一种基于多源异构数据联邦学习的安全生产预警系统技术方案

本发明专利技术提供了一种基于多源异构数据联邦学习的安全生产预警系统，包括：中央决策服务器和多个节点客户端，在中央决策服务器上建立中央模型，每一个中央模型处理一种数据；在节点客户端上建立本地模型，使用本地数据进行模型训练，生成本地模型参数；选择对应的中央模型，将本地模型参数上传至对应的中央模型；每一个中央模型均接收多个本地模型参数，建立全局参数模型；节点客户端下载全局参数模型，直至中央模型收敛或达到预定的训练轮次；将训练完成后的中央模型下发至各个节点客户端；节点客户端生成识别结果，实施预警。本发明专利技术解决各个园区安全生产各自为政的问题，实现安全生产联防联控，共同解决彼此相关问题，保证了园区企业的数据隐私。

【技术实现步骤摘要】
一种基于多源异构数据联邦学习的安全生产预警系统
本专利技术涉及人工智能
，具体涉及为一种基于多源异构数据联邦学习的安全生产预警系统。
技术介绍
当前化工园区的安全生产形势和目标是联合园区各个企业进行安全生产监控预警。但现实是园区各企业的安全生产数据归各企业所有，数据共享涉及数据隐私安全问题，不符合当前数据发展的趋势。传统的联邦学习算法虽然能解决数据价值共享问题，但是面对安全生产防控涉及的专业和数据呈现多维、多类型的特点，传统的联邦学习算法则无能为力。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术中存在的不足，提供一种基于多源异构数据联邦学习的安全生产预警系统。本专利技术是通过以下技术方案予以实现：一种基于多源异构数据联邦学习的安全生产预警系统，包括：作为联邦学习模型需求者的中央决策服务器和多个作为数据持有者的节点客户端，根据各个节点客户端的所拥有的数据类型的数量，在所述中央决策服务器上建立相应数量的中央模型，每一个中央模型处理一种数据类型的数据；在所述节点客户端上建立本地模型，使用本地数据进行模型训练，生成本地模型参数；根据所述节点客户端的本地数据的数据类型选择对应的中央模型，将所述本地模型参数上传至所述对应的中央模型；每一个所述中央模型均接收多个所述节点客户端发送的本地模型参数，建立全局参数模型；所述节点客户端下载所述全局参数模型，以更新本地模型参数并上传更新后的本地模型参数，直至所述中央模型收敛或达到预定的训练轮次；r>所述中央模型进行多模态融合，构建最终多维度的中央模型，将训练完成后的所述最终多维度的中央模型下发至各个节点客户端；所述节点客户端利用所述训练完成后的所述最终多维度的中央模型分析数据以识别出安全隐患，生成识别结果；根据所述识别结果，实施预警。进一步地，所述在所述节点客户端上建立本地模型，使用本地数据进行模型训练，生成本地模型参数的步骤，具体包括：在所述节点客户端上建立异常行为识别模型，根据本地图像数据通过YOLOV5算法训练所述异常行为识别模型，生成本地模型参数。进一步地，所述在所述节点客户端上建立本地模型，使用本地数据进行模型训练，生成本地模型参数的步骤，具体包括：在所述节点客户端上建立车间安全指数识别模型，根据本地传感器数据通过SecureBoost安全树算法训练所述车间安全指数识别模型，生成本地模型参数。进一步地，所述传感器数据包括：压力储罐的压力数据、压力储罐的温度数据、压力储罐的液位数据、可燃气体浓度数据、可燃气体阈值数据和有毒气体浓度数据。进一步地，所述将所述本地模型参数上传至所述对应的中央模型的步骤，具体包括：采用同态加密方式将所述本地模型参数上传至所述对应的中央模型。本专利技术的有益效果是：本专利技术针对园区安全生产数据的复杂性、多源性、分散性、隐私需求，既有效解决各个园区安全生产各自为政的问题，实现安全生产的联防联控，共同解决彼此相关的问题，又保证了园区企业的数据隐私。附图说明图1是本专利技术实施例多源异构数据联邦学习的安全生产预警系统框架图；图2是本专利技术实施例多源异构数据联邦学习的安全生产预警系统中的多联邦学习的后期多模态融合架构图。具体实施方式为了使本
的技术人员更好地理解本专利技术的技术方案，下面结合附图和最佳实施例对本专利技术作进一步的详细说明。过往的安全事故教训告诉我们，安全生产至关重要。采用先进的物联网技术、大数据分析技术、人工智能技术等先进技术推动了安全生产的发展。当前已经有针对单个企业的安全生产预警系统，这些系统一般采集本企业相关的安全生产数据，然后进行分析，最后做出安全诊断和预警。如CN201811574195-一种非煤矿山安全生产风险预测预警平台，通过采集生产指标数据采用聚类分析、时序分析等技术来实现对非煤矿山安全生产的风险预测和预警。CN201711452219-煤矿安全生产风险预警方法和系统，通过信息分类构成生产状况评估指标对安全生产进行评分。CN201910371841-一种基于人工智能技术的安全生产监管信息系统，通过深度学习的智能物体识别结合生产数据对烟花爆竹生产企业进行安全监管。在当前化工园区的布局中，多个化工园区集中连片在一个片区内，构成了一个由园区管委会集中管理的园区社区。在这样的园区中，安全生产不仅仅是单个企业的职责，也是整个园区的职责。因为单个企业安全生产出现隐患，很可能会引起全园区的安全隐患。这就需要园区的企业共同参与到安全生产中来，这就需要各个企业的安全生产数据进行共享。然而，这样的数据共享往往存在着隐私数据泄露的风险。近年来出现的联邦学习可以把各个单位的模型综合起来产生更优化的模型，并保持各个主体业务数据的保密性。因此，在目前的人工智能应用中，联邦学习被认为在智慧金融、物联网、自动驾驶等具备分布式大数据的行业，具备很大的应用价值和前景。例如：CN201911326853-基于联邦学习的个性化推荐方法、装置、设备及介质，对特征丰富度较低的单个个性化推荐提供商进行联邦学习，既保证了数据的隐私安全性，又提升了个性化推荐效果。CN202010850623-基于联邦学习的人脸属性识别方法、客户端、设备及介质-基于联邦学习，克服了现有技术中客户端采用自身所拥有的人脸图像训练人脸属性识别模型导致客户端人脸属性的识别准确率较低的缺陷。CN202010698360-一种基于联邦学习的分心驾驶识别方法，采用联邦学习和浅层卷积神经网络两种机器学习技术进行分心驾驶识别，通过联邦学习和同态加密技术，解决在云环境下个人隐私的保护问题，有效解决数据孤岛的问题，提高识别的效率。当前联邦学习在各行业的应用是建立在数据类型相同的情况下，例如基于联邦学习的分心驾驶识别方法中，各个客户端处理的是驾驶员分心行为识别的图像集。CN201911365903-基于联邦学习的高低压电动机数据处理方法、系统及装置，处理的数据是电机数据与电机状态。这些数据的类型是一致的。然而，在化工园区的安全生产中，所要处理的安全生产数据是多样的、多维的，相互之间甚至存在关联性。由此可以看到，数据是数量大，种类多，形式不统一，因此现有基于联邦学习的算法不能很好地处理这类场景。如图1所示，本专利技术实施例提供一种基于多源异构数据联邦学习的安全生产预警系统，包括：作为联邦学习模型需求者的中央决策服务器和多个作为数据持有者的节点客户端，根据各个节点客户端的所拥有的数据类型的数量，在所述中央决策服务器上建立相应数量的中央模型，每一个中央模型处理一种数据类型的数据；在所述节点客户端上建立本地模型，使用本地数据进行模型训练，生成本地模型参数；根据所述节点客户端的本地数据的数据类型选择对应的中央模型，将所述本地模型参数上传至所述对应的中央模型；每一个所述中央模型均接收多个所述节点客户端发送的本地模型参数，建立全局参数模型；所述节点客户端下载所述全局参数模型，以更新本地模型参本文档来自技高网...

【技术保护点】
1.一种基于多源异构数据联邦学习的安全生产预警系统，其特征在于，包括：作为联邦学习模型需求者的中央决策服务器和多个作为数据持有者的节点客户端，/n根据各个节点客户端的所拥有的数据类型的数量，在所述中央决策服务器上建立相应数量的中央模型，每一个中央模型处理一种数据类型的数据；/n在所述节点客户端上建立本地模型，使用本地数据进行模型训练，生成本地模型参数；/n根据所述节点客户端的本地数据的数据类型选择对应的中央模型，将所述本地模型参数上传至所述对应的中央模型；/n每一个所述中央模型均接收多个所述节点客户端发送的本地模型参数，建立全局参数模型；/n所述节点客户端下载所述全局参数模型，以更新本地模型参数并上传更新后的本地模型参数，直至所述中央模型收敛或达到预定的训练轮次；/n所述中央模型进行多模态融合，构建最终多维度的中央模型，/n将训练完成后的所述最终多维度的中央模型下发至各个节点客户端；/n所述节点客户端利用所述训练完成后的所述最终多维度的中央模型分析数据以识别出安全隐患，生成识别结果；/n根据所述识别结果，实施预警。/n

【技术特征摘要】
1.一种基于多源异构数据联邦学习的安全生产预警系统，其特征在于，包括：作为联邦学习模型需求者的中央决策服务器和多个作为数据持有者的节点客户端，
根据各个节点客户端的所拥有的数据类型的数量，在所述中央决策服务器上建立相应数量的中央模型，每一个中央模型处理一种数据类型的数据；
在所述节点客户端上建立本地模型，使用本地数据进行模型训练，生成本地模型参数；
根据所述节点客户端的本地数据的数据类型选择对应的中央模型，将所述本地模型参数上传至所述对应的中央模型；
每一个所述中央模型均接收多个所述节点客户端发送的本地模型参数，建立全局参数模型；
所述节点客户端下载所述全局参数模型，以更新本地模型参数并上传更新后的本地模型参数，直至所述中央模型收敛或达到预定的训练轮次；
所述中央模型进行多模态融合，构建最终多维度的中央模型，
将训练完成后的所述最终多维度的中央模型下发至各个节点客户端；
所述节点客户端利用所述训练完成后的所述最终多维度的中央模型分析数据以识别出安全隐患，生成识别结果；
根据所述识别结果，实施预警。


2.根据权利要求1所述的基于多源异构数据联邦学习的安全生产预警系统，其特...

【专利技术属性】
技术研发人员：蔡刚，
申请(专利权)人：天津中科物联科技有限公司，
类型：发明
国别省市：天津;12