【技术实现步骤摘要】
本专利技术涉及智能监控，尤其涉及基于ai的安全生产场景人员监管防护系统及防护方法。
技术介绍
1、智能监控
旨在利用人工智能、机器学习和计算机视觉，提升监控系统的自动化和智能化程度，通过自动化处理批量视频和数据流，实时识别和分析行为和事件，提高监控效率和响应速度，包括自动检测异常行为、进行面部识别、跟踪目标对象的移动，应用于公共安全、交通管理、零售业和工业安全多个方面，通过减少对人工操作的依赖，提高处理数据的准确性，增强监控的效率和准确度。
2、其中，安全生产场景人员监管防护系统旨在通过实时监控生产区域内的活动，保障工作人员安全，利用实时视频监控和数据处理，有效识别危险行为和安全隐患，及时向管理人员发出预警，预防事故的发生，帮助企业符合安全生产的法规要求，优化生产效率，提高安全管理的自动化水平，有效管理和减少生产过程中的风险，并保护员工的生命安全和健康。
3、传统安全生产场景人员监管防护系统在复杂生产场景中识别准确度不高和数据处理能力不佳，依赖预设的规则进行异常行为检测，在动态变化的生产环境中难以应对新出现的安全隐患，在防护装备合规性监测方面缺乏实时性和精确性，导致监控系统难以快速识别不合规的穿戴行为，对于设备运行监测不能充分利用实时数据进行分析，在预测设备故障和维护方面存在盲点，降低了生产安全和效率，增加风险事故发生的概率。
技术实现思路
1、本专利技术的目的是解决现有技术中存在的缺点，而提出的基于ai的安全生产场景人员监管防护系统及防护方法。>
2、为了实现上述目的，本专利技术采用了如下技术方案，基于ai的安全生产场景人员监管防护系统包括：
3、人员图像采集模块基于生产场景监控图像，实时采集生产场景中的人员作业图像，识别多个图像中的生产区域类型，并记录时间信息，生成作业图像数据集；
4、防护装备分析模块基于所述作业图像数据集，根据工作区域和类型，识别工作人员的个人防护装备穿戴情况，生成防护合规性监测记录；
5、工作时间分析模块基于所述防护合规性监测记录，通过历史事故数据和实时监控数据，分析员工工作时间和作业风险的关系，生成风险分析结果；
6、人员调度优化模块基于所述风险分析结果，考虑工作效率和风险概率，调整员工的作业时间和人员配置，生成调度优化参数；
7、设备运行监测模块根据所述调度优化参数，实时记录设备操作日志，采集多种生产设备的关键运行数据，生成设备运行状态记录；
8、异常操作响应模块基于所述设备运行状态记录，通过分析设备操作顺序和设备运行数据，识别设备操作的异常行为，并发送安全预警给管理人员，生成人员监管防护结果。
9、作为本专利技术的进一步方案，所述作业图像数据集包括作业人员图像、区域类型标识信息、时间戳信息，所述防护合规性监测记录包括防护装备类型信息、穿戴状态记录、异常情况记录信息，所述风险分析结果包括连续作业时长分析结果、工作时间段分析信息、风险等级评估结果，所述调度优化参数包括作业时间调整结果、人员配置列表、连续工作时间参数，所述设备运行状态记录包括设备操作数据日志、设备温度监测信息、设备运行电压电流数据，所述人员监管防护结果包括异常操作识别信息、安全预警信息、风险事件响应记录。
10、作为本专利技术的进一步方案，所述人员图像采集模块包括：
11、工作图像采集子模块基于生产场景监控图像，实时采集生产场景中的人员作业图像，得到生产作业图像；
12、区域类型识别子模块基于所述实时作业图像，识别多个监控图像中的生产区域类型，包括装配流水线、包装区、仓库，生成区域类型识别数据；
13、时间数据记录子模块基于所述区域类型识别数据，记录多个图像数据的时间信息，生成作业图像数据集。
14、作为本专利技术的进一步方案，所述防护装备分析模块包括：
15、穿戴图像分析子模块基于所述作业图像数据集，识别并分析工作人员在多个工作区域的个人防护装备穿戴情况，生成防护装备识别结果；
16、佩戴异常识别子模块基于所述防护装备识别结果，监测并识别装备穿戴中的异常情况，包括未佩戴和错误佩戴，生成异常穿戴监测数据；
17、防护情况记录子模块基于所述异常穿戴监测数据，记录异常穿戴情况并向管理人员发送预警信息，包括时间和人员信息，生成防护合规性监测记录。
18、作为本专利技术的进一步方案，所述工作时间分析模块包括：
19、工作信息采集子模块基于所述防护合规性监测记录，采集并记录多个工作人员的工作时间数据，包括连续工作时长、周工作时长、工作时间段，生成工作时长记录数据；
20、时长风险评估子模块基于所述工作时长记录数据，采用比例风险回归模型，通过历史事故数据，分析员工的连续作业时长和风险事件发生率间的关系，生成连续作业风险评估信息；
21、时间段影响分析子模块基于所述连续作业风险评估信息，分析风险事件的时间分布特征，评估工作时间段对事故发生的影响，生成风险分析结果。
22、作为本专利技术的进一步方案，所述比例风险回归模型，按照公式：
23、；
24、计算多种连续时长下的作业风险概率，其中，为在时间的瞬时风险概率，为时间变量，为基线风险率，为指数函数，为连续作业时长的系数，为设备类型的系数，为目标工作环境影响因子的系数，为操作复杂度的系数，为个体差异的系数，为员工的连续作业时长，为设备类型，为目标工作环境的影响因子，为操作复杂度，为员工的个体差异。
25、作为本专利技术的进一步方案，所述人员调度优化模块包括：
26、调整需求识别子模块基于所述风险分析结果，分析多个工作时间段的风险概率和工作效率，识别需要调整的关键风险时间段，生成风险时段评估数据；
27、作业时间调整子模块基于所述风险时段评估数据，考虑多个员工的周工作时长，调整员工的作业时间和多个生产线的人员配置，优化生产效率和风险概率，生成人员配置调整信息；
28、调度配置执行子模块基于所述人员配置调整信息，考虑工作效率和安全风险，调整人员的连续工作时间，生成调度优化参数。
29、作为本专利技术的进一步方案，所述设备运行监测模块包括：
30、运行数据采集子模块基于所述调度优化参数，实时采集并记录多种生产设备的关键运行数据，包括温度、压力、电压、电流数据，生成生产设备监测数据；
31、设备状态分析子模块基于所述生产设备监测数据，分析多种设备运行数据的变化趋势，得到数据趋势记录；
32、操作日志记录子模块根据所述数据趋势记录，实时记录设备操作日志，包括员工操作设备的顺序和频率信息，获取设备运行状态记录。
33、作为本专利技术的进一步方案，所述异常操作响应模块包括：
34、操作数据分析子模块基于所述设备运行状态记录，通过分析设备操作顺序，与正常操作模式进行比较，识别异常操作行为，生成异常识别结果；
35、本文档来自技高网...
【技术保护点】
1.一种基于AI的安全生产场景人员监管防护系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于AI的安全生产场景人员监管防护系统，其特征在于，所述作业图像数据集包括作业人员图像、区域类型标识信息、时间戳信息，所述防护合规性监测记录包括防护装备类型信息、穿戴状态记录、异常情况记录信息，所述风险分析结果包括连续作业时长分析结果、工作时间段分析信息、风险等级评估结果，所述调度优化参数包括作业时间调整结果、人员配置列表、连续工作时间参数，所述设备运行状态记录包括设备操作数据日志、设备温度监测信息、设备运行电压电流数据，所述人员监管防护结果包括异常操作识别信息、安全预警信息、风险事件响应记录。
3.根据权利要求1所述的基于AI的安全生产场景人员监管防护系统，其特征在于，所述人员图像采集模块包括：
4.根据权利要求1所述的基于AI的安全生产场景人员监管防护系统，其特征在于，所述防护装备分析模块包括：
5.根据权利要求1所述的基于AI的安全生产场景人员监管防护系统，其特征在于，所述工作时间分析模块包括：
6.根据权利要求5所
7.根据权利要求1所述的基于AI的安全生产场景人员监管防护系统，其特征在于，所述人员调度优化模块包括：
8.根据权利要求1所述的基于AI的安全生产场景人员监管防护系统，其特征在于，所述设备运行监测模块包括：
9.根据权利要求1所述的基于AI的安全生产场景人员监管防护系统，其特征在于，所述异常操作响应模块包括：
10.基于AI的安全生产场景人员监管防护方法，其特征在于，根据权利要求1-9任一项所述的基于AI的安全生产场景人员监管防护系统执行，包括以下步骤：
...【技术特征摘要】
1.一种基于ai的安全生产场景人员监管防护系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于ai的安全生产场景人员监管防护系统，其特征在于，所述作业图像数据集包括作业人员图像、区域类型标识信息、时间戳信息，所述防护合规性监测记录包括防护装备类型信息、穿戴状态记录、异常情况记录信息，所述风险分析结果包括连续作业时长分析结果、工作时间段分析信息、风险等级评估结果，所述调度优化参数包括作业时间调整结果、人员配置列表、连续工作时间参数，所述设备运行状态记录包括设备操作数据日志、设备温度监测信息、设备运行电压电流数据，所述人员监管防护结果包括异常操作识别信息、安全预警信息、风险事件响应记录。
3.根据权利要求1所述的基于ai的安全生产场景人员监管防护系统，其特征在于，所述人员图像采集模块包括：
4.根据权利要求1所述的基于ai的安全生产场景人员监管...
【专利技术属性】
技术研发人员：余宗伟，黄远新，蒙进，赵捷，余俊鑫，
申请(专利权)人：广州晟能电子科技有限公司，
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。