[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

本發明公開一種基于深度學習的自動化隱患場景識別方法及系統，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；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。本發明可實現隱患自動識別與場景歸類，減少隱患排查疏漏，提高生產安全。

技術領域

本發明屬于隱患排查技術領域，具體涉及一種基于深度學習的自動化隱患場景識別方法。

背景技術

當下，各企業的生產車間及庫房為企業創造了巨大的價值，但其隱藏的消防安全隱患也威脅著工人的人身安全和企業的財產安全。鍋爐房及生產車間安全隱患風險高，隱患檢查難度大一直是困擾人們的一大難題。

得益于近年來深度學習與大數據相關技術的快速發展，圖像檢測與自動化識別技術已應用到各個行業中，在消安防領域中，各種火災自動化檢測系統也得到廣泛應用。但在消防巡檢等場景復雜、專業性強的具體業務中，依然需要專業的巡檢員進行巡檢、巡查從而給出整改意見，然而一些消防隱患不易被發現，隱患檢查存在疏忽、漏檢等問題。

發明內容

有鑒于此，本發明提出了一種基于深度學習的自動化隱患場景識別方法及系統，用于解決人工排查難度大、易造成隱患疏漏等問題，便于隱患排查。

本發明第一方面，公開一種基于深度學習的自動化隱患場景識別方法，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。

優選的，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。

優選的，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。

優選的，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，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。

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。

優選的，所述方法還包括，巡檢人員或責任人對隱患整改后，重新獲取同一位置的隱患場景圖片進行隱患識別，更新疊加顯示的巡檢區域地圖。