[发明专利]一种基于深度学习的交通围蔽沙盘模拟考核自动分析的方法

说明书

本发明公开了一种基于深度学习的交通围蔽沙盘模拟考核自动分析的方法，利用交通标志识别模型对沙盘模拟中安全标志的摆放是否符合规范进行分析判断，根据围蔽类型信息和底图对考核培训人员所摆放的标志类型，地点，数量进行分析与对比。利用本发明提出的考核自动分析方法自动判别考核培训人员的考核结果是否符合要求，帮助企业规范项目围蔽培训交底流程、缩短项目培训周期、预警项目风险，复用知识经验，使企业项目安全管理更具有系统性，从而实现企业项目运作能力的最大化。

技术领域

本发明涉及技术领域，尤其涉及一种基于深度学习的交通围蔽沙盘模拟考核自动分析的方法。

背景技术

在高速公路养护施工中，交通围蔽对于保证公路安全使用发挥着重要作用。高速公路维修施工应在保证车辆正常通行的情况下进行，除极特殊的情况外一般不采用全封闭的方式，大多数采用半封闭或封闭某个车道，进行维修施工工程，而交通封闭措施就成为维修施工正常进行，施工人员和通行车辆安全的基本保障。高速公路围蔽作业施工属于高危作业，需按规定设置规范的安全警示标志和安全防护设施。但由于施工劳务队伍安全管理水平参差不齐，作业区布设不规范、现场管理混乱等情况时有发生。

管理人员缺乏安全管理经验，不能有效指导、组织现场围蔽作业，出现作业区布设不规范、现场管理混乱等情况；现场劳务作业人员年龄偏大，整体素质不高，缺乏安全意识，导致现场安全教育培训、技术交底流于形式，不能真正起到查漏补缺，防患于未然的作用。在进场围蔽施工前临时进行，交底人水平参差不齐，交底内容容易出现遗漏，交底效果难以考核，造成安全交底往往流于形式，未起到安全保障的作用。对此采用了基于交通围蔽沙盘模型的培训系统和方法来对施工人员进行培训，而在这个过程中，缺乏一种可以对培训人员考核结果自动进行分析的方法。

发明内容

为解决上述问题，本发明提出了一种基于深度学习的交通围蔽沙盘模拟考核自动分析的方法。

一种基于深度学习的交通围蔽沙盘模拟考核自动分析的方法，利用交通标志识别模型对沙盘模拟中安全标志的摆放是否符合规范进行分析判断，包括以下步骤：

步骤一：交通围蔽沙盘模拟考核结束后，对摆放照片进行拍摄并上传；

步骤二：结合本次模拟的围蔽类型信息和所选用的底图，对底图中图标位置及图标类型进行分析；

步骤三：对上传的模拟考核照片中交通标志模型的类型和摆放位置进行分析；

步骤四：步骤二底图信息分析结果与步骤三考核照片分析结果进行比对，若考核照片分析结果与底图一致，则判定通过模拟考核；若考核照片分析结果与底图不一致，则判定交通标志摆放不符合要求，模拟考核不合格。

进一步，所述步骤四判定交通标志摆放不符合要求还包括对上传照片进行人工复核或重新上传照片进行考核。

进一步，所述步骤四分析对比指标包括：边框预测GloU(Generalized交并比)损失函数值，目标检测损失(loss)均值，分类损失(loss)均值，精度，召回率。

进一步，所述交通标志识别模型基于标准交通标志图片数据，还包括数据集采集处理与模型训练预测过程。

进一步，所述数据集采集处理包括以下步骤：

步骤S1：利用标准交通标志数据集中的交通标志图片数据生成交通围蔽沙盘模拟考核中的交通标志数据信息；

步骤S2：对生成的交通围蔽沙盘模拟考核中的交通标志数据进行数据增强；

步骤S3：采用labeling工具框选标注数据，整理出训练数据集和测试数据集。

进一步，所述数据增强包括计算机生成数据增加数据量和Mosaic数据增强方法。

进一步，所述模型训练预测包括以下步骤：