基于图像智能识别技术的火力发电厂输煤系统人员安全防护方法及系统与流程

本发明涉及电力企业人员安全生产防护技术领域，具体而言，尤其涉及一种基于图像智能识别技术的火力发电厂输煤系统人员安全防护方法及系统。

背景技术：

截至到2017年底，我国火力发电机组总装机容量达到110495万千瓦(其中煤电98130万千瓦)，煤电企业所占的装机容量的份额超过90％，输煤系统在火力发电企业正常运营环节中扮演着重要角色。但是，输煤系统的作业环境却是火力发电厂众多生产环节中最恶劣的，现场作业人员容易受到机械转动设备突然启动带来人身伤害的危险，火力发电厂输煤系统普遍存在现场设备布置范围广、生产现场占地面积大、现场人员与中央控制室通讯手段原始等特点。综上所述，火力发电厂输煤系统的作业人员安全管控体系成为了各个发电企业现阶段急切攻破的安全课题。

目前，在全国各大火力发电企业的输煤系统工作现场，作业人员与控制室进行通讯大都采用移动语音对讲机及移动电话，一个现场检修作业工作票中专设一个工作监护人或工作负责人履行安全监护职责，当输煤系统设备需要启动或进行流程启动时，输煤控制室值班人员通过对讲机或移动电话把情况通知工作监护人，现场的工作监护人根据情况组织作业人员撤离至安全区域，但是，这种信息交互的方式存在很大的延时行，过于依赖人为组织，对即将到来的危险预警不及时就极易造成人身伤害事故的发生；输煤工作现场具有占地面积大的特点，虽然会通过安装摄像头对整个生产区域进行监控，但是其监控过程都需要控制室内的值班人员进行操作和切换监控画面，监控效率大大降低。在输煤系统设备正常工作期间有人进入生产区域控，制室值班人员无法第一时间发现并采取相关措施令与生产无关人员撤离生产区域；近期也有一种无线电人员安全定位系统投入输煤生产系统中使用，这种方案采取作业人员佩戴能够发出无线脉冲标签的方式，通过每个标签到达各个基站的距离来最终确定标签的位置，但是，这种方案过于依赖人员的主观劳动纪律性，容易出现人员未佩戴标签进入生产现场或将标签遗落在现场的情况，通过电子围栏控制作业人员进入现场的方式也会因生产现场占地面积大而增加安全投入成本(电子围栏个数和基站数量组成)，由标签生产质量或使用过程中自然损耗等原因造成定位失效也会使维护难度增大，最重要的用这种方式的定位会使系统对现场人员的管控不够直观。

技术实现要素：

根据上述提出的技术问题，而提供一种基于图像智能识别技术的火力发电厂输煤系统人员安全防护方法及系统。本发明主要利用图像采集设备、图像识别模块、mysql数据库数据存储软件、人机交互画面、plc控制单元、危机保护急停装置和输煤生产设备，为输煤系统作业人员提供有效的人身保护。

本发明采用的技术手段如下：

一种基于图像智能识别技术的火力发电厂输煤系统人员安全防护方法，包括如下步骤：

s1、通过输煤生产现场的图像采集装置采集输煤生产现场的原始图像，通过目标区域标注单元标记预设目标区域得到目标区域的掩模图，通过原始图像和掩模图构建样本库，从而构建训练集和测试集；

s2、通过深度卷积神经网络将训练集图像中的人物和背景做二分类建模；

s3、将图像采集装置采集的待检测样本输入到训练好的二分类建模中，识别出带有目标标记的结果图像和目标数量，将结果图像和识别出的人物数量写入数据库中；

s4、plc控制单元通过opc的通讯方式与数据库中所存储的字段信息进行读/写操作，若图像所覆盖的设备周围目标识别数不为零，则plc控制单元的设备启动指令禁止发出，输煤传送装置停运。

进一步地，所述步骤s4中，数据库记录的图像也反馈到人机交互系统中，所述人机交互系统的显示界面包括1个主界面和至少3个副界面，所述人机交互系统根据每个图像的识别结果进行判断，其中识别人数最多的自动切换至主画面进行视频监视，副界面手动设置路径。

进一步地，所述人机交互系统在图像中出现了识别目标后，将采集时间、摄像头覆盖位置、目标识别数量储存至识别日志中。

进一步地，所述图像采集装置为至少4个，且每一个图像采集装置均训练二分类建模，当全部图像采集装置在某一时刻采集的图片中识别目标数量均不为零时，plc控制单元将皮带机的启动允许信号置零。

进一步地，所述二分类建模包括：5个卷积层模块组成的50个卷积层、1个均值池化层，1个全链接层和1个具有softmax函数模块的归一化层。

本发明还提供了一种基于图像智能识别技术的火力发电厂输煤系统人员安全防护系统，包括：

图像采集单元，用于采集输煤生产现场的实时监控图像；

图像处理单元，用于对采集到的输煤生产现场图像进行处理，包括对预设目标区域进行标记得到目标区域的掩模图以及通过原始图像和掩模图构建样本库得到训练集和测试集；

卷积神经网络模型训练单元，用于通过训练集图像中的人物和背景训练出可以识别人物数量的二分类建模；

图像识别单元，用于对图像采集单元实时采集到的待检测图像输入至卷积神经网络模型进行目标数量识别，将结果图像和识别出的人物数量写入数据库单元中；

数据库单元，用于存放图像的识别结果并利用opc方式与plc控制单元进行信息通讯；

plc控制单元，用于控制输煤生产现场的设备，当待检测图像目标识别数不为零时，控制输煤传送装置停运。

进一步地，所述plc控制单元具有：

人机交互界面，用于为输煤控制室值班人员提供输煤生产现场的监控画面及识别模块对图片的分析结果，其包括1个主界面和至少3个副界面，识别人数最多的自动切换至主画面进行视频监视，副界面手动设置路径；

在监控区域内发现识别目标后实时告知控制室值班负责人有关“有人员进入生产现场”的警示信息，并在人机界面对话框中打印信息具体的摄像覆盖区域出现识别目标，视频显示的主界面自动切换至出现目标数最多的监控画面；

日志打印模块，用于在待检测图像中出现识别目标时，实时打印采集时间、摄像头覆盖位置和目标识别数量。

进一步地，所述安全防护系统还包括：危急保护急停装置，用于为跌落在输煤皮带上的人员提供皮带轮急停保护，其设置于输煤皮带的上方，当人员不慎跌倒在输煤皮带时，通过拉拽危急保护急停装置，控制皮带轮的急停。

进一步地，为每一个摄像头训练一个残差网络模型用于图像分类识别且每一个摄像头的训练集不小于500张大小为1024*1024的图像，残差网络模型的训练过程中迭代次数为400～1000次，损失函数的返回值不大于0.03。

进一步地，所述图像采集单元所采用的摄像头设备像素不低于200万，具备背光补偿和数字降噪功能，宽动态范围不低于120db,具有一个以上rj45及10m以上自适应以太网接口用于通讯，在图像识别后会形成带有目标标签的识别结果图像和程序所识别到的目标数量，将结果图像写入指定的文件夹中用于前台显示。

较现有技术相比，本发明具有以下优点：

本发明提出的基于图像智能识别技术的火力发电厂输煤系统人员安全防护方法及系统，通过深度卷积神经网络模型对工作区域待检测图像进行分析，实时监测和智能评估输煤装置是否发生人员跌落在输煤皮带轮的情况，在检测到目标后，反馈至plc控制单元，控制输煤皮带紧急制动，保障了工作人员的人身安全。

基于上述理由本发明可在电力企业人员安全生产防护领域广泛推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于图像智能识别技术的火力发电厂输煤系统人员安全防护方法流程图。

图2为本发明一种基于图像智能识别技术的火力发电厂输煤系统人员安全防护系统模块图。

图3为本发明实施例中现场摄像头位置摆放示意图。

图4为本发明实施例中人机交互界面具体应用示意图。

图5为本发明危急保护急停装置简易结构示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。同时，应当清楚，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员己知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任向具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

如图1所示，本发明提供了一种基于图像智能识别技术的火力发电厂输煤系统人员安全防护方法，包括如下步骤：

s1、通过输煤生产现场的图像采集装置采集输煤生产现场的原始图像，通过目标区域标注单元标记预设目标区域得到目标区域的掩模图，通过原始图像和掩模图构建样本库，从而构建训练集和测试集；

s2、通过深度卷积神经网络将训练集图像中的人物和背景做二分类建模；

s3、将图像采集装置采集的待检测样本输入到训练好的二分类建模中，识别出带有目标标记的结果图像和目标数量，将结果图像和识别出的人物数量写入数据库中；

s4、plc控制单元通过opc的通讯方式与数据库中所存储的字段信息进行读/写操作，若图像所覆盖的设备周围目标识别数不为零，则plc控制单元的设备启动指令禁止发出，输煤传送装置停运。

所述步骤s4中，数据库记录的图像也反馈到人机交互系统中，所述人机交互系统的显示界面包括1个主界面和至少3个副界面，所述人机交互系统根据每个图像的识别结果进行判断，其中识别人数最多的自动切换至主画面进行视频监视，副界面手动设置路径。

所述人机交互系统在图像中出现了识别目标后，将采集时间、摄像头覆盖位置、目标识别数量储存至识别日志中。

所述图像采集装置为至少4个，且每一个图像采集装置均训练二分类建模，当全部图像采集装置在某一时刻采集的图片中识别目标数量均不为零时，plc控制单元将皮带机的启动允许信号置零。

所述二分类建模包括：5个卷积层模块组成的50个卷积层、1个均值池化层，1个全链接层和1个具有softmax函数模块的归一化层。

如图2所示，本发明还提供了一种基于图像智能识别技术的火力发电厂输煤系统人员安全防护系统，包括：

图像采集单元，用于采集输煤生产现场的实时监控图像；

图像处理单元，用于对采集到的输煤生产现场图像进行处理，包括对预设目标区域进行标记得到目标区域的掩模图以及通过原始图像和掩模图构建样本库得到训练集和测试集；

卷积神经网络模型训练单元，用于通过训练集图像中的人物和背景训练出可以识别人物数量的二分类建模；

图像识别单元，用于对图像采集单元实时采集到的待检测图像输入至卷积神经网络模型进行目标数量识别，将结果图像和识别出的人物数量写入数据库单元中；

数据库单元，用于存放图像的识别结果并利用opc方式与plc控制单元进行信息通讯；

plc控制单元，用于控制输煤生产现场的设备，当待检测图像目标识别数不为零时，控制输煤传送装置停运。

所述plc控制单元具有：

人机交互界面，用于为输煤控制室值班人员提供输煤生产现场的监控画面及识别模块对图片的分析结果，其包括1个主界面和至少3个副界面，识别人数最多的自动切换至主画面进行视频监视，副界面手动设置路径；

在监控区域内发现识别目标后实时告知控制室值班负责人有关“有人员进入生产现场”的警示信息，并在人机界面对话框中打印信息具体的摄像覆盖区域出现识别目标，视频显示的主界面自动切换至出现目标数最多的监控画面；

日志打印模块，用于在待检测图像中出现识别目标时，实时打印采集时间、摄像头覆盖位置和目标识别数量。

所述安全防护系统还包括：危急保护急停装置，用于为跌落在输煤皮带上的人员提供皮带轮急停保护，其设置于输煤皮带的上方，当人员不慎跌倒在输煤皮带时，通过拉拽危急保护急停装置，控制皮带轮的急停。

为每一个摄像头训练一个残差网络模型用于图像分类识别且每一个摄像头的训练集不小于500张大小为1024*1024的图像，残差网络模型的训练过程中迭代次数为400～1000次，损失函数的返回值不大于0.03。

所述图像采集单元所采用的摄像头设备像素不低于200万，具备背光补偿和数字降噪功能，宽动态范围不低于120db,具有一个以上rj45及10m以上自适应以太网接口用于通讯，在图像识别后会形成带有目标标签的识别结果图像和程序所识别到的目标数量，将结果图像写入指定的文件夹中用于前台显示。

实施例1

如图3所示，是2台350wm燃煤火电机组原煤仓上煤车间平面布局，两台机组的原煤仓共同使用两条输煤皮带及两个卸煤小车加煤，生产区域为长153m、宽21.7m的长方形区域，共设置4个高清摄像头完成了该生产区域的全方位、无死角视频覆盖，其中南北方向的摄像头的安装位置为分别为距离皮带机头部50m和距离皮带机尾部50m的位置安装；矩形区域的四个角设置作业人员观察区域，作业人员可在该区域内观察设备检修完启动时的情况，在矩形区域内的人员不会触发人员安全防护系统。

对所述的四个高清数字摄像头接入输煤现场的视频总线，能够完成图像信号的传输。

所述的四个高清数字摄像头通过视频数据总线将视频数据送入海康威视开发的ivms-8700e综合管理平台中，该平台每间隔5s钟对监控画面进行截图，并将图像尺寸转换成1024*1024的规格送入制定的文件夹，为图像识别模块提供图源。

为上述的每一个摄像头训练一个具有50层卷积层的深度卷积神经网络模型用于识别出所采集图片的目标(人)和背景。每一个摄像头的训练集应至少包含500张图片，所有图片中均应存在被识别的目标且根据现场时间情况目标个数应少于8人，使用labelme3.0软件将训练集中图片的目标进行标记并生成扩展命为.json的文件并保存；使用matlab软件将.json文件进行数据处理生成了标定目标区域的掩模图，掩模图和原图共同构成训练集。

所述识别的模块利用训练好的深度卷积神经网络模型对摄像头采集来的图片进行分类和识别，识别结果为带有目标标记的结果图像和识别出的目标数量，将结果图像和识别出的人物数量写入mysql数据库。

如图4所示，提供了7个显示区域，其中主视图为视频画面，系统根据每个图像的识别结果进行判断，其中识别人数最多的自动切换至主画面进行视频监视；其他6个显示画面手动设置路径，显示的是识别后带有目标标记的结果图片，每5秒钟更新一次图源并实时显示识别数量。

本实施例使用的plc控制单元(美国rockwell1056型处理器)，通过opc方式读取mysql数据库中关于图像识别目标数量的数据进行判断，若图3中所列的四个摄像头在某一时刻采集的图片中识别目标数量均不为零，则两条皮带机的启动允许信号置零，皮带不能被控制室远方启动，从而避免了人员在作业过程中由于设备误启动带来的安全隐患，实现了作业现场安全由人防到技防的转变。

图5所示是本发明实施例的危急保护急停装置机构示意图，本实施例中的皮带机末端是一个高度为3m的台阶区域，一旦有人员不慎在皮带机运行过程中落在输煤皮带上会被皮带机输送至该区域从而发生人身伤害事故。在距离皮带机末端15m、10m、5m处各设置一个矩形框连杆急停装置，其中矩形连杆的高度距离皮带工作面为50cm,侧方连杆距离皮带边缘20cm，落在皮带上的人员可以向上或向两侧伸出手臂通过碰触连杆使皮带机停止运行，从而避免了因不慎落在皮带上的人员发生人身伤害事故。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。