[发明专利]一种全过程智能监测的动火作业闭环自动管控方法及系统

权利要求书

1.一种全过程智能监测的动火作业闭环自动管控方法，其特征在于，结合动火作业票、机器视觉技术和基于卷积神经网络的深度学习技术建立了t时刻动火作业安全损失函数，采用机器视觉技术检测动火产生的区域，采用行为识别深度学习模型判断t时刻动火作业行为种类，采用目标检测深度学习模型检测并分类危险源，最终计算得到t时刻动火作业的安全性度量；根据所建立的基于动火作业安全损失函数的动火作业闭环管控规则，发送动火作业终止或继续的指令，从而完成动火作业闭环自动管控；

所述t时刻动火作业安全损失函数，用于度量动火作业安全性；t时刻动火作业安全损失函数为：

其中，l(t)为t时刻动火作业发生的位置，γ为动火作业票所标定的动火作业区域的位置，h(t)为t时刻动火作业行为种类，η为动火作业票所标定的动火作业行为种类，w_i为危险源的权重，i为危险源等级，s_i(t)为t时刻监测范围内动火作业区域距离第i等级危险源的距离，τ₁,τ₂为动火作业票所标定的动火作业起始和终止时刻，α₁,α₂为损失权重；动火作业安全性随动火作业安全损失函数值递减而递增；

根据基于动火作业安全损失函数的动火作业闭环管控规则进行t时刻动火作业管控：

当E(t)ε时，立即终止t+1时刻的动火作业；

否则，动火作业继续发生，计算E(t+1)；

至此，完成了t时刻动火作业的闭环管控。

2.根据权利要求1所述的一种全过程智能监测的动火作业闭环自动管控方法，其特征在于，所述i为危险源等级，共分为4级危险源，危险源的权重分别为：

w₁＝1，w₂＝0.7，w₃＝0.6，w₅＝0.5。

3.根据权利要求1所述的一种全过程智能监测的动火作业闭环自动管控方法，其特征在于，采用基于光学特征的动火种子点选择及随机游走方法，检测t时刻动火发生位置：

光学特征1：信道方差特征计算为：

其中，V_r(x)，V_g(x)，V_b(x)为x点处光学信息中红、绿、蓝信道的方差，I_r(x)为x点处红色信道光强度，I_g(x)为x点处绿色信道光强度，I_b(x)为x点处蓝色信道光强度；

光学特征2：红色信道全局对比度特征计算为：

其中，C_r(x)为红色信道全局对比度特征，I_r(x)为x点处红色信道光强度，I_r(y)为环境中任意一点处红色信道光强度，I_r为环境光学信息红色信道分量；

动火种子点选择原则：

取前k个最大值，其所对应的点组成种子点集合ξ；

根据种子点集合ξ采用随机游走模型获取完整的动火区域，建立该动火区域的最小外接矩形，标记该矩形的中心点为动火发生位置l(t)。

4.根据权利要求1所述的一种全过程智能监测的动火作业闭环自动管控方法，其特征在于，结合动火发生位置l(t)，采用行为识别深度学习模型判断t时刻动火作业行为种类；

设计以动火发生位置l(t)为中心半径为σ的成像区域作为动火作业行为的发生区域s(t)；

构建典型动火作业图像数据库，输入行为识别深度学习模型进行训练，采用训练后的行为识别深度学习模型实现对t时刻在动火作业行为发生区域内动火作业行为种类的分类。