一种自动化智能风险分级管控方法及隐患排查系统技术方案

本发明专利技术提供一种自动化智能风险分级管控方法及隐患排查系统，该方法首先实时判断设备运行开关是否开启确定监控场景区段；其次，在工作时段采用核岭回归模型输出第一风险值R<subgt;1</subgt;；然后，在无人休息时段，采用卷积神经网络模型输出第二风险值R<subgt;2</subgt;；再次，将第一风险值R<subgt;1</subgt;或第二风险值R<subgt;2</subgt;分别与预设阈值进行判别；若分析结果在最小阈值和最大阈值之间，则降低设备运行功率；若大于则进入步骤S5；最后，系统根据风险等级采用自动触发报警系统或设备自动断电或启动消防装置等措施。本申请通过采用核岭回归模型和卷积神经网络模型，计算风险值并与预设阈值范围对比；大大提高了风险预警的精确度及效率，极大增加用户体验。

【技术实现步骤摘要】

本专利技术涉及视频图像处理，具体涉及一种自动化智能风险分级管控方法及隐患排查系统。

技术介绍

1、随着智能监控技术的快速发展，基于视频监控的风险评估系统在工业生产、建筑施工、智能家居等领域得到了广泛应用。视频监控技术通过获取监控场景中的图像数据，并结合智能算法对数据进行处理，能够及时发现潜在的风险隐患，进而减少人为巡检的工作负担，并提高对风险的响应速度。近年来，随着人工智能算法的发展，卷积神经网络（cnn）、核岭回归（krr）等机器学习和深度学习模型逐步被引入到风险评估和隐患排查的技术方案中，这些智能算法在自动化数据分析、复杂场景处理和异常状态检测方面展现出了极大的优势。传统的监控系统依赖于人员的定期巡查或简单的预设规则（如温度超限、设备异常停止等），很难实时检测到潜在的隐患。例如，在工业设备运行过程中，设备的温度、湿度、气体浓度和运转速度等传感器数据往往存在非线性复杂变化，难以通过简单的逻辑规则有效评估其风险。而基于视频监控的传统风险监控系统只能捕捉显性故障，无法对复杂设备的运行状态进行深层次分析。因此，单纯依赖传统的监控系统，容易错过关键的隐患信号，从本文档来自技高网...

【技术保护点】

1.一种自动化智能风险分级管控方法，其特征在于，包括步骤：

2.如权利要求1所述的一种自动化智能风险分级管控方法，其特征在于，所述核岭回归模型输出第一风险值，表示如下：其中，表示历史数据点即过去第i个历史数据点的设备运行状态数据，为历史数据点的数量，表示当前时刻的设备运行状态数据，为超参数，表示当前时刻的设备运行状态数据与过去第i个时刻的设备运行状态数据的欧氏距离平方；第i个历史数据点的权重参数为：其中，为第一调节参数，为第二调节参数。

3.如权利要求2所述的一种自动化智能风险分级管控方法，其特征在于，所述训练好的卷积神经网络模型采用改进的Sigmoid激活函数：...

【技术特征摘要】

1.一种自动化智能风险分级管控方法，其特征在于，包括步骤：

2.如权利要求1所述的一种自动化智能风险分级管控方法，其特征在于，所述核岭回归模型输出第一风险值，表示如下：其中，表示历史数据点即过去第i个历史数据点的设备运行状态数据，为历史数据点的数量，表示当前时刻的设备运行状态数据，为超参数，表示当前时刻的设备运行状态数据与过去第i个时刻的设备运行状态数据的欧氏距离平方；第i个历史数据点的权重参数为：其中，为第一调节参数，为第二调节参数。

3.如权利要求2所述的一种自动化智能风险分级管控方法，其特征在于，所述训练好的卷积神经网络模型采用改进的sigmoid激活函数：其中，为卷积层卷积操作输出，为由核岭回归模型输出的第一风险值；为第一风险值调节参数。

4.如权利要求1所述的一种自动化智能风险分级管控方法，其特征在于，所述降低设备运行功率并间隔性短信提醒至管理人员，包括根据风险的大小调整功率：其中，是调整后的设备运行功率，是当前设备运行功率，由设备运行开关确定，为第一风险值或第二风险值；为预设第一最小阈值或第二最小阈值；为第一最大阈值或第二最大阈值。

5.如权利要求1所述的一种自动化智能风险分级管控方法，其特征在于，所述实时获取红外图像视频数据，还包括，在输入至训练好的卷积神经网络模型前，采用高斯滤波对实时获取红外图像视频数据进行去噪处理。

6...

【专利技术属性】
技术研发人员：王延平，姜卫华，周全，文萍，徐萍萍，
申请(专利权)人：新疆准华技术股份有限公司，
类型：发明
国别省市：