【技术实现步骤摘要】
一种石油化工生产现场安全合规性实时检测系统及方法
本专利技术涉及一种石油化工领域，特别是关于一种石油化工生产现场安全合规性实时检测系统及方法。
技术介绍
近年来，石油化工生产现场安全事故多发，管理者难以及时、高效、准确地做出预警，大部分事故原因为作业人员违规操作、安全意识淡薄，增加作业人员的安全意识和加强自律是减少事故发生率的有效途径，目前监控系统等监督措施已经无法满足石油化工生产场地的安全检查需求。传统站点安装的视频监控系统仅具有简单的功能，如实时显示和历史视频数据回放，出现异常情况时无法自主判断和及时报警，依赖人工进行监督。在此条件下，为确保生产作业场地的长期可靠运行，巡检人员通常需要定期维护和检查，一旦发现潜在威胁，就会采取适当的措施。在实际生产作业场地，现场工作人员对安全不够重视，石油化工生产现场环境复杂，不戴安全帽、消防器材缺失、携带打火机等危险品进站等行为是导致安全事故发生的重要原因。传统的视频监控系统难以及时发现安全生产的潜在威胁，需要大量的人力物力进行监督，并且效率低下，漏检率高。
【技术保护点】
1.一种石油化工生产现场安全合规性实时检测方法，其特征在于包括以下步骤：/n1)初始化预先建立的深度学习模型的网络参数；/n2)判断读入文件是否是tif格式，若为tif格式则采用tifffile读取该文件；否则采用OpenCV读取该文件；/n3)文件读取成功后上传到深度学习模型中，处于待检测状态；/n4)将采集的石油化工生产现场图像信息传输至深度学习模型，加载深度学习模型以及各个目标已有的对应权重文件；/n5)针对摄像头采集的图像信息，利用深度学习模型进行计算并提取目标的位置和轮廓，若出现需要检测的事件和目标则将其框出并保存计算结果；/n6)判断步骤5)的检测过程是否结束，...
【技术特征摘要】
1.一种石油化工生产现场安全合规性实时检测方法，其特征在于包括以下步骤：
1)初始化预先建立的深度学习模型的网络参数；
2)判断读入文件是否是tif格式，若为tif格式则采用tifffile读取该文件；否则采用OpenCV读取该文件；
3)文件读取成功后上传到深度学习模型中，处于待检测状态；
4)将采集的石油化工生产现场图像信息传输至深度学习模型，加载深度学习模型以及各个目标已有的对应权重文件；
5)针对摄像头采集的图像信息，利用深度学习模型进行计算并提取目标的位置和轮廓，若出现需要检测的事件和目标则将其框出并保存计算结果；
6)判断步骤5)的检测过程是否结束，若结束则执行步骤7)，否则回到步骤5)继续进行检测，直到全部检测过程结束；
7)输出图像检测得到的所有结果。
2.如权利要求1所述合规性实时检测方法，其特征在于：所述步骤1)中，深度学习模型的建立方法包括以下步骤：
1.1)基于resnet101建立用于提取图像的特征主干网络；
resnet101有101层，分为5个stage，C1-C5分别为每个Stage的输出；
1.2)C1-C5的输出进入特征金字塔中完成特征融合，输出特征图；
1.3)经过主干网络提取的特征图进入区域建议网络，帮助网络推荐候选区域；
1.4)特征图和候选区域输入像素对齐层，输出处理后的特征图；
1.5)像素对齐层输出的特征向量输入全连接层，得到目标的掩模、类别和边框。
3.如权利要求2所述合规性实时检测方法，其特征在于：所述步骤1.2)中，特征金字塔分为6层，第一层舍弃，其他每一层由resnet对应输出层和上一层最近邻上采样叠加得到。
4.如权利要求2所述合规性实时检测方法，其特征在于：所述步骤1.3)中，特征金字塔第2-6层的输出结果进入区域建议网络的卷积层中，输出候选区域；区域建议网络中的锚窗有三种不同尺度和三种不同形状，锚窗在特征图上平移，得到能将目标物体包含在内的候选区域。
5.如权利要求2所述合规性实时检测方法，其特征在于：所述步骤1.4)中，像素对齐层通过双线性插值得...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。