基于改进YOLOv5s的综采工作面人员检测算法

为了智能监控井工煤矿综采工作面危险区域人员闯入和安全帽佩戴问题，避免监控视频受粉尘干扰、光照不均等因素影响图像检测精度的问题，提出一种基于改进YOLOv5s的目标检测算法(简称YOLOv5s-DPE),并建立相关模型。首先，在颈部网络部分，采用深度可分离卷积(DwConv)替换普通卷积，降低参数量和计算量；然后，引入改进的路径聚合网络(PANet)提升特征提取能力，替换边界框损失函数完全交并比(CIOU)为有效交并比(EIOU),提升检测准确率；最后，选取综采工作面视频中的人员图像进行检测，选取煤矿井下人员闯入和安全帽佩戴监控视频作为检测数据集，并进行训练和验证。结果表明：对比初始YOLOv5s算法模型，YOLOv5s-DPE算法模型的参数量下降14.2%,浮点数计算量下降7.6%,算法网络模型大小下降12.5%,均值平均精度(mAP)@0.5提升到93.7%,mAP@0.5∶0.95提升到65.8%,YOLOv5s-DPE模型对小目标检测效果更好，误检漏检等情况有所减少。     

基于深度学习的污染场地作业人员着装规范性检测

为解决污染场地修复作业中缺乏统一的人员安全保障管理措施以及人工监管困难的问题，结合HSE理念提出1种基于优化Faster R-CNN的作业人员着装规范性检测算法。该方法在回归损失函数中引入L2正则项，既保证模型的泛化能力，又提高深层网络模型收敛速度。基于自建着装规范数据集（Dress Code Dataset）进行实验，评价算法检测时间和mAP等指标。结果表明:所提出的着装规范性检测算法检测时间为44 ms，mAP为88.17%，解决了传统检测算法中实时性和准确率低的问题，且模型具有更好的泛化性和鲁棒性。     

基于差分GPS定位的叉车考试系统研究

设计的叉车考试系统,根据安装于叉车上的差分GPS接收机获取当前叉车位置信息,通过检测主板检测叉车各种动作信息,通过身份证阅读器对考试人员身份确认,最终车载工业电脑通过评判软件结合叉车位置信息及动作信息综合评判考试人员的考试成绩。系统操作简单,避免了人为干扰因素,更加安全可靠。     

输气站场人员“意图+轨迹”早期智能风险预警

为防止输气站场无关人员闯入作业区造成事故，提前预判人员可能的位置，提出一种融合人员行进意图和轨迹的人员位置早期智能预判方法，建立基于机器视觉的输气站场人员行动“意图+轨迹”早期智能风险预警模型；在收集人员行动图像的基础上，通过方向梯度直方图(HOG)提取人员头部方向特征，利用支持向量机(SVM)分类器分类识别头部方向，分为正常直行、观望中直行、意图转弯3种行进意图，根据头部方向初步判别其行进意图以预判行进方向；对识别出人员意图转弯的情形进行持续追踪，结合卡尔曼滤波算法预测人员短时行进轨迹，从而实现对不同风险情景的预测，达到分级早期预警的目的。研究结果表明：该方法辨识行人意图准确率为90.79%,预测与实际轨迹曲线间相关系数r₁为0.994 84,r₂为0.993 43,两者高度相关，准确率较高，能够实现输气站场无关人员闯入的早期智能监管。     

林火报警图像中火源点确定方法研究

通过分析早期森林火灾烟雾图像的运动特征,提出了一种基于数字图像处理技术的森林火灾火源点确定方法。通过对早期报警图像RGB模型进行分量提取并各自直方图均衡化,获得了其中烟雾区域和背景区域的灰度特征,进而根据烟雾区域的连通性选用区域生长法则,分割出独立的目标图像,最终使用深度优先搜索算法遍历整个烟雾区域,确定其最低像素点,即火源点,完成林火的自动定位。结果表明,此种定位方法的准确率达到90.8%。     

优化Swin Transformer的塔式起重机销轴安全状态识别算法

为减小塔式起重机运行安全隐患，提高机器视觉检验销轴连接状态的准确率，提出一种优化Swim Transformer的塔式起重机销轴安全状态识别算法；首先通过采集工地现场塔式起重机销轴安全状态图像，创建数据集；其次对数据集中销轴安全状态分类，并进行独热编码；然后基于Swin Transformer算法，建立销轴安全状态的识别模型，构造和优化损失函数；再运用AdamW优化器更新梯度，经过1 000次训练迭代后得到最终模型；最后在所创建的销轴图像数据集上，进行试验验证。结果表明：所提优化算法提高了塔式起重机销轴安全状态识别能力：准确率为99.4%、平均精度为99.4%,平均召回率为99.4%,平均特异度为99.6%,呈现出良好的分类和泛化能力；同时明显优于ShuffleNet、DenseNet和EfficientNet等3种典型算法；与原Swin Transformer算法相比，准确率也提高了3.6%。     

基于YOLOv3的电网作业人员安全帽佩戴检测

为了有效监测电网作业人员不规范佩戴安全帽行为,提出1种基于YOLOv3的电网作业现场安全帽佩戴检测方法。针对安全帽佩戴规范性问题,构建正确佩戴、不正确佩戴和未佩戴安全帽3种情况下的图像样本库;并利用该数据库对YOLOv3模型进行训练与测试,结合模型参数、样本比例及算法对比分析,开展电网作业人员安全帽佩戴检测算例。结果表明:YOLOv3模型检测精度能够达到92.59%,同时模型每秒可检测15张图片,在复杂作业场景下能够实现有效检测,可为避免电网作业人员安全隐患提供技术参考。     

基于智能手机采集数据的施工活动识别

施工人员的活动监控对施工安全管理及预防职业疾病至关重要。为提升施工安全的智能化管理水平,对楼板钢筋工程施工中的8个主要活动进行识别。为弥补单一传感技术采集维度不足的缺陷和集成传感技术对系统灵活性的限制,采用智能手机内置加速度传感器和陀螺仪采集试验人员模拟施工人员活动时的加速度和倾角数据,并提取平均值、标准差、协方差、四分位距(IQR)为活动的特征矢量。通过决策树中的CART算法建立分类训练模型,采用“交叉验证法”对模型进行评估和验证。测试结果表明:对于样本个体的平均分类准确率为95.28%,预测准确率为92.86%;样本总体的分类准确率为89.67%,预测准确率为94.82%。研究表明,基于智能手机采集数据的决策树模型可以用于施工人员的活动识别。     

基于VPL的输油管道实时泄漏检测系统

针对现有管道泄漏检测技术在管道微小泄漏检测和油品泄漏损失计算方面存在的不足,基于流体动力学和容量守恒原理,开发基于VPL（Visual Pipeline）的输油管道实时泄漏检测系统。建立管道模拟平台,通过组态编辑器、图像界面、管道工作室和SCADA 接口,开展输油管道实时泄漏检测、定位与分析,实现管道实时泄漏检测、报警,以及泄漏量的定量计算。现场测试结果显示,所开发的输油管道泄漏检测系统最小泄漏检出率为0.7%,泄漏点定位精度为96.96%,泄漏量计算准确率为94.42%。研究结果表明:基于VPL的输油管道实时泄漏检测系统漏报、误报率低,检测定位精度较高,尤其对于微小泄漏优势明显;同时,该系统能够实时定量计算油品泄漏损失,可以用于输油管道泄漏检测与应急辅助决策。     

基于HMM和DT的无人机异常检测方法*

为了实时检测无人机异常状态，提出基于隐马尔可夫模型(Hidden Markov Model,HMM)和决策树(Decision Tree,DT)的无人机异常检测方法(HMMDT)。首先根据异常致因将无人机异常分为干扰异常和硬件异常；然后结合HMM和DT建立无人机异常检测模型，定义无人机异常度衡量异常状态的严重程度，确定其阈值作为异常分类标准；最后用经纬600pro型无人机进行实操验证，该方法异常检测召回率达92.9%，准确率达97.2%;对硬件异常的识别准确率达88.2%。结果表明:与传统异常检测方法相比,该方法在可以满足无人机实时异常检测需要的同时，具有较高的检测准确率和较小的时间复杂度。     

叉车用安全装置的开发

以机械设备为起因的工伤事故中,叉车事故比较常见。首先介绍了日本国内叉车事故的分类统计数据,从硬件设备方面,概述了叉车减灾的主要措施,针对驾驶员在行驶中将肢体伸出驾驶仓外时易发生冲撞或挤压事故的情况,提出了基于光幕及激光扫描器的驾驶员肢体伸出仓外的监控方法。然后根据叉车的不同刹车性能指标,探讨了如何设定检测领域大小的问题。对蓄电池式1.5t叉车进行的实验表明,在检测系统能直接控制刹车的情况下,我们提出的方法是行之有效的。     

基于SSD网络的电梯内电动自行车检测研究*

为减少因电动自行车违规操作而造成的消防安全事故,杜绝电动自行车进电梯的违规行为,基于深度学习SSD目标检测网络,使用VGG16、EfficientNet、MobileNet 3种主干网络,研究SSD网络对电梯内电动自行车检测的可行性,分析比较3种网络的检测效果,并提出基于双摄的检测方法,进一步提高电梯场景下检测准确度,减少误检误报警。研究结果表明:SSD检测网络对电梯内电动自行车检测效果良好,其中SSD_MobileNet网络更适用于工业领域,双摄检测方法的检测准确率均大于90%。     

机场旅客行李托运差异化安检模式安全性研究*

为减少因违禁物品托运引发的不安全事件,基于原有安检模式,提出行李托运差异化安检模式,结合搜索-决策检查模型,建立系统错误报警及错误通过率公式,得到行李托运安检系统准确度-速度变化规律。结果表明:差异化安检模式一方面提高系统安全性,另一方面提升安检效率,节约安检资源。研究结果可为机场调整安检策略提供参考。     

考虑从众阈值和主体特征的人群疏散元胞自动机模型*

为研究从众行为对人群疏散效率的影响,建立考虑从众阈值和主体特征的人群疏散元胞自动机模型,通过引入从众阈值反映人群中不同个体的从众选择程度,耦合每个主体不同特征属性、不同人员认知能力导致的疏散从众选择差异,利用元胞自动机模拟人群运动状态及动态演化过程,探究从众行为对人群疏散过程的作用规律。结果表明:人群疏散中选择从众行为的人员比例与整体疏散效率存在对应关系,本模型原始工况下,当人群中约60%的人员做出从众选择时,疏散效率相对最优。     

北京市乘务管理员安全胜任特征模型构建研究

为探究北京市乘务管理员安全胜任特征，基于已有胜任特征模型，通过查阅文献、分析乘务管理员职责、结构式访谈等方式获得乘务管理员安全胜任特征。在此基础上设计调查问卷并大规模发放，建立北京市乘务管理员安全胜任特征模型，利用结构方程模型验证乘务管理员安全胜任特征模型的有效性。研究结果表明:模型分为总体胜任力层次、公共因子层次、具体胜任特征层次。模型信度较高且数据与模型拟合较好，证明乘务管理员安全胜任特征在专业能力、安全素质、应变能力、发展潜力4个方面的相关程度最高。     

基于数字锁相技术的飞机货舱火灾烟雾光学参数方法研究*

为解决飞机货舱火灾光学探测易受环境杂光和空气中灰尘、水汽干扰,误报率高的问题,提出1种基于数字锁相的双波长火灾烟雾探测方法。利用数字锁相技术调制双波长光源,选择性地提取微弱光散射信号,并设计前、后双向散射光探测光路。采用常见火灾材料及干扰源进行真假火源实验,依据米氏散射理论及不同粒径气溶胶颗粒对不同波长光的散射效应差异,以不对称比（AR）和双波长光强比（DWIR）作为火灾检测参数对不同粒径颗粒进行区分,根据2种火灾检测参数建立数据样本,利用BP神经网络进行分析,并加入复合式传感器实验作为对比。研究结果表明:基于数字锁相技术的火灾烟雾光学探测方法能够在一定程度上区分火灾烟雾和干扰源,误报率小于3.5%。     

基于BP神经网络的受限空间火灾联合探测方法

针对航空受限空间火灾探测高误报的问题，在现有技术成果基础上对多种火灾探测方式进行研讨，并提出1种基于BP神经网络技术的飞机机身内部受限空间火灾联合探测报警方法。该方法结合现有烟雾感应、气体传感器探测等常用火灾探测技术，以红外热成像探测为辅助手段，采用神经网络实现数据融合，对模拟实验舱火灾烟雾进行联合探测，在单一火灾探测方式基础上提高了探测准确率。