[發明專利]一種基于深度學習的自動化隱患場景識別方法及系統

在審

• 申請號: 202010946309.5
• 申請日: 2020-09-10
• 公開（公告）號: CN112101181A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 胡捷;董志勇;王秀;邱琳;趙鵬;朱小丹
• 申請（專利權）人: 湖北烽火平安智能消防科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00;G06Q10/06;G06Q50/04
• 代理公司: 武漢紅觀專利代理事務所(普通合伙) 42247
• 代理人: 李季

1.一種基于深度學習的自動化隱患場景識別方法，其特征在于，所述方法包括：

獲取一定數量的隱患場景圖片作為訓練樣本；

對所述訓練樣本中的隱患對象及隱患類型進行標注并保存；

建立深度學習模型，采用所述標注后的樣本訓練所述深度學習模型；

通過移動終端獲取帶時間戳和位置信息的待識別場景圖片，通過所述深度學習模型對待識別場景圖片進行識別，識別出隱患對象和隱患類型；

根據不同場景類型分類整理出的多級安全隱患缺陷，對隱患類型進行場景歸類，為隱患對象配置一個或多個隱患描述；

獲取巡檢區域地圖，將識別出的隱患對象的位置信息與所述區域巡檢地圖疊加顯示，生成隱患地圖并同步顯示。

2.根據權利要求1所述基于深度學習的自動化隱患場景識別方法，其特征在于，所述隱患對象為各類鍋爐設備、各類消防器材及其零部件，包括但不限于消防栓、滅火器、配電箱、水泵接合器、壓力表、水帶。

3.根據權利要求1所述基于深度學習的自動化隱患場景識別方法，其特征在于，所述對所述訓練樣本中的隱患對象及隱患類型進行標注的保存格式為隱患對象在圖片中的位置坐標+對應的隱患類型。

4.根據權利要求1所述基于深度學習的自動化隱患場景識別方法，其特征在于，所述根據不同場景類型分類整理出的多級安全隱患缺陷對隱患類型進行場景歸類具體為：

預先根據作業場所、辦公區域、設備設施、原輔料產品的不同分類整理出不同的一級安全隱患缺陷，根據一級安全隱患缺陷劃分二級安全隱患缺陷，為每個二級安全隱患缺陷配置一個或多個隱患描述，構建隱患的樹形級聯列表；

預先建立訓練樣本中各隱患類型與二級安全隱患缺陷的映射關系表；

根據所述映射關系表對識別出的隱患對象及隱患類型進行場景歸類。

5.根據權利要求1所述基于深度學習的自動化隱患場景識別方法，其特征在于，所述生成隱患地圖并同步顯示具體包括：

根據隱患緊急程度設置優先級，根據優先級采用不同的顏色標記隱患地圖的疊加位置，并在所述疊加位置顯示隱患對象圖片、時間戳、相應的隱患場景歸類和隱患描述，分別在移動終端和云平臺同步顯示所述隱患地圖。

6.根據權利要求5所述基于深度學習的自動化隱患場景識別方法，其特征在于，所述方法還包括，對隱患整改后，重新獲取同一位置的隱患場景圖片，并上傳至云平臺進行隱患識別，更新隱患地圖，將隱患位置標記為已處理，保存歷史隱患數據。

7.一種基于深度學習的自動化隱患場景識別系統，其特征在于，所述系統包括：

數據獲取模塊：用于獲取一定數量的隱患場景圖片作為訓練樣本；對所述訓練樣本中的識別對象及隱患類型進行標注；

模型訓練模塊：用于建立深度學習模型，采用所述標注后的樣本訓練所述深度學習模型；隱患識別模塊：用于通過移動終端獲取帶時間戳和位置信息的待識別場景圖片，通過所述深度學習模型對待識別場景圖片進行識別，識別出隱患對象和隱患類型；

場景歸類模塊：用于根據不同場景類型分類整理出的多級隱患類型對隱患對象進行歸類，為隱患對象配置多個隱患描述；

地圖顯示模塊：用于獲取巡檢區域地圖，將識別出的隱患對象的位置信息與所述區域巡檢地圖疊加顯示，并在所述疊加位置顯示隱患圖片、時間戳、相應的隱患描述，形成隱患地圖，分別在移動終端和云平臺同步顯示所述隱患地圖。