漳州市民车牌选号趋于理性

2月20日下午,龙岩市安监局召开局党组扩大会议,传达学习胡锦涛总书记来闽视察重要讲话精神。通过学习中共福建省委《关于认真学习贯彻胡锦涛总书记在福建考察时的重要讲话精神的通知》、龙岩市委常委扩大会议精神和《闽西日报》相关报道,     

省安监局、福建煤监局认真传达学习贯彻胡锦涛总书记在福建考察时的重要讲话精神

2月21日下午,福建省安监局局长、福建煤监局局长陈炎生主持召开两局传达学习贯彻胡锦涛总书记视察福建重要讲话精神大会。两局机关全体干部职工、直属事业单位中层以上领导干部约100人参加了大会。     

基于光纤传感探测的直升机修理异常振动源定位研究

目的 针对直升机异常振动故障排除,对振动源进行检测,并分析振源频谱,准确定位异常振动源,指导振动源调整,并对调整情况进行检测,提升直升机异常振动排故效率。方法 结合光纤传感器的振动检测特性应用分析,开发一套基于光纤传感探测的直升机修理异常振动源定位系统,实现直升机的振动源动态监控。结果 识别了直升机的主要振动源,分析统计了振动源频率,梳理了直升机试车、试飞典型振动故障,研究了光纤振动传感器感知被测量的实时调制方法和信号调制的光波解调方法,结合应用需求对市场上成熟的分布式光纤传感系统进行了优化设计,采用深度学习技术,对后端数据处理平台软件进行了重新设计。结论 通过有针对性地创建识别模型库,并对模型库进行实际样本训练,模型准确率可达到66.37%。     

面向石化厂区安全风险防控的异常场景图像识别技术研究

针对石化厂区安全风险防控的需求,提出了一种基于卷积神经网络的单分类图像识别算法。为了构建识别模型,首先创建了一个带标签的厂区火灾、烟雾图像数据集用于模型的训练。其次,通过特征提取及分类器模块,实现了对视频监控异常场景的识别。此外,设计了一种全新的损失函数,以增强异常场景识别能力。该算法采用端到端的网络架构,解决了传统目标检测方法的结构臃肿、计算复杂等问题,减少了模型的复杂程度,弥补了现有视频监控资源利用场景的不足,进一步提高了厂区风险识别能力。实验结果表明,所提出的单分类视频监控图像识别算法在准确率等方面优于现有算法。     

基于强化学习布谷鸟搜索算法的应急无人机路径规划

无人机可以在灾后救援中分析灾情,搜寻人员,提高救援的效率。为保证无人机在受灾区域的飞行安全,建立了较为全面的路径模型并提出了高效的求解算法：考虑路径长度、风险成本、高度成本和平滑程度四个指标,建立应急无人机路径规划模型;提出一种基于强化学习的布谷鸟搜索算法对模型求解。实验结果表明：提出的模型和算法能够更加有效地解决应急场景下的无人机路径规划问题,提升无人机在受灾区域飞行的安全性,为应急管理决策者规划出高质量的无人机救援路线。     

基于深度学习的建筑破坏状态智能评估研究

地震发生后需要对震害区域建筑物破坏等级进行快速评估,以便于震后辅助决策和应急救援。通过分析建筑物外立面震害照片数据,挖掘不同建筑破坏等级与其立面图像特征潜在的映射关系,建立基于震害图像数据的建筑破坏状态智能评估深度学习方法,并应用于都江堰的地震调查数据。首先,训练获得了DeeplabV3+图像语义分割深度神经网络模型,实现在震后复杂背景下的建筑物外观整体的分割提取。进一步,利用迁移学习进行ResNeXt网络参数训练用于图像分类,实现建筑物地震破坏等级的评估。分析了都江堰地震现场调查数据,实验结果表明,所提方法能够较精细地将建筑破坏划分为基本完好、损坏和倒塌三类,准确率达到90.33%。评估模型可直接应用于震后建筑状态的较精细评估,且对外立面图像拍摄角度无较高要求,对图像背景鲁棒,可避免环境因素影响。相较于人工判断,研究方法提高了工作效率,缓解了调查者主观性判断带来的离散性影响,具有良好的应用潜力。     

坚决打赢全民安全生产监督战

江苏安全生产12350电话正式上线,标志着我省安全生产有奖举报有了统一的平台。安全生产事关人民群众生命财产安全,事关改革发展稳定大局,事关党和政府形象声誉。习近平总书记在中央政治局第十九次集体学习时强调:“要坚持群众观点和群众路线,坚持社会共治——筑牢防灾减灾救灾的人民防线。”从群众中来,到群众中去。我们的安全生产工作,同样需要遵循这个领导方法和工作方法。安全生产工作只有贴近群众、依靠群众,才能取得安全生产形势的根本好转,才能更好地维护好和谐稳定的社会环境。     

推进应急管理体系和能力现代化——习近平总书记重要讲话给江苏应急管理战线干部以极大鼓舞

习近平总书记在中共中央政治局第十九次集体学习时强调:充分发挥我国应急管理体系特色和优势,积极推进我国应急管理体系和能力现代化。学习习近平总书记的重要讲话精神,给我省应急管理战线广大干部以极大鼓舞。     

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。     

基于深度学习算法的叉车危险操作行为检测

随着物流仓储行业快速发展及叉车数量的不断增多,针对叉车作业过程中存在的人员碰撞、挤压、坠落等潜在风险,迫切需要对危险行为进行及时检测和预警。为解决人员值守易漏报误报及传统方法检测精度低的问题,建立基于图像特征识别的叉车检测深度学习模型和算法。通过采集、处理现场视频图像素材,完成模型的训练及性能评价,建立相应的报警规则和报警阈值,搭建测试环境并进行仿真测试,开发相应的软件系统。结果表明:模型检测速率为130 ms/帧,人员靠近叉车准确率为85.6%,叉车举升人员准确率为83.7%,达到良好的实践效果。