基于智能头盔的坠物打击风险预防系统的制作方法

1.本发明涉及电力高空平台反违规作业风险预防技术领域，具体的说，涉及了一种基于智能头盔的坠物打击风险预防系统。

背景技术：

2.安全管理是电力生产工作的重中之重，各电力企业坚持把安全工作放在一切工作的首位，不断创新监管手段加强安全管理。在电力安全生产过程中，现场作业由于其数量多分布广、作业环境封闭且大多数地点偏僻等特点，对现场作业人员的安全监督难度加大。因此，现场作业行为是否规范直接影响安全事故发生的概率，传统的安全监督模式已不能适应智能化电网发展的要求。
3.文献cn207115841u、文献cn210804962u、文献cn214123292u和文献cn 213781385 u分别提供了一种坠物撞击体验装置，让更多现场作业活动的参与者充分认识到施工过程中正确佩戴安全帽的重要性，从而预防高空坠物打击伤害事故现象的发生；然而，文献cn207115841u、文献cn210804962u、文献cn214123292u和文献cn 213781385 u均属于体验培训类装置，不能在现场实时地预防高空坠物打击伤害事故的发生。
4.为解决该问题，文献cn109327676a提供了一种高空坠物监控系统，通过雷达监测高空坠物现象是否发生，并利用摄像机采集高空坠物坠落过程中的图像，以供监控人员或警方根据处理设备中保存的目标监控录像进行取证；文献cn110988904a提出了一种基于高速视觉传感技术的高空坠物自动捕捉装置，利用高速视觉传感技术防止高空坠物、抛物对人身安全和个人及公共财产造成的损失；文献cn111488799a公开了一种基于图像识别的坠落物识别方法及系统，对监控区域进行拍摄，将视频发送至服务器端，服务器端对视频进行物体识别、分组识别、疑似坠落物识别以及坠落物识别，统计坠落物个数，可以提高坠物识别的识别率和召回率，同时可以对多个坠落物进行识别；cn114550081a公开了一种应用于变电站的高空坠物检测方法，对是否有坠物进行警报提醒，避免了人工监测多浪费的人力，同时避免了可能发生的疏漏意外；但是，文献cn109327676a、文献cn110988904a、文献cn111488799a和cn114550081a均是在坠物现象发生后进行检测的，此时危险已经发生，不能完全避免高空坠物打击伤害事故的发生。
5.为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

技术实现要素：

6.本发明的目的是针对现有技术的不足，从而提供一种基于智能头盔的坠物打击风险预防系统。
7.为了实现上述目的，本发明所采用的技术方案是：本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说：
一种基于智能头盔的坠物打击风险预防系统，其包括设置在智能头盔上的预处理端，还包括与所述预处理端通讯连接的服务端，所述预处理端包括标准序列图像采集模块和现场序列图像采集模块，所述服务端包括作业面检测模块、图像旋转模块、图像剪裁模块、第一异物检测模块、第二异物检测模块和预警指令生成模块；所述标准序列图像采集模块，用于在作业前，利用智能头盔上搭载的全彩摄像头，采集标准作业面图像上传送至服务端；所述现场序列图像采集模块，用于在作业过程中，通过智能头盔上搭载的全彩摄像头实时采集电力高空作业环境对应的视频流，将视频流抽帧后的图像作为现场序列图像，并将所述现场序列图像上传送至服务端；所述作业面检测模块，用于检测所述现场序列图像中是否存在电力高空作业面，并将检测结果传输至所述图像旋转模块；所述图像旋转模块，用于基于所述检测结果筛选出存在电力高空作业面的现场序列图像，提取所述检测结果对应的分割轮廓外接旋转矩形信息；还用于根据所述分割轮廓外接旋转矩形信息的倾斜角度，对筛选出的现场序列图像进行旋转，得到目标电力高空作业面图像ⅰ；所述图像剪裁模块，用于基于旋转后获得的外接正矩形，对所述目标电力高空作业面图像ⅰ进行裁剪，得到目标电力高空作业面图像ⅱ；所述第一异物检测模块，用于对所述目标电力高空作业面图像ⅱ进行检测，检测电力高空作业面上是否存在作业人员遗落的第一类易坠落物品，并将第一类易坠落物品的检测结果传输至所述预警指令生成模块；所述第一类易坠落物品包括扳手、锤子、剥线钳和螺丝刀；所述第二异物检测模块，用于对所述目标电力高空作业面图像ⅱ进行检测，检测电力高空作业面上是否存在零配件；还用于在检测到电力高空作业面上存在零配件时，将检测到的零配件与所述标准作业面图像中的零配件进行比对，根据比对结果检测电力高空作业面上是否存在作业人员遗落的第二类易坠落物品，并将第二类易坠落物品的检测结果传输至所述预警指令生成模块；所述预警指令生成模块，用于在检测到电力高空作业面上，存在作业人员遗落的第一类易坠落物品或者存在作业人员遗落的第二类易坠落物品时，生成预警指令并传输至所述智能头盔。
8.本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说：本发明提供了一种基于智能头盔的坠物打击风险预防系统，在坠物现象发生前进行坠物打击风险检测，并在存在坠物打击风险时利用智能头盔对作业人员坠物风险预警，从而有效避免高空坠物打击伤害事故的发生。
附图说明
9.图1是本发明的基于智能头盔的坠物打击风险预防系统的时序图；图2是本发明的基于智能头盔的坠物打击风险预防系统的结构示意图；图3是本发明的基于智能头盔的坠物打击风险预防系统的工作流程示意图一；图4是本发明的基于智能头盔的坠物打击风险预防系统的工作流程示意图二；
图5是本发明的基于智能头盔的坠物打击风险预防系统的工作流程示意图三；图6是本发明的基于智能头盔的坠物打击风险预防系统的工作流程示意图四；图7是本发明的一种具体实施例中，筛选出的存在电力高空作业面的现场序列图像的示意图；图8是本发明的一种具体实施例中的目标电力高空作业面图像ⅰ的示意图。
具体实施方式
10.下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。
11.如附图1至附图3所示，一种基于智能头盔的坠物打击风险预防系统，包括设置在智能头盔上的预处理端，还包括与所述预处理端通讯连接的服务端，所述预处理端包括标准序列图像采集模块和现场序列图像采集模块，所述服务端包括作业面检测模块、图像旋转模块、图像剪裁模块、第一异物检测模块、第二异物检测模块和预警指令生成模块；所述标准序列图像采集模块，用于在作业前，利用智能头盔上搭载的全彩摄像头，采集标准作业面图像上传送至服务端；所述现场序列图像采集模块，用于在作业过程中，通过智能头盔上搭载的全彩摄像头实时采集电力高空作业环境对应的视频流，将视频流抽帧后的图像作为现场序列图像，并将所述现场序列图像上传送至服务端，如附图4所示；所述作业面检测模块，用于检测所述现场序列图像中是否存在电力高空作业面，并将检测结果传输至所述图像旋转模块；所述图像旋转模块，用于基于所述检测结果筛选出存在电力高空作业面的现场序列图像，提取所述检测结果对应的分割轮廓外接旋转矩形信息；还用于根据所述分割轮廓外接旋转矩形信息的倾斜角度，对筛选出的现场序列图像进行旋转，得到目标电力高空作业面图像ⅰ；所述图像剪裁模块，用于基于旋转后获得的外接正矩形，对所述目标电力高空作业面图像ⅰ进行裁剪，得到目标电力高空作业面图像ⅱ；所述第一异物检测模块，用于对所述目标电力高空作业面图像ⅱ进行检测，检测电力高空作业面上是否存在作业人员遗落的第一类易坠落物品，并将第一类易坠落物品的检测结果传输至所述预警指令生成模块，如附图5所示；其中，所述第一类易坠落物品包括扳手、锤子、剥线钳和螺丝刀等工器具；所述第二异物检测模块，用于对所述目标电力高空作业面图像ⅱ进行检测，检测电力高空作业面上是否存在零配件；还用于在检测到电力高空作业面上存在零配件时，将检测到的零配件与所述标准作业面图像中的零配件进行比对，根据比对结果检测电力高空作业面上是否存在作业人员遗落的第二类易坠落物品，并将第二类易坠落物品的检测结果传输至所述预警指令生成模块，如附图6所示；所述第二类易坠落物品包括螺帽、螺栓等零配件；所述预警指令生成模块，用于在检测到电力高空作业面上，存在作业人员遗落的第一类易坠落物品或者存在作业人员遗落的第二类易坠落物品时，生成预警指令并传输至所述智能头盔。
12.需要说明的是，标准作业面图像也可能存在一些零配件，这些零配件属于电力高
空作业面上原有的固定零件，并非作业人员遗落的零配件材料；因此，为了降低误报率，所述第二异物检测模块在检测到电力高空作业面上存在零配件时，还会将检测到的零配件与所述标准作业面图像中的零配件进行比对，排除电力高空作业面上原有的固定零件，从而避免电力高空作业面原有的固定零件引起误报警。
13.进一步的，所述第二异物检测模块，在将检测到的零配件与所述标准作业面图像中的零配件进行比对，根据比对结果检测电力高空作业面上是否存在作业人员遗落的第二类易坠落物品时，执行：在检测到的零配件所处的位置及类别，与所述标准作业面图像中的零配件相同时，判定电力高空作业面上不存在作业人员遗落的第二类易坠落物品；在检测到的零配件所处的位置或者类别，与所述标准作业面图像中的零配件不相同时，判定电力高空作业面上存在作业人员遗落的第二类易坠落物品。
14.具体的，所述智能头盔为具备4g/5g通信模块、红外测温模块、全彩摄像头、红外成像模组、声讯装置、震动装置等功能模块的头盔；所述服务端为具有高空作业面坠物打击隐患识别功能的云服务端或本地服务端，云服务端或本地服务端搭载作业面检测模块、图像旋转模块、图像剪裁模块、第一异物检测模块、第二异物检测模块和预警指令生成模块，更直观方便地监测电力高空平台作业活动，实时分析作业过程中潜在的安全隐患，并向智能头盔发送预警指令；所述智能头盔与所述服务端之间通过5g通信方式进行数据交互，智能头盔接收到预警指令后，利用声讯装置、震动装置等功能模块实现声音加震动坠物打击风险预警方式；在现场作业具备数量多分布广、作业环境封闭且大多数地点偏僻等特点的情况下，有效确保作业人员在坠物现象发生前，及时采取应对措施，进而避免高空坠物打击伤害事故的发生。
15.其中，所述作业面检测模块、所述图像旋转模块和所述图像剪裁模块，用于实现作业面定位与分割；所述第一异物检测模块，用于实现扳手、锤子、剥线钳、螺丝刀等工器具对应的作业面异物检测；所述第二异物检测模块，用于实现螺帽、螺栓等零配件材料对应的作业面异物检测。
16.具体的，所述作业面检测模块选用fast-scnn（fast semantic segmentation network）图像分割模型，采用labelme标注电力高空作业面数据集对fast-scnn图像分割模型进行训练，以更新模型权重参数，使得新生成的模型更适用于电力高空作业场景中的电力高空作业面检测；因此，所述作业面检测模块能够检测所述现场序列图像中是否存在电力高空作业面，并在所述现场序列图像中存在电力高空作业面时，将电力高空作业面从背景中分割出来，获取到电力高空作业面的分割轮廓外接旋转矩形信息。
17.所述第一异物检测模块选用pp-yolo tiny轻量级模型作为目标异物检测算法，采用labellmg标注的工器具数据集对pp-yolo tiny轻量级模型进行，以更新模型权重参数，使得新生成的模型更适用于电力高空作业场景中的工器具检测；其中，所述工器具包括扳手、锤子、剥线钳、螺丝刀等；因此，所述第一异物检测模块能够检测所述目标电力高空作业面图像ⅱ对应的电力高空作业面上，是否存在作业人员遗落的第一类易坠落物品。
18.所述第二异物检测模块也选用pp-yolo tiny轻量级模型作为目标异物检测算法，
采用labellmg标注的零配件数据集对pp-yolo tiny轻量级模型进行以更新模型权重参数，使得新生成的模型更适用于电力高空作业场景中的零配件检测；其中，所述零配件包括螺帽、螺栓等；因此，所述第二异物检测模块能够检测所述目标电力高空作业面图像ⅱ对应的电力高空作业面上，是否存在零配件。
19.可以理解，fast-scnn图像分割模型和pp-yolo（paddlepaddle-yolo） tiny轻量级模型的网络结构均为现有网络结构，在此不再赘述。
20.进一步的，所述智能头盔，用于：接收到来自服务端的预警指令后，通过声音加震动方式给予作业人员坠物风险预警。
21.进一步的，所述图像旋转模块，根据所述分割轮廓外接旋转矩形信息的倾斜角度θ，对筛选出的现场序列图像进行旋转，得到目标电力高空作业面图像ⅰ时，执行：所述分割轮廓外接旋转矩形信息的倾斜角度θ为相应现场序列图像中，分割轮廓外接旋转矩形的长边与水平方向之间的夹角，如附图7所示；根据所述倾斜角度θ对筛选出的现场序列图像顺时针旋转，使相应现场序列图像中分割轮廓外接旋转矩形的长边与水平方向平行，如附图8所示。
22.可以理解，与所述服务端通讯互联的智能头盔有多个，所述服务端可以支持多个作业场景并行监测。
23.本实施例提供的基于智能头盔的坠物打击风险预防系统，能够更直观方便地监测电力高空平台作业活动，做到反违章风险预防智能化识别与预警，提高现场作业管控智能化管理水平，使电力企业的安全风险管控得到可控、在控，真正把安全工作落到实处、沉到基层。
24.最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。

技术特征：

1.一种基于智能头盔的坠物打击风险预防系统，包括设置在智能头盔上的预处理端，其特征在于：还包括与所述预处理端通讯连接的服务端，所述预处理端包括标准序列图像采集模块和现场序列图像采集模块，所述服务端包括作业面检测模块、图像旋转模块、图像剪裁模块、第一异物检测模块、第二异物检测模块和预警指令生成模块；所述标准序列图像采集模块，用于在作业前，利用智能头盔上搭载的全彩摄像头，采集标准作业面图像上传送至服务端；所述现场序列图像采集模块，用于在作业过程中，通过智能头盔上搭载的全彩摄像头实时采集电力高空作业环境对应的视频流，将视频流抽帧后的图像作为现场序列图像，并将所述现场序列图像上传送至服务端；所述作业面检测模块，用于检测所述现场序列图像中是否存在电力高空作业面，并将检测结果传输至所述图像旋转模块；所述图像旋转模块，用于基于所述检测结果筛选出存在电力高空作业面的现场序列图像，提取所述检测结果对应的分割轮廓外接旋转矩形信息；还用于根据所述分割轮廓外接旋转矩形信息的倾斜角度θ，对筛选出的现场序列图像进行旋转，得到目标电力高空作业面图像ⅰ；所述图像剪裁模块，用于基于旋转后获得的外接正矩形，对所述目标电力高空作业面图像ⅰ进行裁剪，得到目标电力高空作业面图像ⅱ；所述第一异物检测模块，用于对所述目标电力高空作业面图像ⅱ进行检测，检测电力高空作业面上是否存在作业人员遗落的第一类易坠落物品，并将第一类易坠落物品的检测结果传输至所述预警指令生成模块；所述第一类易坠落物品包括扳手、锤子、剥线钳和螺丝刀；所述第二异物检测模块，用于对所述目标电力高空作业面图像ⅱ进行检测，检测电力高空作业面上是否存在零配件；还用于在检测到电力高空作业面上存在零配件时，将检测到的零配件与所述标准作业面图像中的零配件进行比对，根据比对结果检测电力高空作业面上是否存在作业人员遗落的第二类易坠落物品，并将第二类易坠落物品的检测结果传输至所述预警指令生成模块；所述预警指令生成模块，用于在检测到电力高空作业面上，存在作业人员遗落的第一类易坠落物品或者存在作业人员遗落的第二类易坠落物品时，生成预警指令并传输至所述智能头盔。2.根据权利要求1所述的基于智能头盔的坠物打击风险预防系统，其特征在于，所述智能头盔，用于：接收到来自服务端的预警指令后，通过声音加震动方式给予作业人员坠物风险预警。3.根据权利要求1所述的基于智能头盔的坠物打击风险预防系统，其特征在于，所述图像旋转模块，根据所述分割轮廓外接旋转矩形信息的倾斜角度θ，对筛选出的现场序列图像进行旋转，得到目标电力高空作业面图像ⅰ时，执行：根据所述倾斜角度θ对筛选出的现场序列图像顺时针旋转，使相应现场序列图像中分割轮廓外接旋转矩形的长边与水平方向平行。

技术总结

本发明提供了一种基于智能头盔的坠物打击风险预防系统，其包括设置在智能头盔上的预处理端，还包括与所述预处理端通讯连接的服务端，所述预处理端包括标准序列图像采集模块和现场序列图像采集模块，所述服务端包括作业面检测模块、图像旋转模块、图像剪裁模块、第一异物检测模块、第二异物检测模块和预警指令生成模块；所述预警指令生成模块，用于在检测到电力高空作业面上，存在作业人员遗落的第一类易坠落物品或者存在作业人员遗落的第二类易坠落物品时，生成预警指令并传输至所述智能头盔。因此，本发明在坠物现象发生前进行坠物打击风险检测，从而有效避免高空坠物打击伤害事故的发生。故的发生。故的发生。