【技术实现步骤摘要】
本专利技术涉及安全检查系统，特别涉及一种基于ai图像识别的智能安全检查系统。
技术介绍
1、现有的安全检查系统一般仅能实现检查流程的线上管理，检查人员可以从系统中做计划、出结果、存数据，在现场能调出检查内容和检查项。但是，安全检查场景中，现场工艺设备复杂多样，检查人员因其专业性所限，根本不认识检查表中所描述的“重点检查设备”和“问题隐患”，自然查不出问题，更无从整改现场问题隐患，致使问题隐患长期存量，事故发生概率大大增加。迫切需要一个智能检查工具，能够像专家一样去“看”检查重点，“判断”问题隐患，“关联”检查依据和标准，提高检查的专业性，确保检查实效。
2、因此，本专利技术提供了一种基于ai图像识别的智能安全检查系统。
技术实现思路
1、本专利技术一种基于ai图像识别的智能安全检查系统，利用三维仿真实现了对重点检查设备的三维可视化模型建立，支持在手机端进行设备可视化检查辅助，大大提高了检查人员的专业性、便捷性和规范性。
2、本专利技术提供了一种基于ai图像识别的智能安全检查系统，包括：
3、图库建立模块，用于建立每一历史安全事故对应的事故概念图，根据所述事故概念图建立每一事故设备对应的事故图像样本，根据所述事故图像样本建立事故图像库；
4、模型建立模块，用于统计预设工厂中包含的若干个现有设备，根据每一所述现有设备的图像信息结合所述预设工厂的平面图，建立所述预设工厂的三维工厂模型；
5、检查执行模块，用于运行所述三维工厂模型
6、事故分析模块，用于在所述三维工厂模型中标记每一现有设备对应的安全等级，建立所述预设工厂的安全监督信息，传输到信息显示模块进行显示。
7、在一种可实施的方式中，
8、还包括：
9、图像采集模块，用于采集历史安全事故对应的事故资料，利用ai构图技术根据所述事故资料绘制每一所述历史安全事故对应的事故概念图，并根据每一历史安全事故对应的事故等级对所述事故概念图进行分类存储。
10、在一种可实施的方式中，
11、还包括：
12、信息调取模块，用于根据用户下发的调取指令确定所述用户查找的时间范围，获取所述预设工厂所述时间范围内的目标安全监督信息，并将所述安全监督信息传输到所述信息显示模块进行显示。
13、在一种可实施的方式中，
14、所述信息显示模块，用于显示所述安全监督信息；
15、所述信息显示模块，还用于显示所述目标安全监督信息。
16、在一种可实施的方式中，
17、所述图库建立模块，包括：
18、概念呈现单元，用于分别对每一所述事故概念图进行设备筛选以及设备标注，得到所述事故概念图中包含的若干个概念设备，获取同一概念设备在不同事故概念图当中对应的呈现图像，建立每一概念设备对应的呈现图像集；
19、识别执行单元，用于获取每一所述概念设备对应的设备参数，根据所述设备参数建立每一所述概念设备对应的设备正常图，基于所述设备正常图建立每一概念设备对应的识别样本；
20、等级识别单元，用于获取每一所述事故概念图对应的事故等级，利用所述识别样本对对应的呈现图像集进行关键点识别，得到所述概念设备在不同事故等级下对应的事故关键点；
21、图库建立单元，用于统计每一概念设备在不同所述事故关键点，在所述设备正常图上分别标记每一事故关键点，得到所述概念设备在不同事故等级下对应的事故图像样本，根据所述事故图像样本建立事故图像库。
22、在一种可实施的方式中，
23、所述模型建立模块，包括：
24、设备建模单元，用于采集所述预设工厂中每一现有设备对应的图像信息，分别将每一所述图像信息输入到预设3dsmax软件中进行设备建模，得到每一现有设备对应的设备模型；
25、分层融合单元，用于根据所述预设工厂的平面图构建场景模型，对所述场景模型进行拆分处理得到若干个模型层，分别将每一所述设备模型输入到不同的所述模型层中进行模型贴图处理，得到每一所述设备模型与不同的所述模型层之间的融合度；
26、贴图分析单元，用于根据所述融合度确定每一所述设备模型在所述场景模型中的贴图位置，将所述设备模型贴在所述场景模型中对应的模型层中生成实景模型；
27、模型生成单元，用于将所述实景模型划分为若干个实景区域，并对每一实景区域进行模型烘焙处理，得到每一所述实景区域对应的光影信息，将所述光影信息投影到所述实景模型中，生成三维工厂模型。
28、在一种可实施的方式中，
29、所述检查执行模块，包括：
30、图像构建单元，用于运行所述三维工厂模型，并在运行过程中对所述三维工厂模型分别进行3d数字处理，根据处理结果得到每一所述现有设备在不同预设时间段内对应的当前图像；
31、异点确定单元，用于统计同一现有设备对应的若干副当前图像，根据每一当前图像对应的预设时间段的先后顺序对所述当前图像进行排序，建立每一所述现有设备对应的图像序列，分别对每一所述图像序列中的当前图像进行图像叠加比较分析，得到每一所述图像序列中相邻两幅当前图像之间的图像异点；
32、识别分析单元，用于根据同一图像序列对应的图像异点绘制对应现有设备的异常图像，利用所述事故图像库对所述异常图像进行ai识别，得到所述异常图像与每一事故图像样本之间的重合度，并判断所述异常图像与每一事故图像样本之间的最大重合度是否大于预设和重合度阈值；
33、等级确定单元，用于当所述异常图像与每一事故图像样本之间的最大重合度大于预设重合度阈值时，获取大于所述预设重合度阈值的若干个被选事故样本以及每一被选事故样本对应的事故等级，根据每一所述被选事故样本对应的被选重合度为对应的被选事故样本建立被选权重，基于所述被选权重调整对应的被选事故样本的事故等级，生成所述现有设备的安全等级。
34、在一种可实施的方式中，
35、所述等级确定单元，还用于：
36、当所述异常图像与每一事故图像之间的最大重合度小于预设重合度阈值时，为所述异常图像对应的现有设备建立正常安全等级。
37、在一种可实施的方式中，
38、所述事故分析模块，包括：
39、第一分析单元，用于分别将每一所述现有设备对应的安全等级标记在所述三维工厂模型中，将所述三维工厂模型划分为若干个三维工厂区域，根据标记结果建立每一所述三维工厂区域对应的区域安全等级；
40、第二分析单元，用于根据基于所述区域安全等级为对应的三维工厂区域建立区域监督信息，根据所述安全等级为对应的现有设备建立设备监督信息；
41、第三分析单元，用于统计所述三维工厂模型中包含的区域监督信息以及设备监督信息，根据所述区域监督信息本文档来自技高网...
【技术保护点】
1.一种基于AI图像识别的智能安全检查系统，其特征在于，包括：
2.如权利要求1所述的一种基于AI图像识别的智能安全检查系统，其特征在于，还包括：
3.如权利要求1所述的一种基于AI图像识别的智能安全检查系统，其特征在于，还包括：
4.如权利要求3所述的一种基于AI图像识别的智能安全检查系统，其特征在于：
5.如权利要求1所述的一种基于AI图像识别的智能安全检查系统，其特征在于，所述图库建立模块，包括：
6.如权利要求1所述的一种基于AI图像识别的智能安全检查系统，其特征在于，所述模型建立模块，包括：
7.如权利要求1所述的一种基于AI图像识别的智能安全检查系统，其特征在于，所述检查执行模块，包括：
8.如权利要求7所述的一种基于AI图像识别的智能安全检查系统，其特征在于，所述等级确定单元，还用于：
9.如权利要求1所述的一种基于AI图像识别的智能安全检查系统，其特征在于，所述事故分析模块，包括：
10.一种基于AI图像识别的智能安全检查方法，其特征在于，包括：
【技术特征摘要】
1.一种基于ai图像识别的智能安全检查系统，其特征在于，包括：
2.如权利要求1所述的一种基于ai图像识别的智能安全检查系统，其特征在于，还包括：
3.如权利要求1所述的一种基于ai图像识别的智能安全检查系统，其特征在于，还包括：
4.如权利要求3所述的一种基于ai图像识别的智能安全检查系统，其特征在于：
5.如权利要求1所述的一种基于ai图像识别的智能安全检查系统，其特征在于，所述图库建立模块，包括：
6.如权利要求1所述的一...
【专利技术属性】
技术研发人员：胡淮兵，李森林，谷振海，王流青，姚增利，
申请(专利权)人：北京图安世纪科技股份有限公司，
类型：发明
国别省市：
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。