作业现场异常事件视频智能识别及报警技术

正01解决问题解决传统视频监控依赖人工值守和现场巡查的弊端,利用图像识别技术抓取异常事件和实现分级推送,充分挖掘海量视频价值,发挥视频监控的主动督查效力。02技术核心组成及能力丰富的石化场景图像数据库;可按需定制的作业异常场景算法库;事件识别准确率高。03系统平台功能满足前端主流固定及移动硬件设备接入;视频监控设备与识别算法个性化配置,优化运行效率;支持视频轮巡模式,节省运算资源;     

作业现场异常事件视频智能识别及报警技术

正01应用领域针对石油石化企业生产运行及作业过程中的违章操作行为、环境异常事件,基于深度学习算法及图像处理技术,充分挖掘海量视频价值实现视频的自动抓拍,通过报警主动推送逐步代替传统的人工监控值守和现场巡查,提升现场智能化水平及事故早期识别发现能力。02技术核心组成及能力丰富的石化场景图像数据库:以管理业务规则和事件识别逻辑为指导,构建石化场景内识别对象、属性特征和人物/人人交互关系和事件类型的图像数据库,提供开发模型的可持续资源和算法性能测试平台。可按需定制的作业异常场景算法库:拥有成熟算法模块实现石化企业关注对象的检测、跟踪、特征计算及事件识别,包含不戴安全带、不戴安全帽、人员身份识别、劳保服识别和违章进入受限空间等场景,并可根据企业需要进行个性化定制。     

钻井过程人员异常行为视频智能识别系统

针对钻井现场视频监控人工值守工作量大、异常行为识别不及时、海量视频数据缺乏实时报警等问题,结合钻井作业操作规程建立井控坐岗监测、起下钻、甩钻具等钻井作业场景典型异常行为判别规则,在基于卷积神经网络的目标检测方法基础上,引入SIFT方法和基于强化学习的困难样本筛选策略,提高了算法识别的准确率与鲁棒性。测试结果表明,在像素分辨率1 920×1 080的情况下,该方法整体识别准确率达到85%以上,平均识别速度为135 ms/帧。在此基础上,开发了钻井过程人员异常行为智能识别系统,试点应用结果表明,该系统能够对接入的视频流进行实时检测,及时、准确识别出坐岗人员擅自离岗、起下钻及甩钻具过程人员危险站位等异常行为,有效提升钻井现场安全管理水平。     

作业现场异常事件视频智能识别及报警技术

正01应用领域针对石油石化企业生产运行及作业过程中的违章操作行为、环境异常事件,基于深度学习算法及图像处理技术,充分挖掘海量视频价值实现视频的自动抓拍,通过报警主动推送逐步代替传统的人工监控值守和现场巡查,提升现场智能化水平及事故早期识别发现能力。02技术核心组成及能力丰富的石化场景图像数据库:以管理业务规则和事件识别逻辑为指导,构建石化场景内识别对象、属性特征和人物/人人交互关系和事件类型的图像数据库,提供开发模型的可持续资源和算法性能测试平台。     

基于图像识别技术的不安全行为识别

为预防在有限空间作业中因不安全行为引发的安全事故,着重分析了作业人员在有限空间作业中因跌倒发生的事故风险。通过安装在作业区域的视频摄像头获取的图像,对人体跌倒行为进行识别,并利用MATLAB的图像处理功能,构建了基于支持向量机(SVM)的不安全行为图像识别算法。该算法首先应用图像灰度级变换、直方图均衡化、高斯低通滤波平滑和中值滤波去噪对视频采集图像进行图像预处理;然后根据帧间差分法定位人体,并提取HOG特征和人体重心移动特征构建人体跌倒行为特征向量,应用SVM对不安全行为进行分类;最后对获取的图像资料进行识别与分析。结果表明:该图像识别算法的平均正确识别率达到了97.84%,能够对有限空间作业中的不安全行为进行有效识别,从而验证了该算法的有效性。     

作业现场异常事件视频智能识别及报警技术

正01应用领域针对石油石化企业生产运行及作业过程中的违章操作行为、环境异常事件,基于深度学习算法及图像处理技术,充分挖掘海量视频价值实现视频的自动抓拍,通过报警主动推送逐步代替传统的人工监控值守和现场巡查,提升现场智能化水平及事故早期识别发现能力。02技术核心组成及能力丰富的石化场景图像数据库:以管理业务规则和事件识别逻辑为指导,构建石化场景内识别对象、属性特征和人物/人人交互关系和事件类型的图     

基于改进Faster R-CNN的石化装置火灾增强识别方法

为提高复杂石化装置场景下火灾发现速度和识别准确率,特别是强化对石化厂区监控图像内小微火焰、烟雾等事故初期关键目标信息的发现能力,以应对石化装置火灾事故演化所具有的典型多米诺效应,在事故发展初期快速准确发现异常、控制事故态势发展、降低事故危害,建立了基于深度学习的石化装置明火、烟雾识别方法,以改进的Faster R-CNN作为目标信息检测算法,利用K-Means++聚类方法优化锚框尺寸,结合基于递归策略的多尺度特征融合设计,显著改善了模型小微关键目标识别能力,实验测试数据表明,改进后的模型检测平均准确率(mAP)提升11.0%,小目标平均识别准确率(mAP(s))提升19.7%。     

关于在我国推行智能垃圾分类终端和模式的刍议

为了解决目前我国居民普遍存在的"不想分类、懒得分类、分类标准难把握"等垃圾分类痛点问题以及打破市面上的智能垃圾分类装置难以实现垃圾精准分类导致的"垃圾投放‘分了类’,垃圾处理一锅烩"的尴尬局面。本文介绍了一款基于条码识别、二维码识别以及图像识别技术的智能垃圾精准分类系统,并探讨了基于智能垃圾精准分类系统的从业人员来源及如何利用"互联网+"、大数据等资源条件实现垃圾分类行业的创收,为加快建立分类投放、分类收集、分类运输、分类处理的垃圾处理系统提供参考。     

基于YOLO v5模型的非住宅区自动垃圾分类箱设计

提出了一种基于YOLO v5模型的自动垃圾分类箱设计,应用于非住宅区的公共场所(如火车站、公交站、商场、校园等)。垃圾箱设计有4个垃圾桶,以2行2列摆放,中间为转轴,可带动轴上方的垃圾临时存储抽屉转动。采用单目摄像头采集视频图像,以英伟达Jetson nano嵌入式芯片作为上位机主控芯片,利用YOLO v5深度学习模型进行垃圾的自动提取与识别,并将上位机识别结果信息通过串口发送至下位机Arduino控制板,Arduino控制板控制舵机带动垃圾临时储存抽屉开口转动到相应的垃圾桶上方,从而控制升降台倾倒垃圾,完成垃圾自动分类。测试结果表明:垃圾识别结果稳定可靠,准确率可达到93%,能够实现垃圾自动分类。     

基于Subspace集成学习的稻田杂草识别研究

针对稻田苗期杂草识别中单一分类方法存在的不足,提出了一种基于Subspace集成学习的稻田杂草识别方法。先提取杂草图像的颜色、纹理、形状特征作为稻田杂草的识别特征,再通过多个基分类器集合训练得到Subspace集成学习模型。结果表明,当基学习器个数为32和子空间维度为91时,Subspace集成学习模型的准确率达到91.41%,且基于Subspace集成学习算法的识别精度高于SVM和BP神经网络,解决了针对稻田杂草特征单一分类器识别率不高的问题。     

多元信息综合的市县国土空间规划空间功能识别方法

空间功能识别是确定国土空间规划空间开发保护格局的关键环节,理论和实践意义重大。基于土地利用和地表覆盖现状、精细化DEM、地形单元等基础地理信息,水、生态、环境、灾害等专题数据,社会统计数据等多元信息,利用空间分析、多元统计、计量模型、基于规则的分类模型等技术方法,从多元信息综合集成和自动分类识别的角度,研究构建了一套市县国土空间规划空间主导功能识别的关键技术与方法,并对榆林市域进行空间功能分区。研究表明：本文方法有效将地理实体单元、功能评价指标综合于统一的地域单元,保证了空间功能分类识别的准确性;通过自动分类算法建模,实现空间功能识别的自动化,提高了国土空间规划的客观性和工作效率。     

HSY算法在水质模型参数识别中的应用探讨

参数识别是水质模拟中的技术核心，数据稀缺是水质模型经常面临的问题。采用HSY算法可求得模型参数的分布，而不再是一个单一的最优参数，从而在一定程度上避免了由于“最优”参数失真带来的决策风险，本文以南水北调一期工为例，讨论了在稀疏数据条件下如何应用HSY算法识别CSTR水质模型的参数，并对识别的模型参数进行了检验。模型检验采取了2种方法：分别用动态和稳态计算方法得出的参数进行比较；用模拟结果分布于实测值进行比较。结果表明，HSY算法为稀疏数据条件下进行识别、建立数学模型提供了一条有效的途径。     

环境自动监测网络的数据异常值标识方法及系统

本文介绍一种环境自动监测网络的数据异常值标识方法及系统,方法包括:根据基站系统自动识别、基站人工审核和实时数据平台的专家识别、平台人工审核这四个数据来源对环境监测网络的数据标识体系进行统一定义,得到来源类型标识、模式标识、模式跟踪数据标识、演绎标识和删除标识的数据结构;根据来源类型标识、模式标识、模式跟踪数据标识、演绎标识和删除标识的数据结构,对基站层和平台层的异常值进行识别,并采用改进的数据标识同步算法实现基站层异常值和平台层异常值的同步。本方法增设了模式跟踪数据和标识演绎标识,并提出了实时数据平台的异常值识别算法,溯源效率高、精确度高、全面、可靠、科学和准确,可广泛应用于环境监测领域。     

基于聚类算法的ERT污染区域识别方法

本文提出将聚类算法引入到ERT监测系统中，采用K均值（K-means）聚类、模糊C均值算法（FCM）以及混合高斯模型（GMM）3种常用聚类算法对ERT检测结果进行污染区域识别，通过一个数值模型分析了3种算法的识别效果.研究结果表明当污染区域与背景土壤的电阻率区分度较大时（电阻率差异性大于30%），采用3种聚类算法都可以识别出污染区域，K-means和FCM的识别效果优于GMM算法.最后，给出一个实际场地调查的应用案例.     

基于约束关系的石化装置三维重建方法研究

针对现有的三维建模算法存在耗时长,局部结合细节建模效果差等问题,提出了一种基于石化设备模型库的装置三维重建算法。利用计算机视觉"从运动恢复结构"技术初步实现石化装置部件的识别与定位,提取关键帧中局部特征显著的设备信息,实现基准部件识别及位置匹配。提取复杂管道的空间布局信息,利用阀门(组)的识别信息及约束关系来校正已重建的三维场景,最终实现整个石化装置的自动化三维重建。实例证明,采用文中算法进行石化装置三维重建,可以有效地减少建模时间,提高建模精度。     

次生环境风险的系统识别方法

环境污染事故往往由安全生产事故引发,次生环境风险识别成为环境风险识别的重点,也是风险识别实际工作中的难点所在,一度成为环境风险识别的盲区。文章针对化工类企业环境风险特征对次生环境污染进行了系统研究,分析了安全生产事故与环境风险的相互关系,建立了一套次生污染识别方法,并以南京化工园区硝基苯生产装置爆炸和二甲苯储罐泄漏为例,综合考虑直接风险与次生风险的发生概率、当量,确定了风险源等级,鉴别对环境有潜在威胁的风险源,为化工园区的次生环境风险的监控和防范提供了依据。     

危险区域安全监视预警多媒体计算机系统的设计与实现

提出了一种危险区域安全监控的新方法。其特点是利用多媒体计算机技术将数字化视频、危险源参数采集和预警系统溶为一体。介绍了重点解决的问题——视频图像和动态采样数据同屏显示、布点显示、数据综合处理、异常视频图像的存储和报警等以及在油库装卸区的应用。     

基于IPSO-DE-MH算法的突发水污染事件预测模型参数识别

预测模型是有效应对突发水污染事件的前提与基础。为了提高预测模型的准确性,提出了一种新的参数识别方法。首先从反问题与贝叶斯估计的视角构建突发水污染事件预测模型;然后在Metropolis-Hastings抽样方法的基础上,引入混沌理论、粒子群算法、微分进化算法等的思想,设计了一种新的参数识别方法,即IPSO-DE-MH算法;最后通过数值分析验证所设计方法的有效性和准确性。结果表明:新方法能较好地识别模型参数,为突发事件应急预测模型的快速构建提供了新思路。     

基于贝叶斯模型的地下水风险源污染概率估计方法研究

我国地下水环境风险源点多面广,但风险源周边地下水监测水平较低,尤其是在单个监测点指标异常时,监测数据异常值的来源及风险源造成污染概率的判定方面存在较大不足.为了解决此类问题,提出了基于贝叶斯模型的地下水风险源污染概率估计方法,并以石家庄市某工业集聚区下游一个农灌井中Cr6+含量和CHCl₃含量异常事件为研究案例,计算了指标异常来源于工业集聚区内8个风险源的污染概率.结果表明:①通过结合风险源的建成时间、废水排放量等软数据及对流弥散方程,优化先验概率、似然度以及后验概率求解方法,提出了基于贝叶斯模型的地下水风险源污染概率估计方法.②该工业集聚区下游农灌井中Cr6+含量和CHCl₃含量异常事件的案例应用结果显示,Cr6+含量异常来源于S6风险源的后验概率为76.2%,即Cr6+含量异常最有可能由某无机盐制造业污染源造成;CHCl₃含量异常来源于S1和S3风险源的后验概率分别为32.7%和23.6%,监测点CHCl₃含量异常最有可能由一个或两个化学农药制造业污染源造成.研究显示,建立的地下水风险源污染概率估计方法初步解决了监测数据不足时指标异常的来源识别问题,可用于未开展详细调查前地下水污染来源的快速锁定,也可使后期的地下水污染调查更具有针对性,对地下水污染风险防控具有重要科学意义.      

不同建议分布MCMC算法在地下水污染源反演识别中的对比研究

为了探究正态分布、均匀分布和随机游走三种不同建议分布的MCMC算法对地下水污染源反演识别结果的影响,并遴选出最优的建议分布.本文根据假想案例建立了污染质运移模拟模型及基于Kriging方法的替代模型,并建立了基于正态分布、均匀分布和随机游走三种建议分布的MCMC算法以反演识别地下水污染源的释放历史.结果表明,针对本文算例,以均匀分布为建议分布的MCMC算法具有反演精度高、稳定性好、收敛速度快等优点,最为适合作为本研究案例的建议分布进行地下水污染源反演识别研究.