现场安全管控方案针对现场中简单的目标检测任务无法满足实际生产需要的问题，结合目标检测、关键点检测、实例分割等计算机视觉任务，对于不同的违规行为制定了多种检测方案。

       系统微服务架构图图下图所示，所有任务（包括业务引擎）都可以视为一个微服务，在任务服务容器中处理各种违规行为检测，在业务引擎容器中负责对外交互以及任务调度等功能。

       任务运行流程图如图 2 所示，对于接收到的每一个任务最终都要在单帧图像上进行分析。如果任务类型为视频任务，则创建一个视频流解析线程，试试获取最新的监控图像。同时启动任务相关的模型，在多个进程中单独运行，将获取到的图像通过管道输入模型获得所需的边框坐标、关键点坐标和目标掩码等信息，利用这些进行进一步的逻辑判断对当前图像进行分析。

       以安全帽佩戴规范检测为例，如下图所示，安全帽佩戴检测涉及到的模型共有三个：人体关键点检测模型（获得人体边框坐标与人体关键点坐标），安全帽检测模型（获得安全帽边框坐标和安全帽掩码）和安全帽系带检测模型（获得安全帽系带边框坐标）。对于输入的图像首先利用人体关键点检测模型获取人体边框坐标和人体关键点坐标；根据人体边框坐标获取人体区域，并将图像人体区域输入安全帽检测模型和安全帽系带检测模型并获取相应信息；根据安全帽检测信息与人体关键点坐标判断是否佩戴安全帽；如果已经佩戴安全帽则根据安全帽系带检测信息进一步判断是否正确佩戴安全帽系带，完成安全帽佩戴规范检测。

       技术特点及技术指标：

       与国内外同行业技术相比，基于深度学习的现场安全管控采用最先进的深度学习分析模型，并将多种任务的不同模型进行组装，与单任务模型相比，具有较高的适应性和灵活性，单帧处理能力都在 100ms 以下，平均准确率在 90%以上。

       应用领域：

       现场安全管控研究已经相关电力企业、油田企业开展了稳定的项目合作，有了多年的项目经验积累，但仍有很大的进步与推广看空间，因此期望寻求与各个电厂及各类市场推广机构进行项目合作，合作方式包括方法转让或许可、产品区域代理、市场推广代理、联合实施、协商确定等，进一步扩展该方法在电厂中的应用。

       投入需求：

       目前成果已经有了深厚的数据和技术积累，新的产业化应用需要依据实际部署需求购置 GPU 服务器，单个产业化应用投入资金不少于 100 万元。

 

       专利授权及申请情况：

       1、国家发明专利：一种基于深度学习的安全带低挂高用违规检测方法（实审） 

       2、国家发明专利：一种基于 SOMD 的室外电力场景下异物入侵检测算法（实审） 

       3、国家发明专利：一种基于深度学习的人体关键点定位检测方法（实审） 

       4、国家发明专利：一种基于 HDNet 的输电场景下吊车入侵检测机制（实审） 

       5、国家发明专利：一种面向实时视频处理的负载感知云计算系统（授权） 

       6、国家发明专利：一种基于 OSGi 的计算任务近数据源迁移方法（授权） 

       7、国家发明专利：一种基于深度学习的自然场景中船牌文字识别方法、装置（授 

权） 

       8、国家发明专利：一种基于核密度估计与模糊推理系统的实时云服务瓶颈检测方 

法（授权） 

       9、国家发明专利：一种基于深度学习的高精度交通标志检测方法及系统（授权）

 

 

       成果受资助及获奖情况：

       1、国家自然科学基金面上项目，62072469，基于类脑认知的高泛化性故障预测方 法研究，2021-01 至 2024-12；

       2、国家重点研发计划，2018YFE0116700，互联网工厂运行状态分析预测与优化研 究及应用，2019-10 至 2021-10；

       3、山东省科技进步二等奖，自适应联邦智能关键技术研究与产业化 (第一）

       4、吴文俊人工智能科技进步三等奖，可信联邦智能关键技术研发及产业示范（第 一）

       技术成熟程度： ☑形成样机 □样品或软件  

       拟合作方式：  ☑作价入股 ☑合作开发