贺州市实施“123工程”推进“打非治违”行动

本刊讯(通讯员宁光云)贺州市在组织开展安全生产"打非治违"专项行动中,通过认真实施"123工程"(一个统一、两个明确、三个结合"),扎实有效地推进了"打非治违"专项行动的深入开展,取得了阶段性成果。"一个统一":就是把全市干部职工和广大人民群众的思想集中统一到全国、全区、全市开展"打非治违"专项行动上来。该市根据国务院、自治区的部署和要求,全市各级各部门各单位及时召开了专项行动动员会,迅速传达贯彻和组织学习有关文件和会议精神,认真     

电监会全面学习贯彻《通知》

本刊讯 8月10日,国家电监会在京召开学习培训会议,集中学习《国务院关于进一步加强企业安全生产工作的通知》（以下简称《通知》）精神,深入分析当前电力安全生产存在的问题和风险,要求全面加强电力安全生产和监督管理工作。     

YOLOv4目标检测算法在煤矿工人口罩佩戴监测工作中的应用研究*

为防止煤矿工人吸入过量粉尘而导致职业性尘肺病,基于Keras框架利用YOLOv4 (you only look once)目标检测算法对井下人员佩戴防尘口罩情况进行高精度且快速的检测与识别,并与MTCNN(Multi-task convolutional neural network)和FaceNet构成的人脸识别算法相结合,进行煤矿工人口罩佩戴监测的研究。结果表明:模型对井下人员口罩佩戴有较高的检测精度,识别已佩戴口罩的矿井下作业人员的平均精度达到92.78%,识别未佩戴防尘口罩检测的平均精度为91.63%,与其他主流算法相比算法具有更好的鲁棒性和检测效果。研究结果为预防煤矿工人职业性尘肺病提供1种有效的技术手段。     

基于卷积神经网络的冲击地压预警方法研究*

为探究深度学习在冲击地压预警方面的应用前景,以新疆某冲击地压矿井为研究背景,将深度学习和专家评判运用到微震数据分析中,基于卷积神经网络构建冲击地压预警模型。充分利用一维卷积神经网络对时序数据有较强特征提取能力的优势,以微震数据及其特征参数作为输入,以专家评判值作为标签,借助Python-Keras框架实现冲击地压预警模型的构建和训练。研究结果表明:模型预警效果并不随着训练迭代次数的增加而逐渐最优,存在最优迭代次数,对于所建模型当迭代次数为30时测试集的冲击危险预测结果与专家评判结果基本吻合,同时说明模型可以较好地学习专家评判经验实现冲击地压预警。研究表明所建模型对研究时段内发生的5次大能量矿震事件均进行预警,其准确度较高,具有现场实际应用价值。     

提高履职能力 强化风险防控

吉林省安监局认真学习贯彻陈伦在省安监局调研时的重要讲话精神5月25日,省安监局召开党组(扩大)会议,学习讨论省委常委、省纪委书记陈伦到省安监局调研时重要讲话精神。省安监局党组书记、局长金华主持     

心系安全发展 推动监管创新——吉林省安监局党组理论中心组(扩大)学习研讨会召开

9月1日至2日,省安监局党组理论中心组(扩大)学习研讨会在长春召开。会议旨在学习贯彻落实胡锦涛总书记七一重要讲话精神和中央、省委关于加强和创新社会管理的重大决策部署,研究加强和创新安全监管工作的思路和措施。省安监局党组书记、局长金华出席会议并作中     

基于视频分析的空管员违规行为识别方法*

为利用视频数据对空管员违规行为进行智能化分析,降低不安全事件发生率,提出2阶段的违规行为识别模型（AR-ResNeXt）,基于实地调研构建空管员视频数据集,利用最小化动态多实例学习损失函数和中心损失函数,获得违规行为检测的判别特征表示,结合异常回归网络和ResNeXt网络,完成对空管员违规行为的时序区间检测与动作分类。研究结果表明:AR-ResNeXt模型在自制数据集中,其帧级AUC达到82.9%,分类准确率达到87.8%,可准确识别空管员发生违规行为的时序区间并进行分类,研究结果可为保障空中交通安全奠定基础。     

增强安全生产工作的实效性

胡锦涛总书记在中共中央政治局2005年3月27日下午进行第三十次集体学习会上强调指出,加强安全生产工作,关键是要全面落实安全第一、预防为主、综合治理的方针,做到思想认识上警钟长鸣、制度保证上严密有效、技术支撑上坚强有力、监督检查上严格细致、事故处理上严肃认真.新形势下的安全生产工作要按照这一要求,切实加大安全生产工作力度,积极探索增强安全生产工作针对性和实效性.     

基于深度学习的工程结构损伤识别研究进展

为避免或减轻工程结构在建造和运营期间因结构振动产生不同程度损伤,造成安全隐患危及人们生命财产安全,针对结构振动损伤识别技术展开研究,探讨不同深度学习方法发展情况及其利弊,寻找更具可行性的损伤识别方法,并对其最新研究及应用现状进行全面综述。研究结果表明:应用深度学习开发新的结构损伤识别技术,无需冗余的数据预处理以及手工提取损伤特征,实现以较高精度实现损伤识别任务;一维卷积神经网络（1D-CNN）以其独特的应用优势,在数据样本有限条件下较二维卷积神经网络（2D-CNN）表现更为出色。研究结果可为数据驱动的结构损伤识别问题提供新思路,进一步完善土木结构健康监测研究体系。     

安全生产新形势下 学习日本人如何抓安全生产

在我国,年复一年的安全生产事故让相关政府部门和国人伤透了脑筋。近年来,随着国家对安全生产的进一步重视,对人性化管理的强化以及尊重劳动者权益的进一步落实,各类相关安全生产事故发生频率呈下降趋势。近五年来,全国各地区、各部门和各单位坚决贯彻落实党中央、国务院的决策部署,始终坚持把安令生产作为深入贯彻落实科学发展观的重要内容,紧紧抓住影响和制约安全生产工作的突出矛盾和问题,强化管理和监督,