CN117555298A - 一种施工现场安全监控系统 - Google Patents

Abstract

本申请涉及施工现场安全监控领域，公开了一种施工现场安全监控系统，包括多个智能机器人，每个所述智能机器人均配备有高清摄像头、气象传感器和可燃气体检测器；无线通信设备，用于将智能机器人采集的实时图像数据传送到中央控制系统；数据处理单元，用于接收、处理和分析从智能机器人传感器获取的数据；智能算法单元，用于识别施工现场上的异常事件和风险情况。本发明通过智能机器人在施工现场巡视收集实时数据，并将采集到的数据通过无线通信设备传送至中央控制系统；数据处理单元接收数据，对其进行处理和分析，实时监测施工现场的状态；智能算法单元识别出施工现场的异常事件和风险情况，并向中央控制系统发出相应的警报。

Description

一种施工现场安全监控系统

技术领域

本发明涉及施工现场安全监控技术领域，具体为一种施工现场安全监控系统。

背景技术

传统的施工现场监控系统往往依赖于有限数量的固定摄像头，覆盖范围有限，难以全面监控大范围施工区域。同时，人工巡逻效率低下，监控盲区和死角也难以避免，容易导致潜在安全隐患未能及时发现。

发明内容

针对现有技术的不足，本发明提供了一种施工现场安全监控系统，解决了传统施工现场监控盲区和死角的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种施工现场安全监控系统，包括：

多个智能机器人，每个所述智能机器人均配备有高清摄像头、气象传感器和可燃气体检测器；

无线通信设备，用于将智能机器人采集的实时图像数据传送到中央控制系统；

数据处理单元，用于接收、处理和分析从智能机器人传感器获取的数据；

智能算法单元，用于识别施工现场上的异常事件和风险情况。

优选的，所述智能机器人配置有：

高清摄像头，用于捕捉施工现场的图像和视频；

气象传感器，包括温度、湿度、风速和气压传感器，用于监测气象条件；

可燃气体检测器，用于检测施工现场上的可燃气体浓度。

优选的，多个所述智能机器人之间能够通过无线通信设备协同工作，并通过施工现场实时地图规划巡逻路径。

优选的，所述数据处理单元包括：

图像处理模块，用于图像增强、物体检测和运动检测；

数据模式识别模块，用于检测施工现场上的异常模式；

风险评估模块，用于评估施工现场上的潜在风险。

优选的，所述风险评估模块是基于多个传感器的数据，包括气象传感器、可燃气体检测器和温度传感器，以计算风险指数，所述风险指数计算使用以下公式：

风险指数＝Σ(权重*传感器数据)，

其中，权重是根据风险因素的重要性进行分配的系数。

优选的，所述智能算法单元包括：

异常检测算法，用于检测与历史数据的偏差；

机器学习算法，用于建模和预测施工现场事件；

运动检测算法，用于检测人和物体的运动；

图像识别算法，用于识别工人和设备。

优选的，所述运动检测算法是基于光流法或背景建模法检测的。

本发明提供一种施工现场安全监控方法，包括以下步骤：

S1、配置多个智能机器人，每个机器人都配备高清摄像头、气象传感器和可燃气体检测器，以实现全面的数据采集；

S2、通过无线通信设备实时传输图像和数据到中央控制系统，确保实时监控；

S3、使用数据处理单元接收、处理和分析从智能机器人传感器获取的数据，包括以下步骤：

S31、对采集的图像进行图像处理，包括图像增强、物体检测和运动检测；

S32、运行数据模式识别算法，以检测施工现场上的异常模式；

S33、运行风险评估算法，以评估施工现场上的潜在风险；

S4、使用智能算法，识别施工现场上的异常事件和风险情况，其中，智能算法包括以下子算法：

基于统计的异常检测算法，分析数据的统计特征并识别异常；

机器学习算法，基于历史数据建立模型，预测可能的事件。

优选的，多个所述智能机器人之间协同工作，通过中央控制系统进行协调，以规划巡逻路径和分配任务，以最大程度地覆盖施工现场。

优选的，所述智能算法还包括：

运动检测算法，用于实时监测工人、设备和材料的运动，并识别异常运动；

图像识别算法，用于识别工人、设备和材料，并提供实时位置信息；

数据模式识别算法，用于监测历史数据的趋势和异常模式，以提前识别潜在问题；

风险评估算法，综合考虑气象条件、可燃气体浓度多个因素，计算施工现场的整体风险指数。

本发明提供了一种施工现场安全监控系统。具备以下有益效果：

1、本发明通过智能机器人在施工现场巡视，通过高清摄像头、气象传感器和可燃气体检测器收集实时数据，并将采集到的数据通过无线通信设备传送至中央控制系统，确保数据的实时传输和可靠性；数据处理单元接收数据，对其进行处理和分析，实时监测施工现场的状态；智能算法单元运用先进的算法，识别出施工现场的异常事件和风险情况，并向中央控制系统发出相应的警报。

2、本发明系统能够实时监控施工现场的情况，及时发现并响应可能的安全隐患，保障工人的生命安全。且通过及时检测可燃气体浓度等危险情况，能够有效预防火灾等危险事件的发生。同时自动化的监控系统减轻了人工巡视的负担，同时通过智能算法识别异常情况，使得工作人员能够专注于解决实际问题。另外系统对数据进行记录和分析，可以为后续的安全评估和优化提供重要参考依据。

附图说明

图1为本发明的系统架构示意图；

图2为本发明的智能机器人结构示意图；

图3为本发明的数据处理单元结构示意图；

图4为本发明的智能算法单元结构示意图；

图5为本发明的方法流程示意图。

具体实施方式

下面将结合本发明说明书附图，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，都属于本发明保护的范围。

请参阅附图1-附图4，本发明提供一种施工现场安全监控系统，包括：

智能机器人，每个智能机器人都配备了三项设备：

高清摄像头：用于实时拍摄施工现场的图像，提供高质量的视觉信息。

气象传感器：用于监测气象状况，例如温度、湿度、风速等，以便及时应对恶劣天气条件。

可燃气体检测器：能够及时检测到可燃气体浓度，防范火灾等危险情况。

无线通信设备：用于将智能机器人采集的实时图像数据传送到中央控制系统。这保证了数据的及时性和准确性，使得监控系统能够实时响应现场情况。

数据处理单元，该单元负责接收、处理和分析从智能机器人传感器获取的数据。通过对数据进行实时处理和分析，系统可以及时发现异常情况，并采取相应的措施。

智能算法单元，这个单元运用了先进的智能算法，能够识别施工现场上的异常事件和风险情况。例如，它可以检测到可能的安全隐患，如坍塌风险、可燃气体泄漏等，并及时向中央控制系统报警。

本发明通过智能机器人在施工现场巡视，通过高清摄像头、气象传感器和可燃气体检测器收集实时数据，并将采集到的数据通过无线通信设备传送至中央控制系统，确保数据的实时传输和可靠性；数据处理单元接收数据，对其进行处理和分析，实时监测施工现场的状态；智能算法单元运用先进的算法，识别出施工现场的异常事件和风险情况，并向中央控制系统发出相应的警报。

综上所述，系统能够实时监控施工现场的情况，及时发现并响应可能的安全隐患，保障工人的生命安全。且通过及时检测可燃气体浓度等危险情况，能够有效预防火灾等危险事件的发生。同时自动化的监控系统减轻了人工巡视的负担，同时通过智能算法识别异常情况，使得工作人员能够专注于解决实际问题。另外系统对数据进行记录和分析，可以为后续的安全评估和优化提供重要参考依据。

作为本发明的一种实施方式，多个智能机器人之间能够通过无线通信设备协同工作，并通过施工现场实时地图规划巡逻路径；

具体的，多个智能机器人之间通过无线通信设备实现实时通讯和数据共享，同时结合施工现场的实际布局和结构，动态规划机器人的巡逻路径，这使得它们能够相互协同，共同监控施工现场的不同区域，从而全面覆盖整个工地，其具体实施如下：

系统接收智能机器人实时位置信息和地图数据，并利用A*算法结合实时地图，动态规划巡逻路径；

路径分配：中央控制系统将巡逻区域划分为子区域，并为每个子区域分配一个智能机器人负责巡逻。

任务执行：每个智能机器人接收分配到的子区域信息，根据路径规划开始巡逻。

实时通信：智能机器人之间通过无线通信设备保持实时通讯，交换实时地图数据、传感器数据等。

上述A*算法实施步骤如下：

1.初始化：

1.1.将起点加入开放列表(Open Li st)。

1.2.将起点的启发式评估值(估计的最短距离)设置为初始值。

2.循环：

2.1.在开放列表中选择具有最小启发式评估值的节点作为当前节点。

2.2.如果当前节点是目标节点，则算法终止，返回路径。

2.3.将当前节点标记为已访问，并将其从开放列表移入关闭列表。

2.4.对当前节点的相邻节点进行遍历：

2.4.1.对于每个相邻节点，计算以下值：

G值：从起点到该节点的实际代价。

H值：从该节点到目标节点的启发式估计距离(例如，欧氏距离)。

2.4.2.计算F值(F＝G+H)。

2.4.3.如果相邻节点已经在开放列表中，检查是否通过当前节点到达它的路径更短。如果是，则更新该节点的G值和父节点。

2.4.4.如果相邻节点不在开放列表中，将其加入开放列表，并设置其G值、H值和父节点。

3.终止条件：

如果开放列表为空，则无法找到路径，算法结束。

4.路径回溯：

从目标节点开始，沿着父节点指针一直回溯到起点，得到最终路径。

5.结合实时地图的动态规划：

5.1.实时地图更新：在每次迭代中，保证地图的实时性。如果地图发生变化，需要更新节点的代价值和相邻节点信息。

5.2.节点表示：每个节点需要包含坐标信息、G值、H值、F值以及指向父节点的指针。

5.3.障碍物处理：在遍历相邻节点时，需要考虑障碍物的影响，避免选择无法通过的节点。

5.4.目标节点：需要确定目标节点的位置，以便计算H值。

5.5.实时巡逻路径更新：智能机器人移动后，需要重新执行A*算法，更新巡逻路径。

作为本发明的一种实施方式，数据处理单元包括：

图像处理模块，负责处理从智能机器人获取的图像数据，以提高图像质量并检测关键信息；

图像增强：对图像进行预处理，以优化其质量，例如去噪、对比度调整等，以确保后续处理的准确性。

物体检测：使用先进的目标检测算法，识别出施工现场中的关键物体，如人员、设备等。

运动检测：通过比对连续帧之间的差异，检测出可能的运动目标，以及判断是否有人员或物体在移动；

数据模式识别模块，通过分析图像数据，检测施工现场上的异常模式，以及可能的安全隐患；

异常模式检测：利用模式识别技术，检测并识别出施工现场中可能存在的异常模式，如非正常的人员活动、异常的物体配置等。

安全隐患识别：识别出可能导致安全风险的情况，例如危险的设备布局、潜在的坍塌风险等。

风险评估模块，根据数据模式识别结果，对施工现场上的潜在风险进行评估，以提供及时的警示和决策支持；

风险评估：基于识别出的异常模式和安全隐患，利用风险评估算法对施工现场的潜在风险进行定量或定性评估。

警示与报警：根据风险评估的结果，生成相应的警示信息，以及在必要时触发报警系统，通知相关人员采取措施。

具体的，智能机器人采集图像数据并传送至数据处理单元，图像处理模块对图像进行增强、物体检测和运动检测，经过图像处理的数据被传递给数据模式识别模块，模块利用模式识别技术检测并识别施工现场中的异常模式，数据模式识别模块的结果输入风险评估模块，风险评估模块利用先进的算法对施工现场的潜在风险进行评估，基于风险评估结果，系统生成相应的警示信息，向中央控制系统发送警报。

通过结合图像处理、模式识别和风险评估技术，为施工现场提供了高效、可靠的安全保障，具有显著的实用价值。

作为本发明的一种实施方式，风险评估模块是基于多个传感器的数据，包括气象传感器、可燃气体检测器和温度传感器，以计算风险指数，风险指数计算使用以下公式：

风险指数＝Σ(权重*传感器数据)，

其中，权重是根据风险因素的重要性进行分配的系数。

具体的，风险指数计算算法：

风险指数＝Σ(权重_i*归一化函数_i(传感器数据_i))

其中，i表示不同的传感器或风险因素。

气象传感器：

权重_气象＝0.4

归一化函数_气象：将气象数据映射到[0,1]范围，例如温度在25℃为1，低于0℃或高于40℃为0。

可燃气体检测器：

权重_可燃气体＝0.3

归一化函数_可燃气体：将检测器数据映射到[0,1]范围，例如0ppm(安全)为1，超过200ppm(危险)为0。

温度传感器：

权重_温度＝0.3

归一化函数_温度：将温度数据映射到[0,1]范围，例如20℃为1，低于0℃或高于40℃为0。

示例：

假设当前施工现场的传感器数据如下：

气象传感器：温度为30℃

可燃气体检测器：检测到可燃气体浓度为150ppm

温度传感器：当前温度为25℃

根据上述算法和权重，计算风险指数：

风险指数＝(0.4*归一化函数_气象(30))+(0.3*归一化函数_可燃气体(150))+(0.3*归一化函数_温度(25))

＝(0.4*0.5)+(0.3*0.25)+(0.3*1)

＝0.2+0.075+0.3

＝0.575

风险指数为0.575。根据实际情况，可以设定相应的阈值，当风险指数超过阈值时触发相应的警示或措施。

作为本发明的一种实施方式，智能算法单元包括：

异常检测算法，用于比对实时采集的数据与历史数据，识别出与预期偏离的情况。比如，包括检测到的温度、湿度、气体浓度等与历史数据的差异，从而提醒可能存在的安全隐患；

机器学习算法，用于对施工现场的数据进行建模和预测。通过学习历史数据的模式，它可以预测未来可能发生的事件，比如材料消耗、工程进度等。这使得在施工过程中可以提前做好准备；

运动检测算法，用于检测工人和其他物体的运动。通过对比当前状态和前一状态的数据，可以识别出是否有工人或物体在移动，从而保证施工现场的安全；

图像识别算法，用于识别施工现场的工人和设备。它通过分析实时图像，将工人、设备与周围环境进行区分，从而提供更全面的监控和安全保障。

通过整合这些先进的智能算法单元，本发明为施工现场安全监控提供了全面、高效的解决方案。它不仅可以及时响应潜在的安全风险，还能够通过预测和识别等功能，提升施工现场的管理水平和作业效率。

作为本发明的一种实施方式，运动检测算法是基于光流法或背景建模法检测的；

具体的，

1.基于光流法的运动检测：

基于光流法的运动检测是本发明的一种实施方式。光流法利用相邻帧之间的像素强度变化来推断物体的运动情况。通过分析图像中的像素流动方向和速度，可以检测出施工现场中工人和物体的运动状态。这种方法具有实时性强、对光照变化适应性好等优点，能够准确地捕捉到运动物体的位置和速度。

2.基于背景建模法的运动检测：

另一种实施方式是基于背景建模法的运动检测。该方法通过建立静态背景模型，将动态变化的物体与静态背景进行比对，从而检测出移动的目标。背景建模法可以有效地过滤掉静止不动的部分，只保留移动的物体，因此在施工现场监控中具有较高的精确性和实用性。

通过采用基于光流法或背景建模法的运动检测算法，本发明能够高效地监测施工现场中工人和物体的运动情况。这样，可以及时发现可能存在的安全隐患，并采取相应的措施，保障施工现场的安全和秩序。

请参阅附图5，本发明提供一种施工现场安全监控方法，包括以下步骤：

S1、配置多个智能机器人，每个机器人都配备高清摄像头、气象传感器和可燃气体检测器，以实现全面的数据采集，这使得每个机器人成了一个全功能的数据采集单元；

S2、通过无线通信设备实时传输图像和数据到中央控制系统，确保实时监控，这确保了对施工现场的实时监控，使得监控人员可以随时了解施工现场的状况；

S3、使用数据处理单元接收、处理和分析从智能机器人传感器获取的数据，包括以下步骤：

S31、对采集的图像进行图像处理，包括图像增强、物体检测和运动检测，这使得图像更清晰、易于识别，并能够检测出图像中运动的物体；

S32、运行数据模式识别算法，以检测施工现场上的异常模式，识别出与历史数据不符的模式，从而提前发现潜在的问题；

S33、运行风险评估算法，以评估施工现场上的潜在风险，通过分析从传感器获取的数据，可以识别出可能存在的安全风险，从而采取相应的措施；

S4、使用智能算法，识别施工现场上的异常事件和风险情况，其中，智能算法包括以下子算法：

基于统计的异常检测算法，分析数据的统计特征并识别异常；

机器学习算法，基于历史数据建立模型，预测可能的事件。

通过配置多个智能机器人，实现了全方位的数据采集，而无需依赖人工巡逻。数据通过无线通信设备实时传输至中央控制系统，使得监控人员能够随时了解施工现场的实时状况。一旦发现异常事件或潜在的风险，系统将立即发出预警，使得处理措施可以及时采取。

作为本发明的一种实施方式，多个智能机器人之间协同工作，通过中央控制系统进行协调，以规划巡逻路径和分配任务，以最大程度地覆盖施工现场；

具体的，通过多个智能机器人之间的协同工作，中央控制系统能够高效地管理施工现场的安全监控任务，确保了整个施工现场的安全性和监控效果，提升了施工现场安全监控系统的整体性能和实用性。

作为本发明的一种实施方式，智能算法还包括：

运动检测算法，用于实时监测工人、设备和材料的运动，并识别异常运动；

图像识别算法，用于识别工人、设备和材料，并提供实时位置信息；

数据模式识别算法，用于监测历史数据的趋势和异常模式，以提前识别潜在问题；

风险评估算法，综合考虑气象条件、可燃气体浓度多个因素，计算施工现场的整体风险指数。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种施工现场安全监控系统，其特征在于，包括：

多个智能机器人，每个所述智能机器人均配备有高清摄像头、气象传感器和可燃气体检测器；

无线通信设备，用于将智能机器人采集的实时图像数据传送到中央控制系统；

数据处理单元，用于接收、处理和分析从智能机器人传感器获取的数据；

智能算法单元，用于识别施工现场上的异常事件和风险情况。

2.根据权利要求1所述的一种施工现场安全监控系统，其特征在于，所述智能机器人配置有：

高清摄像头，用于捕捉施工现场的图像和视频；

气象传感器，包括温度、湿度、风速和气压传感器，用于监测气象条件；

可燃气体检测器，用于检测施工现场上的可燃气体浓度。

3.根据权利要求1所述的一种施工现场安全监控系统，其特征在于，多个所述智能机器人之间能够通过无线通信设备协同工作，并通过施工现场实时地图规划巡逻路径。

4.根据权利要求1所述的一种施工现场安全监控系统，其特征在于，所述数据处理单元包括：

图像处理模块，用于图像增强、物体检测和运动检测；

数据模式识别模块，用于检测施工现场上的异常模式；

风险评估模块，用于评估施工现场上的潜在风险。

5.根据权利要求4所述的一种施工现场安全监控系统，其特征在于，所述风险评估模块是基于多个传感器的数据，包括气象传感器、可燃气体检测器和温度传感器，以计算风险指数，所述风险指数计算使用以下公式：

风险指数＝Σ(权重*传感器数据)，

其中，权重是根据风险因素的重要性进行分配的系数。

6.根据权利要求1所述的一种施工现场安全监控系统，其特征在于，所述智能算法单元包括：

异常检测算法，用于检测与历史数据的偏差；

机器学习算法，用于建模和预测施工现场事件；

运动检测算法，用于检测人和物体的运动；

图像识别算法，用于识别工人和设备。

7.根据权利要求6所述的一种施工现场安全监控系统，其特征在于，所述运动检测算法是基于光流法或背景建模法检测的。

8.一种施工现场安全监控方法，使用如权利要求1-7任一项所述的一种施工现场安全监控系统，其特征在于，包括以下步骤：

S1、配置多个智能机器人，每个机器人都配备高清摄像头、气象传感器和可燃气体检测器，以实现全面的数据采集；

S2、通过无线通信设备实时传输图像和数据到中央控制系统，确保实时监控；

S3、使用数据处理单元接收、处理和分析从智能机器人传感器获取的数据，包括以下步骤：

S31、对采集的图像进行图像处理，包括图像增强、物体检测和运动检测；

S32、运行数据模式识别算法，以检测施工现场上的异常模式；

S33、运行风险评估算法，以评估施工现场上的潜在风险；

S4、使用智能算法，识别施工现场上的异常事件和风险情况，其中，智能算法包括以下子算法：

基于统计的异常检测算法，分析数据的统计特征并识别异常；

机器学习算法，基于历史数据建立模型，预测可能的事件。

9.根据权利要求8所述的一种施工现场安全监控方法，其特征在于，多个所述智能机器人之间协同工作，通过中央控制系统进行协调，以规划巡逻路径和分配任务，以最大程度地覆盖施工现场。

10.根据权利要求8所述的一种施工现场安全监控方法，其特征在于，所述智能算法还包括：

运动检测算法，用于实时监测工人、设备和材料的运动，并识别异常运动；

图像识别算法，用于识别工人、设备和材料，并提供实时位置信息；

数据模式识别算法，用于监测历史数据的趋势和异常模式，以提前识别潜在问题；

风险评估算法，综合考虑气象条件、可燃气体浓度多个因素，计算施工现场的整体风险指数。