基于深度学习的不安全因素识别和交互分析

为解决行为安全领域不安全因素识别和交互分析困难的问题,构建基于深度学习的不安全因素识别和交互分析模型。首先,从"人-机-环"3方面构建不安全因素识别层,分别采用不同的深度学习结构识别作业人员行为属性、工作环境场景和操作设备工作状态的不安全因素;然后,通过因素交互层,采用关联和回归多值算法完成对不安全因素的交互分析;最后,通过输出显示层实现分析结果的表征。以某煤矿综采、掘进、通风3个生产活动类别的视频音频数据为例,通过Matlab操作平台选取最优深度学习结构,进行模型交互分析。结果表明,用该模型能实现对采煤面空顶作业、喷浆机故障仍然加料、主要通风机异常响动未停机检查等不安全因素的识别和交互分析,完成不安全行为的描述以及风险分级、行为痕迹的分类。