【CN110119701A】基于视觉关系检测的煤矿综采工作面不安全行为识别方法【专利】
- 格式:pdf
- 大小:675.37 KB
- 文档页数:12
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准
附件
煤矿不安全行为认定标准。
煤矿作业现场人的不安全行为的表现煤矿作业现场人的不安全行为是指在煤矿作业现场,操作人员在作业过程中存在的各种不规范、不慎重、不科学的行为。
这些行为会导致煤矿作业中发生安全事故的风险增加,给生命财产造成危害。
为减少煤矿事故发生的概率,需要对煤矿作业现场人的不安全行为进行认真分析和总结,找出其主要表现,从而采取针对性的措施进行防范和教育。
1. 未按规定佩戴安全防护用品作为煤矿作业人员,佩戴安全防护用品是必须的,这包括安全帽、防护鞋、防护眼镜、防尘口罩、耳塞等。
但是,许多作业人员为了方便和舒适,不按要求佩戴、穿戴这些防护用品,甚至在中途将其取下或脱下,导致了很多的安全隐患。
未佩戴安全帽或安全鞋,可能会导致头部和脚部受伤,未佩戴防护眼镜或口罩,可能会导致眼部和呼吸道受到伤害,未佩戴耳塞,可能会对听觉造成影响。
2. 违规操作机械和设备煤矿作业现场通常都有很多的机械和设备需要使用,包括起重设备、输送机组、采煤机等。
但是,由于经验不足或者心理压力过大等原因,一些作业人员会产生非法操作机械和设备的想法,他们可能不按照程序和规定操作或超负荷使用机械和设备,这将会对自身和周围的人员造成极大的威胁。
3. 闲聊和嗑瓜子闲聊和嗑瓜子在煤矿作业现场似乎是家常便饭,但是这些不良行为却给煤矿生产安全带来了巨大的隐患。
当作业人员在操作设备时,聊天和嗑瓜子会转移他们的注意力,导致工作的不顺畅并且容易犯错误。
一旦出现错误,就可能会引发严重的事故。
4. 不合理的管理制度在一些煤矿作业现场,因为管理制度不合理,造成了车辆和设备混乱,人员过多等情况,这些都为不安全的行为创造了条件。
例如,将未经授权的人员和未经培训的低水平工人调入现场作业,也会让现场出现不可预测的风险。
5. 忽视安全标志煤矿作业现场通常会设置安全标志来提醒作业人员注意安全,请保持沉着冷静,并遵循制定的安全操作程序。
然而,有些作业人员可能会忽视这些安全标志或跨越安全障碍保护装置,这种行为会导致安全事故的发生和其他不安全行为的出现。
基于计算机视觉的煤矿井下安全监测系统研究随着科技的不断进步,煤矿安全问题正在得到越来越多的重视。
在过去的几十年里,煤矿事故频繁发生,造成严重的人员伤亡和经济损失。
而在这些事故中,很多都是因为煤矿井下的安全检测不够严格所导致的。
因此,如何提高煤矿井下的安全监测效率成为一个迫切需要解决的问题。
近年来,随着计算机视觉技术的发展,煤矿井下安全监测系统的研究也取得了重大突破。
计算机视觉技术是一种通过计算机对图像或视频进行分析和处理的技术,它不仅可以提高煤矿井下的安全监测效率,而且可以大大优化生产效率,减少生产成本,提高经济效益。
计算机视觉技术在煤矿井下的安全监测中主要应用于以下几个方面。
首先,计算机视觉技术可以用于煤矿井下人员定位和追踪。
在煤矿井下,人员的安全是至关重要的。
通过计算机视觉技术实时追踪和监测井下人员的位置和行动,可以及时发现人员的异常情况,及时采取应急措施,保障煤矿井下的人员安全。
其次,计算机视觉技术还可以用于煤矿井下的环境监测。
在煤矿井下,氧气、二氧化碳、硫化氢等气体的浓度会对人体健康造成极大的影响。
通过计算机视觉技术对气体浓度的实时监测,可以及时提醒人员,并采取相应的措施,保证人员的安全。
另外,计算机视觉技术还可以用于煤矿井下的机械设备监测。
在煤矿井下,各种机械设备的工作状态也不时需要进行监测和检测。
通过计算机视觉技术对机械设备的运行状态进行实时监测和分析,可以有效地提升机械设备的运转效率,减少生产成本,提高经济效益。
总之,基于计算机视觉技术的煤矿井下安全监测系统是一个非常有前途的研究方向。
通过不断深化和完善这项技术,可以大大提高煤矿井下的安全监测效率,保障人员的安全,减少事故发生的可能,并促进煤矿的可持续发展。
专利名称:一种综采工作面异常状况的模式识别方法、装置与系统
专利类型:发明专利
发明人:王先锋,罗显光,吕继方,余卫斌,张晓东,杨颖
申请号:CN201310194789.4
申请日:20130523
公开号:CN103248878A
公开日:
20130814
专利内容由知识产权出版社提供
摘要:本发明公开了一种综采工作面异常状况的模式识别方法、装置与系统。
利用工作面异常状况模式识别装置,对采集的全综采工作面内的视频信息进行图像提取,并分析所提取的图像,从中获取全综采工作面的实时安全情况信息。
如所获取的信息表明全综采工作面存在安全异常,则将异常信息发送给其他监控单元,并发出报警信息和\或开启自动应急系统。
申请人:南车株洲电力机车有限公司
地址:412001 湖南省株洲市石峰区田心高科园
国籍:CN
代理机构:北京集佳知识产权代理有限公司
代理人:王宝筠
更多信息请下载全文后查看。
智能化煤矿掘进工作面不安全行为影响因素及防控措施摘要:近年来,随着煤矿开采工作的不断深入,许多靠近地面的矿产资源被耗尽。
为了实现社会和经济发展,煤炭开采矿井必须选择地下开采的形式,以确保开采效率和产量能够达到预计的效果。
在开展工作的过程中,煤矿企业必须进行不同的过程控制,以确保具体内容能够顺利进行。
在环境因素、机械设备因素、地理条件和人员素质的影响下,智能化采煤工作面挖掘工作通常受到外部条件的限制,开采安全得不到有效保障,风险事故较高。
因此,煤矿企业有必要加强智能化煤矿挖掘安全的重要性,开展技术检测服务和应急响应,以满足社会和经济发展的要求。
关键词:智能化煤矿;掘进工作面;不安全行为;影响因素;防控措施国内外关于不安全行为的研究成果较多,但针对智能化煤矿,尤其是掘进工作面不安全行为影响因素及防控的研究成果很少。
目前我国正处于智能化煤矿建设的起步阶段和快速发展阶段,在智能化煤矿建设进程中,研究智能化掘进工作面员工不安全行为,将有助于智能化煤矿安全高效生产。
1煤矿掘进安全管理工作的重要性分析1.1确保煤矿掘进工作顺利完成煤矿掘进的整个过程也会受到各种条件的制约,会带来一定的安全隐患。
因此,有必要做好煤矿掘进过程的安全管理,确保采掘任务的顺利完成。
在开采过程中,必须遵循安全第一的基本原则,确保煤矿开采工作有序推进,严格执行相关管理办法,控制开挖步骤,减少安全隐患。
1.2降低安全事故发生的概率煤矿开采作业将面临各种风险和事故,这将在挖掘工作中造成极大的麻烦,并导致工作人员的人身事故。
完成开采任务后,必须加强安全工作的抗压强度,降低安全生产事故的发生率,引入前沿的安全管理理念,提高管理模式的针对性和合理性,督促开采工作按照明确的流程进行。
1.3提高煤矿掘进效率煤炭开采的质量和效率将对煤炭开采业的发展产生重要影响。
成功完成开采目标是煤炭开采的关键。
必须做好安全管理,努力提高煤炭开采效率。
煤矿采掘任务艰巨,容易出现各种产品质量问题。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910360181.1
(22)申请日 2019.04.30
(71)申请人 东莞恒创智能科技有限公司
地址 523000 广东省东莞市松山湖高新技
术产业开发区新城大道5号道弘·龙
怡智谷A栋1106室
(72)发明人 杨峰 徐友庆 孟祥峰 高旺
麦倩怡 杨采艺
(74)专利代理机构 苏州创元专利商标事务所有
限公司 32103
代理人 范晴 丁浩秋
(51)Int.Cl.
G06K 9/00(2006.01)
G06K 9/34(2006.01)
G06K 9/62(2006.01)
G06N 3/04(2006.01)G06N 3/08(2006.01)G06Q 50/02(2012.01)
(54)发明名称基于视觉关系检测的煤矿综采工作面不安全行为识别方法(57)摘要本发明公开了一种基于视觉关系检测的煤矿综采工作面不安全行为识别方法,包括:获取煤矿综采工作面的图像数据,对数据进行标注和语义描述,建立煤矿综采工作面不安全行为语义图像数据集;在建立的数据集上构建“人-机-环”目标识别算法和视觉关系检测模型,形成图像文本描述;通过语句相似度计算进行图像文本描述语句与煤矿不安全行为数据库中词条进行匹配检索,识别煤矿不安全行为。
基于图像理解的方法,不仅能够对识别煤矿工作面中的“人、机、环”对象,还能识别每个对象间的语义关系,可以对煤矿工作面中的不安全行为进行识别,准确率
高。
权利要求书2页 说明书5页 附图4页CN 110119701 A 2019.08.13
C N 110119701
A
权 利 要 求 书1/2页CN 110119701 A
1.一种基于视觉关系检测的煤矿综采工作面不安全行为识别方法,其特征在于,包括以下步骤:
S01:获取煤矿综采工作面的图像数据,对数据进行标注和语义描述,建立煤矿综采工作面不安全行为语义图像数据集;
S02:在建立的数据集上构建“人-机-环”目标识别算法和视觉关系检测模型,形成图像文本描述;
S03:通过语句相似度计算进行图像文本描述语句与煤矿不安全行为数据库中词条进行匹配检索,识别煤矿不安全行为。
2.根据权利要求1所述的基于视觉关系检测的煤矿综采工作面不安全行为识别方法,其特征在于,所述步骤S01中煤矿综采工作面图像采集途径包括,通过网络搜索得到煤矿综采工作面的监控图像,通过三维模拟安全培训视频中截取综采工作面的图像,通过煤矿企业现场截取煤矿综采工作面的监控图像,及现场模拟不安全行为的图像。
3.根据权利要求2所述的基于视觉关系检测的煤矿综采工作面不安全行为识别方法,其特征在于,在搜集前期制定图像搜集策略,对采集到的图像进行预处理,进行尘雾图像清晰化和图像增强。
4.根据权利要求1所述的基于视觉关系检测的煤矿综采工作面不安全行为识别方法,其特征在于,所述步骤S01中对数据进行标注和语义描述包括:
S11:对煤矿综采工作面图像进行标注,包括矿工标注,环境图像划分和大型设备部件化标注,将大型设备拆分成多个部件作为对象;
S12:对煤矿综采工作面图像进行语义描述,按照设定的策略,对每一张图像,分别形成区域描述、对象描述、属性描述、关系描述、区域图根据、场景图构建和问答对构建;所述对象和关系根据煤矿综采工作面不安全行为管理手册中涉及的“人-机-环”的对象和相关关系进行确定;
S13:制定数据集存储格式和开发数据开放接口。
5.根据权利要求1所述的基于视觉关系检测的煤矿综采工作面不安全行为识别方法,其特征在于,所述步骤S02中形成图像文本描述,包括:
S21:构建Faster R-CNN的检测网络并进行训练,对采集的数据集进行特征提取;
S22:训练区域建议网络,生成高质量的区域建议框,所述区域建议网络和检测网络共享全图的卷积特征,使用Fast R-CNN 进行检测分类,检测图像上“人-机-环”对象的位置和类别;
S23:构建VTransE网络进行视觉关系检测,在目标识别的基础上,训练图像语义理解网络,选择损失函数,并根据训练误差对网络参数进行调优,得到图像的文本描述。
6.根据权利要求1所述的基于视觉关系检测的煤矿综采工作面不安全行为识别方法,其特征在于,所述步骤S03中的匹配检索包括:
S31:从煤矿综采工作面不安全行为管理手册、操作规程、事故案例和专家经验4个方面整理常见的不安全行为,形成不安全行为数据库;
S32:根据得到的图像文本描述,采用机械分析法分别对不安全行为数据库中的描述词条和图像文本描述语句进行分词处理,提取影响因素对应的关键词;
S33:采用基于多层次融合的语句相似度计算方法,匹配符合图像文本描述的不安全行
2。