基于人工智能的厂区安全事故检测方法、系统及相关产品与流程

本申请涉及计算机辅助生产安全管理，具体地，涉及一种基于人工智能的厂区安全事故检测方法、系统及相关产品。

背景技术：

1、随着船舶企业生产力的提升，生产施工安全越来越受到企业的重视。作为就业密集型制造业，为了提高企业生产施工的安全性，造船行业在不断完善自身的安全管理制度。生产施工的宗旨是只有保证安全才能开始生产，开始生产则必须确保安全。在生产施工过程中，即使在全力做好预防措施的情况下，仍然可能发生事故。事故往往在一瞬间发生，企业管理者要利用各种技术手段，第一时间找到事故发生点，了解整体情况和解救伤员，尽量减小损失。

2、现行的管理方法分为两大类，第一种为事故当事人呼救或报警。现场巡查人员呼救或报警，等待救援；监控室值班人员巡视视频监控画面，发生异常情况，呼叫巡查人员前往核查，确认事故后呼救或报警。第二种为利用基于人工智能(ai)的机器视觉识别技术，识别诸如有色烟雾、红色或蓝色火焰、人员倒地姿态、人员聚集行为等。

3、现有技术存在如下缺陷：针对第一种管理方法，事故当事人、巡查人员、监控室值班人员对待事故时都依赖于各方对人的视觉、听觉和嗅觉的敏感性，三类人的应变能力、心理状态、负责态度及地理位置均会影响事故从发生到发现的时长。事故地点的定位依赖手机等智能装备确定，在层层传达时会发生偏差，不够准确、精确、及时。监控室值班原依赖于视频监控系统，需要布置大量摄像机以覆盖企业的广大厂区，值班员面对数量众多的摄像机，巡视时间较长，工作负荷较大，发现事故的时间滞后，甚至会错过发生事故的画面。针对第二种管理方法，企业运维人员需要关注摄像机角度的朝向，避免摄像机被遮挡。大范围厂区需要布置较多数量的摄像机，摄像机提供足够清晰度的画面至人工智能以进行视觉识别。这就要求人工智能的后台硬件扩大到足够的容量，提高了使用成本。此外，较大厂区夜间路灯亮度远低于白天阳光亮度，导致摄像机拍摄的画面较暗，人工智能识别功能基本无法发挥作用。

技术实现思路

1、本申请的目的是提供一种基于人工智能的厂区安全事故检测方法、系统及相关产品，能够在第一时间获取厂区现场情况，通过人工智能或人工辅助的方式对是否发生事故进行判定。

2、为了实现上述目的，本申请采用以下技术方案：

3、一种基于人工智能的厂区安全事故检测方法，包括：获取厂区内的声音信息，所述声音信息包括声音频率和与所述声音频率对应的声源位置；获取所述声源位置的厂区现场画面；对所述厂区现场画面进行事故识别与判定，根据判定结果决定是否发出警报。

4、在一些实施方式中，获取厂区内的声音信息，所述声音信息包括声音频率和与所述声音频率对应的声源位置的步骤，包括：获取在厂区内不同位置安装的若干收音终端在厂区内的物理位置；通过不同所述收音终端获取相同所述声音频率的时间差与声速计算得到所述声源位置与不同所述收音终端的距离，根据所述声源位置与不同所述收音终端的距离计算得到所述声源位置。

5、在一些实施方式中，获取厂区内的声音信息，所述声音信息包括声音频率和与所述声音频率对应的声源位置的步骤，包括：获取厂区内在不同时间段的噪音频率以及噪音位置。

6、在一些实施方式中，获取厂区内的声音信息，所述声音信息包括声音频率和与所述声音频率对应的声源位置的步骤，包括：对所述收音终端在不同时间获取的所述声音频率进行去噪，得到在同一时间段大于所述噪音频率的所述声音频率。

7、在一些实施方式中，获取所述声源位置的厂区现场画面的步骤，包括：获取在厂区内不同位置安装的若干摄像机的物理位置，向距离所述声源位置小于第一设定距离的所述摄像机发送指令，以转向并拍摄所述声源位置的厂区现场画面。

8、在一些实施方式中，获取所述声源位置的厂区现场画面的步骤，包括：获取在厂区内布置若干无人机并获取所述无人机待命状态时的物理位置，向距离所述声源位置小于第二设定距离的所述无人机发送指令，以起飞并拍摄所述声源位置的厂区现场画面。

9、在一些实施方式中，对所述厂区现场画面进行事故识别与判定，根据判定结果决定是否发出警报的步骤，包括：以人工智能系统与人工辅助结合的方式对现场视频进行事故识别与判定，根据人工辅助判定的结果决定是否发出警报。

10、在一些实施方式中，对所述厂区现场画面进行事故识别与判定，根据判定结果决定是否发出警报的步骤，包括：将所述人工辅助判定的结果输入所述人工智能系统进行校正，使所述人工智能系统进行深度学习；以人工智能系统对现场视频进行事故识别与判定，并根据判定结果决定是否发出警报。

11、本申请第二方面提供了一种基于人工智能的厂区安全事故检测系统，包括收音模块、拍摄模块、分别与所述收音模块和所述拍摄模块连接的分析处理模块；所述收音模块，其包括多个收音终端，用于获取厂区内的声音频率并将所述声音频率上传至所述分析处理模块；所述分析处理模块根据不同所述收音模块接收所述声音频率的时间差和声速计算得到声源位置；所述拍摄模块用于拍摄所述声源位置的厂区现场画面并上传至所述分析处理模块，所述分析判定模块对所述厂区现场画面进行事故识别与判定，根本判定结果决定是否发出警报。

12、本申请第三方面提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序，以使所述计算机设备执行本申请第一方面所述的检测方法。

13、与现有技术相比，本申请的有益效果：

14、本申请提供了一种基于人工智能的厂区安全事故检测方法、系统及相关产品，由于船舶制造业的高发性事故通过会伴随巨大且异常的声音出现，本申请通过获取厂区内的声音信息快速定位可能发生事故的声源位置，拍摄获得该声源位置的厂区现场画面，为事故判定第一时间提供资料。对厂区现场画面进行事故识别与判定，根据判定结果决定是否发出警报。本申请提供的技术方案能够在第一时间获取事故现场情况，通过人工智能或人工辅助的方式对是否发出事故进行判定，可有效降低事故造成的损失。

技术特征：

1.一种基于人工智能的厂区安全事故检测方法，其特征在于，包括：

2.如权利要求1所述的检测方法，其特征在于，获取厂区内的声音信息，所述声音信息包括声音频率和与所述声音频率对应的声源位置的步骤，包括：

3.如权利要求2所述检测方法，其特征在于，获取厂区内的声音信息，所述声音信息包括声音频率和与所述声音频率对应的声源位置的步骤，包括：

4.如权利要求3所述的检测方法，其特征在于，获取厂区内的声音信息，所述声音信息包括声音频率和与所述声音频率对应的声源位置的步骤，包括：

5.如权利要求2所述的检测方法，其特征在于，获取所述声源位置的厂区现场画面的步骤，包括：

6.如权利要求5所述的检测方法，其特征在于，获取所述声源位置的厂区现场画面的步骤，包括：

7.如权利要求1所述的检测方法，其特征在于，对所述厂区现场画面进行事故识别与判定，根据判定结果决定是否发出警报的步骤，包括：

8.如权利要求7所述的检测方法，其特征在于，对所述厂区现场画面进行事故识别与判定，根据判定结果决定是否发出警报的步骤，包括：

9.一种基于人工智能的厂区安全事故检测系统，其特征在于，包括收音模块、拍摄模块、分别与所述收音模块和所述拍摄模块连接的分析处理模块；

10.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序，以使所述计算机设备执行如权利要求1至8任一项所述的检测方法。

技术总结本申请提供了一种基于人工智能的厂区安全事故检测方法、系统及相关产品，其包括获取厂区内的声音信息，所述声音信息包括声音频率和与所述声音频率对应的声源位置；获取所述声源位置的厂区现场画面；对所述厂区现场画面进行事故识别与判定，根据判定结果决定是否发出警报。由于船舶制造业的高发性事故通过会伴随巨大且异常的声音出现，本申请通过获取厂区内的声音信息快速定位可能发生事故的声源位置，拍摄获得该声源位置的厂区现场画面，为事故判定第一时间提供资料。申请提供的技术方案能够在第一时间获取厂区现场情况，通过人工智能或人工辅助的方式对是否发出事故进行判定。技术研发人员：嵇筱焘,施隽,李振华,张佳豪,金惠受保护的技术使用者：江南造船（集团）有限责任公司技术研发日：技术公布日：2024/5/29