 国网北京市电力公司 | 隧道巡检方法以及装置 |
CN116245219A (zh) * | 2023-01-05 | 2023-06-09 | 陕西数图行信息科技有限公司 | 一种矿区煤火的预测方法及装置 |
CN116403301A (zh) * | 2023-02-13 | 2023-07-07 | 造物者智能科技(广州)有限公司 | 多台巡检机器人蜂群应急方法、装置、设备及存储介质 |
CN116486314A (zh) * | 2023-06-26 | 2023-07-25 | 中国水利水电第七工程局有限公司 | 施工隧道通行控制方法、装置及系统 |
CN116776444A (zh) * | 2023-07-07 | 2023-09-19 | 华南理工大学 | 一种基于数字孪生的沉管隧道建造方法及系统 |
CN116994210A (zh) * | 2023-09-20 | 2023-11-03 | 中国水利水电第七工程局有限公司 | 隧道施工人员识别方法、装置及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11839986B2 (en) * | 2019-10-25 | 2023-12-12 | Ocado Innovation Limited | Systems and methods for active perception and coordination between robotic vision systems and manipulators |
US20220233191A1 (en) * | 2021-01-22 | 2022-07-28 | Ethicon Llc | Prediction of tissue irregularities based on biomarker monitoring |
-
2023
- 2023-11-09 CN CN202311484156.7A patent/CN117237813B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689231A (zh) * | 2019-09-03 | 2020-01-14 | 耀灵人工智能(浙江)有限公司 | 一种城域地下空间的智能管理方法与系统 |
CN115519961A (zh) * | 2021-06-25 | 2022-12-27 | 博泰车联网科技(上海)股份有限公司 | 调控车内空气质量的方法、装置及计算机储存介质 |
CN115324650A (zh) * | 2022-03-14 | 2022-11-11 | 北京住总集团有限责任公司 | 一种基于智能识别的预警分级系统及方法 |
CN115655612A (zh) * | 2022-09-30 | 2023-01-31 | 三明学院 | 一种隧道爆破装药结构识别记录方法、装置、设备及介质 |
CN115661968A (zh) * | 2022-10-20 | 2023-01-31 | 国网北京市电力公司 | 隧道巡检方法以及装置 |
CN116245219A (zh) * | 2023-01-05 | 2023-06-09 | 陕西数图行信息科技有限公司 | 一种矿区煤火的预测方法及装置 |
CN116403301A (zh) * | 2023-02-13 | 2023-07-07 | 造物者智能科技(广州)有限公司 | 多台巡检机器人蜂群应急方法、装置、设备及存储介质 |
CN116486314A (zh) * | 2023-06-26 | 2023-07-25 | 中国水利水电第七工程局有限公司 | 施工隧道通行控制方法、装置及系统 |
CN116776444A (zh) * | 2023-07-07 | 2023-09-19 | 华南理工大学 | 一种基于数字孪生的沉管隧道建造方法及系统 |
CN116994210A (zh) * | 2023-09-20 | 2023-11-03 | 中国水利水电第七工程局有限公司 | 隧道施工人员识别方法、装置及系统 |
Non-Patent Citations (3)
Title |
---|
Smart tunnel fire safety management by sensor network and artificial intelligence;Huang X等;《Leveraging Artificial Intelligence in Engineering, Management, and Safety of Infrastructure. CRC Press》;423-443 * |
便携式低氧帐篷自动监控系统设计与开发;林利红;《中国优秀硕士学位论文全文数据库 (信息科技辑)》(第5期);I140-316 * |
基于图像识别技术的龙溪口航电工程智能视频监控系统设计;姜旭东等;《水运工程》(第10期);183-187 * |
Also Published As
Publication number | Publication date |
---|---|
CN117237813A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751022A (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
CN104537389B (zh) | 人脸识别方法和装置 | |
CN107463888B (zh) | 基于多任务学习与深度学习的人脸情绪分析方法及系统 | |
CN106295567A (zh) | 一种关键点的定位方法及终端 | |
CN105488806B (zh) | 一种工件位置追踪定位方法及定位系统 | |
CN111680551A (zh) | 监控牲畜数量的方法、装置、计算机设备及存储介质 | |
CN110134826B (zh) | 一种污水处理厂生物反应池曝气状况视频智能识别分析系统及方法 | |
CN105929799A (zh) | 作业者品质管理方法和作业者品质管理装置 | |
CN113554004B (zh) | 搅拌车溢料检测方法、检测系统、电子设备及搅拌站 | |
CN113125663A (zh) | 一种水质监测预警系统和方法 | |
CN110532902A (zh) | 一种基于轻量化卷积神经网络的铁水扒渣检测方法 | |
CN116384901A (zh) | 一种石油化工码头数字孪生管理方法及系统 | |
CN114742987B (zh) | 一种用于非金属材料切割的自动定位控制方法及系统 | |
CN113341901A (zh) | 一种基于实验工艺的多设备集成控制方法及系统 | |
CN117237813B (zh) | 基于视频识别的隧道施工供氧控制方法、装置及系统 | |
CN109359032A (zh) | 测试数据收集方法、装置、系统和电子设备 | |
CN108803383A (zh) | 一种设备控制方法、装置、系统和存储介质 | |
CN110364028A (zh) | 海砂采运船舶监控系统及其控制方法 | |
CN116664846B (zh) | 基于语义分割实现3d打印桥面施工质量监测方法及系统 | |
CN103700112A (zh) | 一种基于混合预测策略的遮挡目标跟踪方法 | |
CN104748862A (zh) | 分析装置和分析方法 | |
CN117010197A (zh) | 基于数字孪生的设备检测方法及装置 | |
CN115809785A (zh) | 一种智慧工地管理系统 | |
CN112936342B (zh) | 基于人体姿态识别算法的实体机器人动作评测系统及方法 | |
CN110189360A (zh) | 一种对特定目标的识别跟踪方法 |
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 |