【技术实现步骤摘要】
本专利技术涉及边缘计算网关，具体是一种垃圾中转站安全检修的人员报警方法及装置。
技术介绍
1、随着城市化发展加快，日常的城市垃圾处理是不可或缺的环节。垃圾车将居民生活、商业活动所产生的垃圾统一运送到城市中的垃圾中转站，一旦垃圾中转站内的垃圾装载量达到一定程度后，站内便会启动垃圾压缩设备，这些设别可以通过强大的机械力量将大量垃圾进行压缩，进而可以大幅度减少垃圾体积，便于后续的运输和处理。然而，随着压缩设备长时间、高强度的运转，其内部零件和机械结构难免会出现磨损、老化等问题，容易产生各种故障，此时维修人员需要到达压缩设备底部，对故障部位进行精细的维修和更换，保障垃圾压缩装置能够持续、稳定地运行，确保城市的垃圾处理系统能够正常运转，为居民提供一个干净、整洁的生活环境。
2、现有技术中，在工业
，压缩设备的检修与维护工作是一项至关重要的任务，对于保障生产线的稳定运行和设备的长期可靠性具有不可或缺的作用。然而，这些维修工作因涉及对复杂机械结构的深入操作和精细调整，不可避免可能带有一定的安全隐患。具体而言，压缩设备通常集成了大量的精密部件和复杂的机械系统，这些部件和系统之间的相互作用与配合需要维修人员具备深厚的专业知识和丰富的实践经验。在检修和维护过程中，维修人员需要准确判断设备故障的原因，并采取恰当的措施进行修复和调整，然而，这种高度专业化的操作往往伴随着高风险，任何微小的失误或疏忽都可能引发严重的事故。
3、设备间的人员在操作过程中，不仅需要保持高度的专注和警觉，还需严格遵守安全操作规程。然而，在实际操作中
4、鉴于此，本专利技术提供了一种用于垃圾中转站安全检修的人员报警装置及方法，可以通过云台摄像机获取垃圾中转站的压缩仓内的图像，利用ai边缘计算网关识别压缩仓内是否存在维修人员，当压缩仓内存在维修人员时，客户端软件可以控制声光报警器发出声光报警，用来提醒设备间的操作人员此时压缩设备处于维修状态，需要停止压缩设备的操作工作，从而可以智能提醒设备间的操作人员是否存在压缩设备维修情况，保障垃圾中转站的人员安全及正常操作流程，避免产生人员伤亡。
技术实现思路
1、为了解决上述问题，本专利技术提出了一种垃圾中转站安全检修的人员报警方法及装置，可以智能提醒设备间人员是否存在压缩设备维修情况，保障垃圾中转站的人员安全及正常操作流程，避免产生人员伤亡。
2、为了达到上述目的，本专利技术是通过以下技术方案来实现的：
3、本专利技术的一种用于垃圾中转站安全检修的人员报警方法，所述方法包括如下操作：
4、垃圾中转站未检修时，关闭ai边缘计算网关，云台摄像机对垃圾中转站的压缩仓内进行拍摄，并将拍摄视频通过网络专线上传并展示至客户端软件；
5、垃圾中转站开始检修时，打开ai边缘计算网关，云台摄像机对垃圾中转站的压缩仓内进行拍摄，ai边缘计算网关对云台摄像机的拍摄视频进行维修人员识别，并将识别结果上传至客户端软件；
6、客户端软件识别到维修人员时，客户端软件控制声光报警器在垃圾中转站的设备间保持声光报警状态，所述声光报警状态提醒设备间的操作人员停止压缩设备的操作工作。
7、进一步的，作为本专利技术一种优选的，所述垃圾中转站的压缩设备出现故障时，维修人员需要到达压缩设备的底部进行检修。
8、进一步的，作为本专利技术一种优选的，所述ai边缘计算网关包括的组件为：物理设备、嵌入式操作系统、网络接口和计算能力，所述物理设备用于执行计算任务及存储识别结果，所述嵌入式操作系统对云台摄像机的拍摄视频进行采集及处理，所述网络接口将采集的视频数据从云台摄像机传输到ai边缘计算网关，并将识别结果发送至客户端软件，所述计算能力对云台摄像机的拍摄视频中的人员特征进行提取和识别。
9、进一步的，作为本专利技术一种优选的，所述ai边缘计算网关对所述云台摄像机的拍摄视频进行维修人员识别时，包括以下操作：
10、对云台摄像机的拍摄视频进行预处理；
11、利用深度学习和卷积神经网络技术，对拍摄视频中的维修人员进行检测和识别；判断拍摄视频中是否存在维修人员，生成识别结果。
12、进一步的，作为本专利技术一种优选的，利用ai边缘计算网关对云台摄像机的拍摄视频进行维修人员识别，所述识别算法公式为：
13、采用gabor滤波器进行图像的特征提取，所述gabor滤波器复数形式表现为：
14、复数形式：
15、
16、实数部分：
17、
18、虚数部分：
19、
20、坐标变换：
21、
22、其中，x、y、x'、y'为空间坐标，i为虚数单位，λ为正弦函数的波长，为核函数方向，ψ为相位偏移，σ为高斯标准差，γ为x、y两个方向的纵横比(指定了gabor函数的椭圆率)，exp为以自然常数e为底的指数函数，cos为余弦函数，sin为正弦函数。
23、进一步的，作为本专利技术一种优选的，所述预处理包括去噪、图像增强和色彩空间转换。
24、进一步的，作为本专利技术一种优选的，深度学习模型为机器深度学习算法，包括以下步骤：
25、gabor滤波器转换,并采用gabor对图像进行特征提取；
26、对图形进行实数形式的gabor变换，得到处理后的图像以及图像识别结果；
27、采用智能运维核心板存储识别结果。
28、进一步的，作为本专利技术一种优选的，所述ai边缘计算网关使用以下公式优化模型训练过程：
29、完成gabor特征提取后，对图形进行实数形式的gabor变换，得到处理后的图像，直接提取特征，对图像分块，分别水平和垂直方向取16等分，将整个图像分成64个16x16大小的子图像块，计算每一块对应的能量，能量公式如下：
30、
31、式中，e为能量，k为子图像块的序号，i为第k个子图像块的位置，|为取模操作，a为第k个子图像块对应的卷积响应；
32、计算空间频率能量矩阵，将能量矩阵降维成1x64的行向量，作为原始图像在x、y方向和尺度变换后的特征向量，利用gabor滤波器对图形进行转换和特征提取，完成智能ai图形识别。
33、进一步的，作为本专利技术一种优选的，所述声光报警器位于垃圾中转站的设备间内且受客户端软件所控制，客户端软件识别到维修人员时本文档来自技高网...
【技术保护点】
1.一种用于垃圾中转站安全检修的人员报警方法，其特征在于：所述方法包括如下操作：
2.根据权利要求1所述的一种用于垃圾中转站安全检修的人员报警方法，其特征在于：所述垃圾中转站的压缩设备出现故障时，维修人员需要到达压缩设备的底部进行检修。
3.根据权利要求1所述的一种用于垃圾中转站安全检修的人员报警方法，其特征在于：所述AI边缘计算网关包括的组件为：物理设备、嵌入式操作系统、网络接口和计算能力，所述物理设备用于执行计算任务及存储识别结果，所述嵌入式操作系统对云台摄像机的拍摄视频进行采集及处理，所述网络接口将采集的视频数据从云台摄像机传输到AI边缘计算网关，并将识别结果发送至客户端软件，所述计算能力对云台摄像机的拍摄视频中的人员特征进行提取和识别。
4.根据权利要求3所述的一种用于垃圾中转站安全检修的人员报警方法，其特征在于：所述AI边缘计算网关对所述云台摄像机的拍摄视频进行维修人员识别时，包括以下操作：
5.根据权利要求1所述的一种用于垃圾中转站安全检修的人员报警方法，其特征在于：利用AI边缘计算网关对云台摄像机的拍摄视频进行维修人员
6.根据权利要求4所述的一种用于垃圾中转站安全检修的人员报警方法，其特征在于：所述预处理包括去噪、图像增强和色彩空间转换。
7.根据权利要求4所述的一种用于垃圾中转站安全检修的人员报警方法，其特征在于：深度学习模型为机器深度学习算法，包括以下步骤：
8.根据权利要求4所述的一种用于垃圾中转站安全检修的人员报警方法，其特征在于：所述AI边缘计算网关使用以下公式优化模型训练过程：
9.根据权利要求1所述的一种用于垃圾中转站安全检修的人员报警方法，其特征在于：所述声光报警器位于垃圾中转站的设备间内且受客户端软件所控制，客户端软件识别到维修人员时，自动触发声光报警器。
10.一种用于垃圾中转站安全检修的人员报警装置，其特征在于：所述装置包括云台摄像机、声光报警器、AI边缘计算网关和客户端软件，所述云台摄像机用于获取垃圾中转站的压缩仓内的图像，所述AI边缘计算网关用于识别垃圾中转站的压缩仓内是否存在维修人员，所述客户端软件控制所述声光报警器发出声光报警，提醒设备间的操作人员停止压缩设备的操作工作。
...【技术特征摘要】
1.一种用于垃圾中转站安全检修的人员报警方法，其特征在于：所述方法包括如下操作：
2.根据权利要求1所述的一种用于垃圾中转站安全检修的人员报警方法，其特征在于：所述垃圾中转站的压缩设备出现故障时，维修人员需要到达压缩设备的底部进行检修。
3.根据权利要求1所述的一种用于垃圾中转站安全检修的人员报警方法，其特征在于：所述ai边缘计算网关包括的组件为：物理设备、嵌入式操作系统、网络接口和计算能力，所述物理设备用于执行计算任务及存储识别结果，所述嵌入式操作系统对云台摄像机的拍摄视频进行采集及处理，所述网络接口将采集的视频数据从云台摄像机传输到ai边缘计算网关，并将识别结果发送至客户端软件，所述计算能力对云台摄像机的拍摄视频中的人员特征进行提取和识别。
4.根据权利要求3所述的一种用于垃圾中转站安全检修的人员报警方法，其特征在于：所述ai边缘计算网关对所述云台摄像机的拍摄视频进行维修人员识别时，包括以下操作：
5.根据权利要求1所述的一种用于垃圾中转站安全检修的人员报警方法，其特征在于：利用ai边缘计算网关对云台摄像机的拍摄视频进行维修人...
【专利技术属性】
技术研发人员：陆骁旻，冯维一，方玄，李行，徐醒，熊伟，林子超，李芸，周晓冬，
申请(专利权)人：湖北森特智能技术有限公司，
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。