System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及洗选煤安全监测领域,具体涉及一种应用于洗选煤系统的不安全行为识别方法及系统。
技术介绍
1、洗选煤系统是煤炭生产过程中的重要环节,其目的是通过物理或化学方法将原煤中的杂质去除,提高煤炭的质量。然而,在洗选煤过程中,由于操作环境恶劣、设备复杂等原因,存在许多不安全行为,如操作不当、设备维护不及时等,这些不安全行为会导致生产事故,影响生产效率和工人安全。
2、目前,洗选煤系统中的不安全行为识别主要依靠人工观察和报告,这种方式存在以下问题,识别速度慢:人工观察和报告需要时间,无法实时识别不安全行为。数据不足:人工观察只能获取有限的数据,无法全面了解洗选煤系统中的不安全行为。
3、因此,亟需一种能够实时、准确识别洗选煤系统中的不安全行为的方法和系统。
技术实现思路
1、为解决上述背景中的技术问题,本专利技术供了一种应用于洗选煤系统的不安全行为识别方法及系统,采用机器学习,对洗选煤过程中的数据进行分析和处理,实现实时、准确识别不安全行为。
2、为实现上述目的,本专利技术提供了一种应用于洗选煤系统的不安全行为识别方法,步骤包括:
3、采集工作人员在操作洗选煤系统时的图像数据;
4、对所述图像数据进行预处理,得到处理后数据;
5、基于所述处理后数据,构建行为识别模型;
6、优化所述行为识别模型,得到最终模型;
7、利用所述最终模型,完成不安全行为的识别。
8、优选的,进行所述
9、优选的,构建所述行为识别模型的方法包括:将所述处理后数据按照7:3的比例划分训练集和测试集,并基于所述测试集,采用神经网络构建所述行为识别模型。
10、优选的,所述神经网络由三维卷积层、三维池化层、全连接层和输出层构成;具体包括:3个三维卷积层、3个三维池化层,1个全连接层以及1个softmax输出层。
11、优选的,优化所述行为识别模型的方法包括:采用relu损失函数替换传统神经网络中的gelu损失函数,公式包括:
12、
13、式中,yi是第i个样本的真实标签;pi表示模型预测的概率。
14、本专利技术还提供了一种应用于洗选煤系统的不安全行为识别系统,所述系统用于实现上述方法,包括:采集模块、处理模块、构建模块、优化模块和检测模块;
15、所述采集模块用于采集工作人员在操作洗选煤系统时的图像数据;
16、所述处理模块用于对所述图像数据进行预处理,得到处理后数据;
17、所述构建模块用于基于所述处理后数据,构建行为识别模型;
18、所述优化模块用于优化所述行为识别模型,得到最终模型;
19、所述检测模块用于利用所述最终模型,完成不安全行为的识别。
20、优选的,所述处理模块的工作流程包括:将所述图像数据使用自动色彩均衡来进行亮度与色彩的调整,使所述图像数据色彩呈现更为饱满,对比度更高;之后,采用翻转、旋转、均分后随机拼接的方式进行扩充,得到所述处理后数据。
21、优选的,所述构建模块的工作流程包括:将所述处理后数据按照7:3的比例划分训练集和测试集,并基于所述测试集,采用神经网络构建所述行为识别模型。
22、与现有技术相比,本专利技术的有益效果如下:
23、本专利技术能够实时识别洗选煤系统中的不安全行为,提高生产安全性。同时,采用机器学习提高识别准确性。此外,本专利技术基于现有技术和设备,易于在实际生产中推广应用。
本文档来自技高网...【技术保护点】
1.一种应用于洗选煤系统的不安全行为识别方法,其特征在于,步骤包括:
2.根据权利要求1所述的应用于洗选煤系统的不安全行为识别方法,其特征在于,进行所述预处理的方法包括:将所述图像数据使用自动色彩均衡来进行亮度与色彩的调整,使所述图像数据色彩呈现更为饱满,对比度更高;之后,采用翻转、旋转、均分后随机拼接的方式进行扩充,得到所述处理后数据。
3.根据权利要求1所述的应用于洗选煤系统的不安全行为识别方法,其特征在于,构建所述行为识别模型的方法包括:将所述处理后数据按照7:3的比例划分训练集和测试集,并基于所述测试集,采用神经网络构建所述行为识别模型。
4.根据权利要求3所述的应用于洗选煤系统的不安全行为识别方法,其特征在于,所述神经网络由三维卷积层、三维池化层、全连接层和输出层构成;具体包括:3个三维卷积层、3个三维池化层,1个全连接层以及1个Softmax输出层。
5.根据权利要求1所述的应用于洗选煤系统的不安全行为识别方法,其特征在于,优化所述行为识别模型的方法包括:采用ReLU损失函数替换传统神经网络中的GeLU损失函数,公式包括
6.一种应用于洗选煤系统的不安全行为识别系统,所述系统用于实现权利要求1-5任一项所述的方法,其特征在于,包括:采集模块、处理模块、构建模块、优化模块和检测模块;
7.根据权利要求6所述的应用于洗选煤系统的不安全行为识别系统,其特征在于,所述处理模块的工作流程包括:将所述图像数据使用自动色彩均衡来进行亮度与色彩的调整,使所述图像数据色彩呈现更为饱满,对比度更高;之后,采用翻转、旋转、均分后随机拼接的方式进行扩充,得到所述处理后数据。
8.根据权利要求6所述的应用于洗选煤系统的不安全行为识别系统,其特征在于,所述构建模块的工作流程包括:将所述处理后数据按照7:3的比例划分训练集和测试集,并基于所述测试集,采用神经网络构建所述行为识别模型。
...【技术特征摘要】
1.一种应用于洗选煤系统的不安全行为识别方法,其特征在于,步骤包括:
2.根据权利要求1所述的应用于洗选煤系统的不安全行为识别方法,其特征在于,进行所述预处理的方法包括:将所述图像数据使用自动色彩均衡来进行亮度与色彩的调整,使所述图像数据色彩呈现更为饱满,对比度更高;之后,采用翻转、旋转、均分后随机拼接的方式进行扩充,得到所述处理后数据。
3.根据权利要求1所述的应用于洗选煤系统的不安全行为识别方法,其特征在于,构建所述行为识别模型的方法包括:将所述处理后数据按照7:3的比例划分训练集和测试集,并基于所述测试集,采用神经网络构建所述行为识别模型。
4.根据权利要求3所述的应用于洗选煤系统的不安全行为识别方法,其特征在于,所述神经网络由三维卷积层、三维池化层、全连接层和输出层构成;具体包括:3个三维卷积层、3个三维池化层,1个全连接层以及1个softmax输出层。
5.根据权利要求1...
【专利技术属性】
技术研发人员:姚崇经,王世常,孙明福,于继图,赵征,周元,吕庚,赵瑞平,
申请(专利权)人:陕西永明煤矿有限公司,
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。