[發明專利]一種基于深度學習的鉆井現場危險區域預警系統構成方法

有效

• 申請號: 202010135095.3
• 申請日: 2020-03-02
• 公開（公告）號: CN111341068B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 緱柏弘;盧月勝;來建強
• 申請（專利權）人: 北京四利通控制技術股份有限公司
• 主分類號: G08B21/02
• 分類號: G08B21/02
• 代理公司: 北京市盛峰律師事務所 11337
• 代理人: 于國強

一種基于深度學習的鉆井現場危險區域預警系統構成方法，包括視頻采集模塊、視頻智能識別模塊、危險分析模塊和預警模塊；由所述視頻采集模塊進行圖像采集，并傳輸進入所述視頻智能識別模塊；所述視頻識別模塊對采集的圖像進行人員識別，并將識別結果傳輸進入所述危險分析模塊；所述危險分析模塊判斷圖像內的人員是否位于危險區域，且鉆柱的旋轉狀態，判斷是否觸發所述預警模塊，進行預警。本發明所述的預警系統方便高效，能夠實現實時監測，提高了鉆井現場的智能化管理水平；可以實現對鉆臺危險區域人員靠近的自動預警，能夠極大提升監控效率，降低事故發生，對井隊安全生產起到促進作用。

技術領域

本發明涉及鉆井領域，尤其涉及一種基于深度學習的鉆井現場危險區域預警系統構成方法。

背景技術

鉆井現場對安全生產的要求日益嚴格，鉆柱正常旋轉過程可能會對靠近的作業工人造成人身傷害，屬于安全事故潛在發生場所。目前，鉆柱旋轉過程對其附近工人靠近行為的管控主要靠人工來實現，通過現場攝像頭將鉆臺附近的情況傳輸至監控室，通過專職人員查看的方式來監測，這種方法局限性很大，不能做到實時提醒，并且難以做到全天候監控。

發明內容

本發明的目的在于提供一種基于深度學習的鉆井現場危險區域預警系統構成方法，從而解決現有技術中存在的前述問題。

為了實現上述目的，本發明采用的技術方案如下：

一種基于深度學習的鉆井現場危險區域預警系統，包括視頻采集模塊、視頻智能識別模塊、危險分析模塊和預警模塊；所述視頻采集模塊連接所述視頻智能識別模塊，將采集到的鉆臺周圍的圖像傳輸進入所述視頻智能識別模塊；所述視頻智能識別模塊輸出端連接所述危險分析模塊，將識別結果傳輸給所述危險分析模塊；所述危險分析模塊輸出端與所述預警模塊進行電連接，當識別結果位于危險區域內，且鉆柱轉動時，觸發所述預警模塊。

優選的，所述視頻智能識別模塊、所述危險分析模塊和所述預警模塊均嵌入至NVIDIA Jetson XT2硬件平臺中。

優選的，所述視頻采集模塊通過所述NVIDIA Jetson XT2硬件平臺的接口連接所述視頻智能識別模塊。

優選的，所述危險區域預警系統通過所述NVIDIA Jetson XT2硬件平臺獲取鉆柱的旋轉狀態。

優選的，所述視頻采集模塊包括攝像頭。

一種基于深度學習的鉆井現場危險區域預警系統的方法，包括以下步驟：

S1、將視頻采集模塊安裝于鉆臺區域上端，采集所述鉆臺周圍的圖像并傳輸進入視頻智能識別模塊；

S2、所述視頻識別模塊中通過卷積神經網絡識別算法構建圖像檢測模型，通過所述圖像檢測模型對所述鉆臺周圍的人員進行檢測，并輸出人員識別序列和對應的目標區域矩形框，傳輸進入危險識別模塊；

S3、所述危險識別模塊將所述目標區域矩形框轉化為目標中心坐標點，并判斷所述目標中心坐標點是否位于預先設定的危險區域內，當鉆柱旋轉狀態下，有一個及一個以上的所述目標中心坐標點位于所述危險區域內，則觸發預警模塊，所述預警模塊發出警報聲音。

優選的，所述危險識別模塊通過NVIDIA Jetson XT2硬件平臺獲取所述鉆柱的旋轉狀態。

優選的，所述圖像檢測模型的創建方式為：收集所述鉆臺周圍的圖片，對其中的工人進行手工標注，并進行監督學習訓練，應用深度學習算法離線訓練出圖像檢測模型。

優選的，所述視頻識別模塊處理單幀圖像的處理速度為10fps。

優選的，所述危險區域以鉆柱為中心，寬度范圍為0.4倍攝像頭輸出圖像寬度，高度為攝像頭輸出圖像高度。