施工现场的安全监测预警方法、装置及系统

1.本公开涉及施工现场的安全监测技术领域，尤其涉及一种施工现场的安全监测预警方法、装置及系统。


背景技术：

2.智慧安全帽是在传统安全帽的基础上，搭载通讯、安全监测、管理和交互等模块后构建的，其基本构建方法是将智能电路、传感器、电源等模组，与传统安全帽的壳体结合起来，通常有改造壳体、或外置捆绑两种办法。脑机接口是针对人脑电信号监测的系统，目前搭载脑机接口的智慧安全帽的监测系统流于形式，只呈现脑电生理信号指标，做不到真正监测预警的功能；另一方面，能做到监测预警功能的智慧安全系统没有搭载脑电安全帽、对作业人员精神安全状态监测的预警功能。在对人因工程安全逐步重视的大背景下，既能做到分析精神安全信号，又能做到良好的监测预警功能的系统是急需的。


技术实现要素：

3.为克服相关技术中存在的问题，本公开提供一种施工现场的安全监测预警方法、装置及系统。
4.根据本公开实施例的第一方面，提供一种施工现场的安全监测预警系统，包括：
5.数据采集模块，用于通过智慧安全帽采集所述施工现场中每个工人的精神安全信号；
6.第一处理模块，连接至所述数据采集模块，用于对每个工人的精神安全信号进行异常值筛选和目标有效信息的提取，并根据所述目标有效信息确定每个工人当前时刻的精神疲劳水平和注意力集中程度；
7.第二处理模块，连接至所述第一处理模块，用于根据每个工人当前时刻的精神疲劳水平和注意力集中程度，通过每个工人对应的工种和每个工种对应的工种危险系数，确定每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度；
8.安全评估模块，连接至所述第二处理模块，用于根据每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度，采用预训练的安全水平评估模型确定每个工作组的安全水平，并根据所述安全水平确定对应的安全水平等级；
9.预警模块，连接至所述安全评估模块，用于根据每个工作组的安全水平等级，确定对应的预警提示方式进行提示，其中，所述安全水平等级包括低水平、中水平和高水平。
10.在一个实施例中，优选地，所述第一处理模块包括：
11.降噪单元，用于对每个工人的精神安全信号进行数据降噪处理，以得到处理后的精神安全信号数据；
12.提取单元，用于从所述处理后的精神安全信号数据中提取目标有效信息，其中，所述目标有效信息包括：时域异变性信息、关键时域图谱信息、频域功率图谱信息和频域功率异变性信息；
13.第一计算单元，用于根据所述目标有效信息，采用预训练的精神疲劳模型计算每个工人当前时刻的精神疲劳水平；
14.第二计算单元，用于根据所述目标有效信息，采用预训练的注意力模型计算每个工人当前时刻的注意力集中程度。
15.在一个实施例中，优选地，采用以下第一计算公式计算每个工作组内所有工人对应的整体精神疲劳水平：
[0016][0017]
其中，f表示整体精神疲劳水平，ki表示第i个工人的工种对应的工种危险系数，fi表示第i个工人的精神疲劳水平；
[0018]
采用以下第二计算公式计算每个工作组内所有工人对应的整体注意力集中程度：
[0019][0020]
其中，a表示整体注意力集中程度，ki表示第i个工人的工种对应的工种危险系数，ai表示第i个工人的注意力集中程度。
[0021]
在一个实施例中，优选地，所述安全评估模块包括：
[0022]
训练单元，用于根据预设训练集和模糊神经网络模型进行训练，以得到安全水平评估模型；
[0023]
评估单元，用于将每个工作组内的整体精神疲劳水平和整体注意力集中程度作为所述安全水平评估模型的输入，以输出每个工作组对应的安全水平，并确定对应的安全水平等级。
[0024]
在一个实施例中，优选地，所述安全水平评估模型包括模糊层、规则层、正则化层、随后层和去模糊化层；
[0025]
所述模糊层用于将所述每个工作组内的整体精神疲劳水平和整体注意力集中程度分别通过三个隶属度函数进行模糊化，计算并输出第一隶属度值和第二隶属度值；
[0026]
所述规则层用于将所述模糊层输出的第一隶属度值和第二隶属度值相乘作为模糊规则的激活程度值，并输出激活程度值；
[0027]
所述正则化层用于将所述激活程度值进行行正则化计算，得到正则化的激活程度值；
[0028]
所述随后层用于根据所述正则化的激活程度值计算得到新的隶属度值；
[0029]
所述去模糊化层用于根据所述新的隶属度值计算并输出所述安全水平。
[0030]
在一个实施例中，优选地，采用以下第三计算公式计算所述第一隶属度值和第二隶属度值：
[0031][0032]
其中，n表示节点编号，x表示整体精神疲劳水平f或整体注意力集中程度a，o
1，n
表示第一隶属度值或第二隶属度值，表示隶属度函数an对输入的整体精神疲劳水平x
或整体注意力集中程度x的变化过程，即隶属函数，ci和σi表示隶属度函数形状参数；
[0033]
采用以下第四计算公式计算所述各模糊规则的触发强度：
[0034][0035]
其中，n代表模糊规则的编号，wn表示每个模糊规则的触发强度，表示整体精神疲劳水平f的隶属度值，表示整体注意力集中程度a的隶属度值；
[0036]
采用以下第五计算公式计算所述正则化的激活程度值：
[0037][0038]
表示正则化的激活程度值；
[0039]
采用以下第六计算公式计算所述新的隶属度值：
[0040][0041]
其中，f表示整体精神疲劳水平，a表示整体注意力集中程度，pn和qn表示对应的权重，rn表示常数项；
[0042]
采用以下第七计算公式计算所述安全水平：
[0043][0044]
s表示所述安全水平。
[0045]
在一个实施例中，优选地，所述预警模块用于：
[0046]
当所述工作组的安全水平等级为低水平时，确定对应的预警提示方式为第一预警提示；
[0047]
当所述工作组的安全水平等级为中水平时，确定对应的预警提示方式为第二预警提示；
[0048]
当所述工作组的安全水平等级为高水平时，确定对应的预警提示方式为第三预警提示。
[0049]
根据本公开实施例的第二方面，提供一种施工现场的安全监测预警方法，包括：
[0050]
通过智慧安全帽采集所述施工现场中每个工人的精神安全信号；
[0051]
对每个工人的精神安全信号进行异常值筛选和目标有效信息的提取，并根据所述目标有效信息确定每个工人当前时刻的精神疲劳水平和注意力集中程度；
[0052]
根据每个工人当前时刻的精神疲劳水平和注意力集中程度，通过每个工人对应的工种和每个工种对应的工种危险系数，确定每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度；
[0053]
根据每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度，采用预训练的安全水平评估模型确定每个工作组的安全水平，并根据所述安全水平确定对应的安全水平等级；
[0054]
根据每个工作组的安全水平等级，确定对应的预警提示方式进行提示，其中，所述安全水平等级包括低水平、中水平和高水平。
[0055]
在一个实施例中，优选地，对每个工人的精神安全信号进行异常值筛选和目标有
效信息的提取，并根据所述目标有效信息确定每个工人当前时刻的精神疲劳水平和注意力集中程度，包括：
[0056]
对每个工人的精神安全信号进行数据降噪处理，以得到处理后的精神安全信号数据；
[0057]
从所述处理后的精神安全信号数据中提取目标有效信息，其中，所述目标有效信息包括：时域异变性信息、关键时域图谱信息、频域功率图谱信息和频域功率异变性信息；
[0058]
根据所述目标有效信息，采用预训练的精神疲劳模型计算每个工人当前时刻的精神疲劳水平；
[0059]
根据所述目标有效信息，采用预训练的注意力模型计算每个工人当前时刻的注意力集中程度。
[0060]
在一个实施例中，优选地，采用以下第一计算公式计算每个工作组内所有工人对应的整体精神疲劳水平：
[0061][0062]
其中，f表示整体精神疲劳水平，ki表示第i个工人的工种对应的工种危险系数，fi表示第i个工人的精神疲劳水平；
[0063]
采用以下第二计算公式计算每个工作组内所有工人对应的整体注意力集中程度：
[0064][0065]
其中，a表示整体注意力集中程度，ki表示第i个工人的工种对应的工种危险系数，ai表示第i个工人的注意力集中程度。
[0066]
在一个实施例中，优选地，根据每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度，采用预训练的安全水平评估模型确定每个工作组的安全水平，并根据所述安全水平确定对应的安全水平等级，包括：
[0067]
根据预设训练集和模糊神经网络模型进行训练，以得到安全水平评估模型；
[0068]
将每个工作组内的整体精神疲劳水平和整体注意力集中程度作为所述安全水平评估模型的输入，以输出每个工作组对应的安全水平，并确定对应的安全水平等级。
[0069]
在一个实施例中，优选地，所述安全水平评估模型包括模糊层、规则层、正则化层、随后层和去模糊化层；
[0070]
所述模糊层用于将所述每个工作组内的整体精神疲劳水平和整体注意力集中程度分别通过三个隶属度函数进行模糊化，计算并输出第一隶属度值和第二隶属度值；
[0071]
所述规则层用于将所述模糊层输出的第一隶属度值和第二隶属度值相乘作为规则的激活程度值，并输出激活程度值；
[0072]
所述正则化层用于将所述激活程度值进行行正则化计算，得到正则化的激活程度值；
[0073]
所述随后层用于根据所述正则化的激活程度值计算得到新的隶属度值；
[0074]
所述去模糊化层用于根据所述新的隶属度值计算并输出所述安全水平。
[0075]
在一个实施例中，优选地，采用以下第三计算公式计算所述第一隶属度值和第二
隶属度值：
[0076][0077]
其中，n表示节点编号，x表示整体精神疲劳水平f或整体注意力集中程度a，o
1，n
表示第一隶属度值或第二隶属度值，表示隶属度函数an对输入的整体精神疲劳水平x或整体注意力集中程度x的变化过程，即隶属函数，ci和σi表示隶属度函数形状参数；
[0078]
采用以下第四计算公式计算所述各模糊规则的触发强度：
[0079][0080]
其中，n代表模糊规则的编号，wn表示每个模糊规则的触发强度，表示整体精神疲劳水平f的隶属度值，表示整体注意力集中程度a的隶属度值；
[0081]
采用以下第五计算公式计算所述正则化的激活程度值：
[0082][0083]
表示正则化的激活程度值；
[0084]
采用以下第六计算公式计算所述新的隶属度值：
[0085][0086]
其中，f表示整体精神疲劳水平，a表示整体注意力集中程度，pn和qn表示对应的权重，rn表示常数项；
[0087]
采用以下第七计算公式计算所述安全水平：
[0088][0089]
s表示所述安全水平。
[0090]
在一个实施例中，优选地，根据每个工作组的安全水平等级，确定对应的预警提示方式进行提示，包括：
[0091]
当所述工作组的安全水平等级为低水平时，确定对应的预警提示方式为第一预警提示；
[0092]
当所述工作组的安全水平等级为中水平时，确定对应的预警提示方式为第二预警提示；
[0093]
当所述工作组的安全水平等级为高水平时，确定对应的预警提示方式为第三预警提示。
[0094]
根据本公开实施例的第三方面，提供一种施工现场的安全监测预警装置，包括：
[0095]
处理器；
[0096]
用于存储处理器可执行指令的存储器；
[0097]
其中，所述处理器被配置为：
[0098]
通过智慧安全帽采集所述施工现场中每个工人的精神安全信号；
[0099]
对每个工人的精神安全信号进行异常值筛选和目标有效信息的提取，并根据所述
目标有效信息确定每个工人当前时刻的精神疲劳水平和注意力集中程度；
[0100]
根据每个工人当前时刻的精神疲劳水平和注意力集中程度，通过每个工人对应的工种和每个工种对应的工种危险系数，确定每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度；
[0101]
根据每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度，采用预训练的安全水平评估模型确定每个工作组的安全水平，并根据所述安全水平确定对应的安全水平等级；
[0102]
根据每个工作组的安全水平等级，确定对应的预警提示方式进行提示，其中，所述安全水平等级包括低水平、中水平和高水平。
[0103]
根据本发明的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面实施例中任一项所述方法的步骤。
[0104]
本公开的实施例提供的技术方案可以包括以下有益效果：
[0105]
本发明实施例中，能够根据作业人员的精神安全状态给出预警，同时考虑到精神监测的不稳定性，将多个作业人员，即工作组内所有的作业人员的数据进行综合分析，避免单人的数据偏差较大的问题，同时按照工作组进行精神安全报警，更加契合安全问题处理的范围，降低错误预警概率，增加安全预警的处理效率。
[0106]
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0107]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0108]
图1是根据一示例性实施例示出的一种施工现场的安全监测预警系统的结构示意图。
[0109]
图2是根据一示例性实施例示出的一种施工现场的安全监测预警系统中第一处理模块的结构示意图。
[0110]
图3是根据一示例性实施例示出的一种施工现场的安全监测预警系统中安全评估模块的结构示意图。
[0111]
图4是根据一示例性实施例示出的一种施工现场的安全监测预警方法的流程图。
具体实施方式
[0112]
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0113]
图1是根据一示例性实施例示出的一种施工现场的安全监测预警系统的结构示意图。
[0114]
如图1所示，施工现场的安全监测预警系统，包括：
[0115]
数据采集模块11，用于通过智慧安全帽采集所述施工现场中每个工人的精神安全
信号；
[0116]
第一处理模块12，连接至所述数据采集模块，用于对每个工人的精神安全信号进行异常值筛选和目标有效信息的提取，并根据所述目标有效信息确定每个工人当前时刻的精神疲劳水平和注意力集中程度；
[0117]
第二处理模块13，连接至所述第一处理模块，用于根据每个工人当前时刻的精神疲劳水平和注意力集中程度，通过每个工人对应的工种和每个工种对应的工种危险系数，确定每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度；
[0118]
安全评估模块14，连接至所述第二处理模块，用于根据每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度，采用预训练的安全水平评估模型确定每个工作组的安全水平，并根据所述安全水平确定对应的安全水平等级；
[0119]
预警模块15，连接至所述安全评估模块，用于根据每个工作组的安全水平等级，确定对应的预警提示方式进行提示，其中，所述安全水平等级包括低水平、中水平和高水平。
[0120]
在该实施例中，能够根据作业人员的精神安全状态给出预警，同时考虑到精神监测的不稳定性，将多个作业人员，即工作组内所有的作业人员的数据进行综合分析，避免单人的数据偏差较大的问题，同时按照工作组进行精神安全报警，更加契合安全问题处理的范围，降低错误预警概率，增加安全预警的处理效率。
[0121]
其中，从用户系统层面来看，主要由系统交互、权限设置、系统数据库和可视化四个方面，其中，系统交互包括对用户账户信息，用户指令信息的收集，以及提供管理员用户进行阈值、参数设置的功能。权限设置包括三级权限：总管理员、管理员、使用者权限。总管理员权限为全部权限，包括所有项目查看，下级使用账号的审批，总管理员账号统一配给。管理员账号为生产地实际管理者、领班、安全总监等使用的账号，权限范围为单一生产地，具有查询统计本生产地所有安全状况、通讯调度等权限，具有开通下级使用者账号的权限。使用者权限为本人健康状况自查、与上级直管人员通讯等权限，由申请人申请或管理员统一开通。系统数据库分别储存了人员层面、班组层面、生产地层面以及地区项目层面的多层次数据。可视化将系统数据库的数据按照使用者权限分层级绘制为可视化的图表。
[0122]
图2是根据一示例性实施例示出的一种施工现场的安全监测预警系统中第一处理模块的结构示意图。
[0123]
如图2所示，在一个实施例中，优选地，所述第一处理模块12包括：
[0124]
降噪单元21，用于对每个工人的精神安全信号进行数据降噪处理，以得到处理后的精神安全信号数据；结合多模态数据(运动、作业动作)，筛选和剔除由于异常波动、外界噪声影响带来的个体层面异常的精神安全信号，保留有效信号供信息提取使用。
[0125]
提取单元22，用于从所述处理后的精神安全信号数据中提取目标有效信息，其中，所述目标有效信息包括：时域异变性信息、关键时域图谱信息、频域功率图谱信息和频域功率异变性信息；
[0126]
根据计算要求，按照时域、频域分别提取精神安全信号中有用的数据，主要包括时域异变性、关键时域图谱；频域功率谱、频域功率异变性指标，使用经预先训练的疲劳、注意力算法计算工人当前时刻的精神疲劳水平fi和注意力集中程度ai。根据计算要求，按照时域、频域分别提取精神安全信号中有用的数据，主要包括时域异变性、关键时域图谱；频域功率谱、频域功率异变性指标，使用经预先训练的疲劳、注意力算法计算工人当前时刻的精
神疲劳水平fi和注意力集中程度ai。
[0127]
第一计算单元23，用于根据所述目标有效信息，采用预训练的精神疲劳模型计算每个工人当前时刻的精神疲劳水平；
[0128]
第二计算单元24，用于根据所述目标有效信息，采用预训练的注意力模型计算每个工人当前时刻的注意力集中程度。
[0129]
根据专家设定的工种危险系数，越大危险系数的工人具备越大的权重，将工人个体层面的精神安全数据汇总计算到工作组层面，工作组的区分可按照工种、班组等逻辑，计算工班整体精神疲劳水平f和注意力集中程度a。
[0130]
在一个实施例中，优选地，采用以下第一计算公式计算每个工作组内所有工人对应的整体精神疲劳水平：
[0131][0132]
其中，f表示整体精神疲劳水平，ki表示第i个工人的工种对应的工种危险系数，fi表示第i个工人的精神疲劳水平；
[0133]
采用以下第二计算公式计算每个工作组内所有工人对应的整体注意力集中程度：
[0134][0135]
其中，a表示整体注意力集中程度，ki表示第i个工人的工种对应的工种危险系数，ai表示第i个工人的注意力集中程度。
[0136]
图3是根据一示例性实施例示出的一种施工现场的安全监测预警系统中安全评估模块的结构示意图。
[0137]
如图3所示，在一个实施例中，优选地，所述安全评估模块14包括：
[0138]
训练单元31，用于根据预设训练集和模糊神经网络模型进行训练，以得到安全水平评估模型；
[0139]
使用模糊神经网络anfis算法，通过施工现场真实训练集来自动训练模糊神经网络模型，对安全水平进行评估。首先通过收集20个时段的工地真实数据来构建训练集。使用上一步骤计算得到的精神疲劳水平f、注意力水平a，采用minmaxscaler归一化算法，对数据进行归一化处理，将f、a转换为范围在0-1之间的值，并对工地进行安全水平s的打分，分数处于0-1之间，得分越高则宏观安全水平越高。将归一化处理后的f、a作为算法的输入x，对应的s作为算法输出y，构建训练集。训练算法采用使用混合训练算法，使用matlab的anfis工具箱中的hybrid训练方法，从20个样本中随机选择15个数据点作为训练数据，另外5个数据点作为测试集，训练误差接受范围设为0.001，最大训练次数设置为2000次。
[0140]
模型共有(f，a)两个输入，输出单个数值s，每个输入通过三个隶属度函数a
1i
,a
2i
,a
3i
进行模糊化，分别代表了施工现场该时段在安全表现上的高、中、低三个水平，其中第一个下标表示三个隶属度函数的顺序，第二个i表示两个输入。anfis可以通过(f，a)的数据集自适应学习出与人类进行推理时类似的模糊逻辑，即：
[0141]
if f is a
11 and a is a
12 then s＝p1f+q1a+r1[0142]
评估单元32，用于将每个工作组内的整体精神疲劳水平和整体注意力集中程度作
为所述安全水平评估模型的输入，以输出每个工作组对应的安全水平，并确定对应的安全水平等级。
[0143]
在一个实施例中，优选地，所述安全水平评估模型包括模糊层、规则层、正则化层、随后层和去模糊化层；
[0144]
所述模糊层用于将所述每个工作组内的整体精神疲劳水平和整体注意力集中程度分别通过三个隶属度函数进行模糊化，计算并输出第一隶属度值和第二隶属度值；
[0145]
隶属度函数将经典的集合理论进行模糊化，表示了该输入对于某一集合要求的数学性质所满足的程度。
[0146]
在一个实施例中，优选地，采用以下第三计算公式计算所述第一隶属度值和第二隶属度值：
[0147][0148]
其中，n表示节点编号，x表示整体精神疲劳水平f或整体注意力集中程度a，o
1，n
表示第一隶属度值或第二隶属度值，表示隶属度函数an对输入的整体精神疲劳水平x或整体注意力集中程度x的变化过程，即隶属函数，ci和σi表示隶属度函数形状参数；
[0149]
采用以下第四计算公式计算所述各模糊规则的触发强度：
[0150][0151]
其中，n代表模糊规则的编号，wn表示每个模糊规则的触发强度，表示整体精神疲劳水平f的隶属度值，表示整体注意力集中程度a的隶属度值；
[0152]
采用以下第五计算公式计算所述正则化的激活程度值：
[0153][0154]
表示正则化的激活程度值；
[0155]
采用以下第六计算公式计算所述新的隶属度值：
[0156][0157]
其中，f表示整体精神疲劳水平，a表示整体注意力集中程度，pn和qn表示对应的权重，rn表示常数项；
[0158]
采用以下第七计算公式计算所述安全水平：
[0159][0160]
s表示所述安全水平。
[0161]
在一个实施例中，优选地，所述预警模块15用于：
[0162]
当所述工作组的安全水平等级为低水平时，确定对应的预警提示方式为第一预警提示；
[0163]
当所述工作组的安全水平等级为中水平时，确定对应的预警提示方式为第二预警提示；
[0164]
当所述工作组的安全水平等级为高水平时，确定对应的预警提示方式为第三预警提示。
[0165]
计算得出的特定时段的安全水平s，按照低、中、高三个水平发出预警信息。其中，出现中等或低水平安全表现时，可以发出预警信息，通知相关权限的管理人员，用机器电话机、短信等形式通知相应关键安全员。
[0166]
在一个实施例中，优选地，还包括：手机汇总安全预警信息，并存储在指定数据库中，定期对存储的安全预警信息进行安全事故分析，输出安全分析报告，辅助提升系统的安全能力。
[0167]
图4是根据一示例性实施例示出的一种施工现场的安全监测预警方法的流程图。
[0168]
如图4所示，根据本公开实施例的第二方面，提供一种施工现场的安全监测预警方法，包括：
[0169]
步骤s401，通过智慧安全帽采集所述施工现场中每个工人的精神安全信号；
[0170]
步骤s402，对每个工人的精神安全信号进行异常值筛选和目标有效信息的提取，并根据所述目标有效信息确定每个工人当前时刻的精神疲劳水平和注意力集中程度；
[0171]
步骤s403，根据每个工人当前时刻的精神疲劳水平和注意力集中程度，通过每个工人对应的工种和每个工种对应的工种危险系数，确定每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度；
[0172]
步骤s404，根据每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度，采用预训练的安全水平评估模型确定每个工作组的安全水平，并根据所述安全水平确定对应的安全水平等级；
[0173]
步骤s405，根据每个工作组的安全水平等级，确定对应的预警提示方式进行提示，其中，所述安全水平等级包括低水平、中水平和高水平。
[0174]
在一个实施例中，优选地，对每个工人的精神安全信号进行异常值筛选和目标有效信息的提取，并根据所述目标有效信息确定每个工人当前时刻的精神疲劳水平和注意力集中程度，包括：
[0175]
对每个工人的精神安全信号进行数据降噪处理，以得到处理后的精神安全信号数据；
[0176]
从所述处理后的精神安全信号数据中提取目标有效信息，其中，所述目标有效信息包括：时域异变性信息、关键时域图谱信息、频域功率图谱信息和频域功率异变性信息；
[0177]
根据所述目标有效信息，采用预训练的精神疲劳模型计算每个工人当前时刻的精神疲劳水平；
[0178]
根据所述目标有效信息，采用预训练的注意力模型计算每个工人当前时刻的注意力集中程度。
[0179]
在一个实施例中，优选地，采用以下第一计算公式计算每个工作组内所有工人对应的整体精神疲劳水平：
[0180][0181]
其中，f表示整体精神疲劳水平，ki表示第i个工人的工种对应的工种危险系数，fi表示第i个工人的精神疲劳水平；
[0182]
采用以下第二计算公式计算每个工作组内所有工人对应的整体注意力集中程度：
[0183][0184]
其中，a表示整体注意力集中程度，ki表示第i个工人的工种对应的工种危险系数，ai表示第i个工人的注意力集中程度。
[0185]
在一个实施例中，优选地，根据每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度，采用预训练的安全水平评估模型确定每个工作组的安全水平，并根据所述安全水平确定对应的安全水平等级，包括：
[0186]
根据预设训练集和模糊神经网络模型进行训练，以得到安全水平评估模型；
[0187]
将每个工作组内的整体精神疲劳水平和整体注意力集中程度作为所述安全水平评估模型的输入，以输出每个工作组对应的安全水平，并确定对应的安全水平等级。
[0188]
在一个实施例中，优选地，所述安全水平评估模型包括模糊层、规则层、正则化层、随后层和去模糊化层；
[0189]
所述模糊层用于将所述每个工作组内的整体精神疲劳水平和整体注意力集中程度分别通过三个隶属度函数进行模糊化，计算并输出第一隶属度值和第二隶属度值；
[0190]
所述规则层用于将所述模糊层输出的第一隶属度值和第二隶属度值相乘作为规则的激活程度值，并输出激活程度值；
[0191]
所述正则化层用于将所述激活程度值进行行正则化计算，得到正则化的激活程度值；
[0192]
所述随后层用于根据所述正则化的激活程度值计算得到新的隶属度值；
[0193]
所述去模糊化层用于根据所述新的隶属度值计算并输出所述安全水平。
[0194]
在一个实施例中，优选地，采用以下第三计算公式计算所述第一隶属度值和第二隶属度值：
[0195][0196]
其中，n表示节点编号，x表示整体精神疲劳水平f或整体注意力集中程度a，o
1，n
表示第一隶属度值或第二隶属度值，表示隶属度函数an对输入的整体精神疲劳水平x或整体注意力集中程度x的变化过程，即隶属函数，ci和σi表示隶属度函数形状参数；
[0197]
采用以下第四计算公式计算所述各模糊规则的触发强度：
[0198][0199]
其中，n代表模糊规则的编号，wn表示每个模糊规则的触发强度，表示整体精神疲劳水平f的隶属度值，表示整体注意力集中程度a的隶属度值；
[0200]
采用以下第五计算公式计算所述正则化的激活程度值：
[0201]
[0202]
表示正则化的激活程度值；
[0203]
采用以下第六计算公式计算所述新的隶属度值：
[0204][0205]
其中，f表示整体精神疲劳水平，a表示整体注意力集中程度，pn和qn表示对应的权重，rn表示常数项；
[0206]
采用以下第七计算公式计算所述安全水平：
[0207][0208]
s表示所述安全水平。
[0209]
在一个实施例中，优选地，根据每个工作组的安全水平等级，确定对应的预警提示方式进行提示，包括：
[0210]
当所述工作组的安全水平等级为低水平时，确定对应的预警提示方式为第一预警提示；
[0211]
当所述工作组的安全水平等级为中水平时，确定对应的预警提示方式为第二预警提示；
[0212]
当所述工作组的安全水平等级为高水平时，确定对应的预警提示方式为第三预警提示。
[0213]
根据本公开实施例的第三方面，提供一种施工现场的安全监测预警装置，包括：
[0214]
处理器；
[0215]
用于存储处理器可执行指令的存储器；
[0216]
其中，所述处理器被配置为：
[0217]
通过智慧安全帽采集所述施工现场中每个工人的精神安全信号；
[0218]
对每个工人的精神安全信号进行异常值筛选和目标有效信息的提取，并根据所述目标有效信息确定每个工人当前时刻的精神疲劳水平和注意力集中程度；
[0219]
根据每个工人当前时刻的精神疲劳水平和注意力集中程度，通过每个工人对应的工种和每个工种对应的工种危险系数，确定每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度；
[0220]
根据每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度，采用预训练的安全水平评估模型确定每个工作组的安全水平，并根据所述安全水平确定对应的安全水平等级；
[0221]
根据每个工作组的安全水平等级，确定对应的预警提示方式进行提示，其中，所述安全水平等级包括低水平、中水平和高水平。
[0222]
根据本发明的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面实施例中任一项所述方法的步骤。
[0223]
进一步可以理解的是，本公开中“多个”是指两个或两个以上，其它量词与之类似。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
[0224]
进一步可以理解的是，术语“第一”、“第二”等用于描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开，并不表示特定的顺序或者重要程度。实际上，“第一”、“第二”等表述完全可以互换使用。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。
[0225]
进一步可以理解的是，本公开实施例中尽管在附图中以特定的顺序描述操作，但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作，或是要求执行全部所示的操作以得到期望的结果。在特定环境中，多任务和并行处理可能是有利的。
[0226]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0227]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

技术特征：
1.一种施工现场的安全监测预警系统，其特征在于，包括：数据采集模块，用于通过智慧安全帽采集所述施工现场中每个工人的精神安全信号；第一处理模块，连接至所述数据采集模块，用于对每个工人的精神安全信号进行异常值筛选和目标有效信息的提取，并根据所述目标有效信息确定每个工人当前时刻的精神疲劳水平和注意力集中程度；第二处理模块，连接至所述第一处理模块，用于根据每个工人当前时刻的精神疲劳水平和注意力集中程度，通过每个工人对应的工种和每个工种对应的工种危险系数，确定每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度；安全评估模块，连接至所述第二处理模块，用于根据每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度，采用预训练的安全水平评估模型确定每个工作组的安全水平，并根据所述安全水平确定对应的安全水平等级；预警模块，连接至所述安全评估模块，用于根据每个工作组的安全水平等级，确定对应的预警提示方式进行提示，其中，所述安全水平等级包括低水平、中水平和高水平。2.根据权利要求1所述的施工现场的安全监测预警系统，其特征在于，所述第一处理模块包括：降噪单元，用于对每个工人的精神安全信号进行数据降噪处理，以得到处理后的精神安全信号数据；提取单元，用于从所述处理后的精神安全信号数据中提取目标有效信息，其中，所述目标有效信息包括：时域异变性信息、关键时域图谱信息、频域功率图谱信息和频域功率异变性信息；第一计算单元，用于根据所述目标有效信息，采用预训练的精神疲劳模型计算每个工人当前时刻的精神疲劳水平；第二计算单元，用于根据所述目标有效信息，采用预训练的注意力模型计算每个工人当前时刻的注意力集中程度。3.根据权利要求1所述的施工现场的安全监测预警系统，其特征在于，采用以下第一计算公式计算每个工作组内所有工人对应的整体精神疲劳水平：其中，f表示整体精神疲劳水平，k
i
表示第i个工人的工种对应的工种危险系数，f
i
表示第i个工人的精神疲劳水平；采用以下第二计算公式计算每个工作组内所有工人对应的整体注意力集中程度：其中，a表示整体注意力集中程度，k
i
表示第i个工人的工种对应的工种危险系数，a
i
表示第i个工人的注意力集中程度。4.根据权利要求1所述的施工现场的安全监测预警系统，其特征在于，所述安全评估模块包括：训练单元，用于根据预设训练集和模糊神经网络模型进行训练，以得到安全水平评估
模型；评估单元，用于将每个工作组内的整体精神疲劳水平和整体注意力集中程度作为所述安全水平评估模型的输入，以输出每个工作组对应的安全水平，并确定对应的安全水平等级。5.根据权利要求4所述的施工现场的安全监测预警系统，其特征在于，所述安全水平评估模型包括模糊层、规则层、正则化层、随后层和去模糊化层；所述模糊层用于将所述每个工作组内的整体精神疲劳水平和整体注意力集中程度分别通过三个隶属度函数进行模糊化，计算并输出第一隶属度值和第二隶属度值；所述规则层用于将所述模糊层输出的第一隶属度值和第二隶属度值相乘作为模糊规则的激活程度值，并输出激活程度值；所述正则化层用于将所述激活程度值进行行正则化计算，得到正则化的激活程度值；所述随后层用于根据所述正则化的激活程度值计算得到新的隶属度值；所述去模糊化层用于根据所述新的隶属度值计算并输出所述安全水平。6.根据权利要求5所述的施工现场的安全监测预警系统，其特征在于，采用以下第三计算公式计算所述第一隶属度值和第二隶属度值：其中，n表示节点编号，x表示整体精神疲劳水平f或整体注意力集中程度a，o
1，n
表示第一隶属度值或第二隶属度值，表示隶属度函数a
n
对输入的整体精神疲劳水平x或整体注意力集中程度x的变化过程，即隶属函数，c
i
和σ
i
表示隶属度函数形状参数；采用以下第四计算公式计算所述各模糊规则的触发强度：其中，n代表模糊规则的编号，w
n
表示每个模糊规则的触发强度，表示整体精神疲劳水平f的隶属度值，表示整体注意力集中程度a的隶属度值；采用以下第五计算公式计算所述正则化的激活程度值：采用以下第五计算公式计算所述正则化的激活程度值：表示正则化的激活程度值；采用以下第六计算公式计算所述新的隶属度值：其中，f表示整体精神疲劳水平，a表示整体注意力集中程度，p
n
和q
n
表示对应的权重，r
n
表示常数项；采用以下第七计算公式计算所述安全水平：s表示所述安全水平。
7.根据权利要求1所述的施工现场的安全监测预警系统，其特征在于，所述预警模块用于：当所述工作组的安全水平等级为低水平时，确定对应的预警提示方式为第一预警提示；当所述工作组的安全水平等级为中水平时，确定对应的预警提示方式为第二预警提示；当所述工作组的安全水平等级为高水平时，确定对应的预警提示方式为第三预警提示。8.一种施工现场的安全监测预警方法，其特征在于，包括：通过智慧安全帽采集所述施工现场中每个工人的精神安全信号；对每个工人的精神安全信号进行异常值筛选和目标有效信息的提取，并根据所述目标有效信息确定每个工人当前时刻的精神疲劳水平和注意力集中程度；根据每个工人当前时刻的精神疲劳水平和注意力集中程度，通过每个工人对应的工种和每个工种对应的工种危险系数，确定每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度；根据每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度，采用预训练的安全水平评估模型确定每个工作组的安全水平，并根据所述安全水平确定对应的安全水平等级；根据每个工作组的安全水平等级，确定对应的预警提示方式进行提示，其中，所述安全水平等级包括低水平、中水平和高水平。9.一种施工现场的安全监测预警装置，其特征在于，所述装置包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：通过智慧安全帽采集所述施工现场中每个工人的精神安全信号；对每个工人的精神安全信号进行异常值筛选和目标有效信息的提取，并根据所述目标有效信息确定每个工人当前时刻的精神疲劳水平和注意力集中程度；根据每个工人当前时刻的精神疲劳水平和注意力集中程度，通过每个工人对应的工种和每个工种对应的工种危险系数，确定每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度；根据每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度，采用预训练的安全水平评估模型确定每个工作组的安全水平，并根据所述安全水平确定对应的安全水平等级；根据每个工作组的安全水平等级，确定对应的预警提示方式进行提示，其中，所述安全水平等级包括低水平、中水平和高水平。10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-7中任一项所述方法的步骤。

技术总结
本发明涉及安全监测技术领域，是关于一种施工现场的安全监测预警方法、装置及系统，系统包括：数据采集模块，通过智慧安全帽采集施工现场中每个工人的精神安全信号；第一处理模块，对精神安全信号进行异常值筛选和目标有效信息的提取，并确定每个工人当前时刻的精神疲劳水平和注意力集中程度；第二处理模块，通过每个工人对应的工种和工种危险系数，确定每个工作组内所有工人对应的整体精神疲劳水平和整体注意力集中程度；安全评估模块，采用预训练的安全水平评估模型确定每个工作组的安全水平和安全水平等级；预警模块，根据每个工作组的安全水平等级，确定对应的预警提示方式进行提示。通过该方案，降低错误预警概率，增加安全预警的处理效率。全预警的处理效率。全预警的处理效率。


技术研发人员：方东平 王尧 黄玥诚 郭红领 古博韬 苗春刚 李建华
受保护的技术使用者：清华大学
技术研发日：2023.02.09
技术公布日：2023/6/28