一种基于深度学习的自动化隐患场景识别方法及系统技术方案

本发明专利技术公开一种基于深度学习的自动化隐患场景识别方法及系统，所述方法包括：获取一定数量的隐患场景图片作为训练样本；对所述训练样本中的隐患对象及隐患类型进行标注并保存；建立深度学习模型，采用所述标注后的样本训练所述深度学习模型；通过移动终端获取带时间戳和位置信息的待识别场景图片，通过所述深度学习模型对待识别场景图片进行识别，识别出隐患对象和隐患类型；根据不同场景类型分类整理出的多级安全隐患缺陷对隐患类型进行场景归类；获取巡检区域地图，将识别出的隐患对象的位置信息与所述区域巡检地图叠加显示，生成隐患地图。本发明专利技术可实现隐患自动识别与场景归类，减少隐患排查疏漏，提高生产安全。

【技术实现步骤摘要】
一种基于深度学习的自动化隐患场景识别方法及系统
本专利技术属于隐患排查
，具体涉及一种基于深度学习的自动化隐患场景识别方法。
技术介绍
当下，各企业的生产车间及库房为企业创造了巨大的价值，但其隐藏的消防安全隐患也威胁着工人的人身安全和企业的财产安全。锅炉房及生产车间安全隐患风险高，隐患检查难度大一直是困扰人们的一大难题。得益于近年来深度学习与大数据相关技术的快速发展，图像检测与自动化识别技术已应用到各个行业中，在消安防领域中，各种火灾自动化检测系统也得到广泛应用。但在消防巡检等场景复杂、专业性强的具体业务中，依然需要专业的巡检员进行巡检、巡查从而给出整改意见，然而一些消防隐患不易被发现，隐患检查存在疏忽、漏检等问题。
技术实现思路
有鉴于此，本专利技术提出了一种基于深度学习的自动化隐患场景识别方法及系统，用于解决人工排查难度大、易造成隐患疏漏等问题，便于隐患排查。本专利技术第一方面，公开一种基于深度学习的自动化隐患场景识别方法，所述方法包括：获取一定数量的隐患场景图片作为训练样本；对所述本文档来自技高网...

【技术保护点】
1.一种基于深度学习的自动化隐患场景识别方法，其特征在于，所述方法包括：/n获取一定数量的隐患场景图片作为训练样本；/n对所述训练样本中的隐患对象及隐患类型进行标注并保存；/n建立深度学习模型，采用所述标注后的样本训练所述深度学习模型；/n通过移动终端获取带时间戳和位置信息的待识别场景图片，通过所述深度学习模型对待识别场景图片进行识别，识别出隐患对象和隐患类型；/n根据不同场景类型分类整理出的多级安全隐患缺陷，对隐患类型进行场景归类，为隐患对象配置一个或多个隐患描述；/n获取巡检区域地图，将识别出的隐患对象的位置信息与所述区域巡检地图叠加显示，生成隐患地图并同步显示。/n

【技术特征摘要】
1.一种基于深度学习的自动化隐患场景识别方法，其特征在于，所述方法包括：
获取一定数量的隐患场景图片作为训练样本；
对所述训练样本中的隐患对象及隐患类型进行标注并保存；
建立深度学习模型，采用所述标注后的样本训练所述深度学习模型；
通过移动终端获取带时间戳和位置信息的待识别场景图片，通过所述深度学习模型对待识别场景图片进行识别，识别出隐患对象和隐患类型；
根据不同场景类型分类整理出的多级安全隐患缺陷，对隐患类型进行场景归类，为隐患对象配置一个或多个隐患描述；
获取巡检区域地图，将识别出的隐患对象的位置信息与所述区域巡检地图叠加显示，生成隐患地图并同步显示。


2.根据权利要求1所述基于深度学习的自动化隐患场景识别方法，其特征在于，所述隐患对象为各类锅炉设备、各类消防器材及其零部件，包括但不限于消防栓、灭火器、配电箱、水泵接合器、压力表、水带。


3.根据权利要求1所述基于深度学习的自动化隐患场景识别方法，其特征在于，所述对所述训练样本中的隐患对象及隐患类型进行标注的保存格式为隐患对象在图片中的位置坐标+对应的隐患类型。


4.根据权利要求1所述基于深度学习的自动化隐患场景识别方法，其特征在于，所述根据不同场景类型分类整理出的多级安全隐患缺陷对隐患类型进行场景归类具体为：
预先根据作业场所、办公区域、设备设施、原辅料产品的不同分类整理出不同的一级安全隐患缺陷，根据一级安全隐患缺陷划分二级安全隐患缺陷，为每个二级安全隐患缺陷配置一个或多个隐患描述，构建隐患的树形级联列表；
预先建立训练样本中各隐患类型与二...

【专利技术属性】
技术研发人员：胡捷，董志勇，王秀，邱琳，赵鹏，朱小丹，
申请(专利权)人：湖北烽火平安智能消防科技有限公司，
类型：发明
国别省市：湖北;42