有限空间作业的安全监测方法、装置、设备及存储介质与流程

1.本发明实施例涉及安全监测技术领域，特别涉及一种有限空间作业的安全监测方法、装置、设备及存储介质。


背景技术：

2.近年来，有限空间作业过程中因监护困难、环境复杂而导致事故频繁发生。为了降低事故发生率，目前，现有的有限空间作业的安全监测方法通常利用便携式气体传感器和监控摄像头同时获取环境中的有毒有害气体浓度与作业人员实时作业的监控画面，并将环境中有毒有害气体浓度与作业人员实时作业的监控画面回传给后台监测人员，以使后台监测人员对有限空间内情况进行实时监测。
3.然而，由于有限空间的网络环境限制，实时采集数据回传的局限性较大，因此在遇到突发事故时，监测人员往往不能第一时间洞悉有限空间内的情况，这就使得现有有限空间作业的安全监测方法的监管实时性较差。
4.因此，亟需一种新的有限空间作业的安全监测方法。


技术实现要素：

5.为了解决现有有限空间作业的安全监测方法的监管实时性较差的问题，本发明实施例提供了一种有限空间作业的安全监测方法、装置、设备及存储介质。
6.第一方面，本发明实施例提供了一种有限空间作业的安全监测方法，应用于设置于有限空间中的移动终端，方法包括：
7.获取有限空间内的作业数据；其中，所述作业数据包括有限空间内各目标气体的浓度、作业人员的健康监测数据和所述移动终端采集的监控图像；
8.基于所述作业数据，对所述有限空间的作业状态进行安全检测，得到安全检测结果；
9.基于所述安全检测结果和所述移动终端的当前网络速度，向外部的监测预警平台传输目标数据；其中，所述目标数据包括所述安全检测结果和/或所述作业数据。
10.第二方面，本发明实施例还提供了一种有限空间作业的安全监测装置，应用于设置于有限空间中的移动终端，所述装置包括：
11.获取单元，用于获取有限空间内的作业数据；其中，所述作业数据包括有限空间内各目标气体的浓度、作业人员的健康监测数据和所述移动终端采集的监控图像；
12.检测单元，用于基于所述作业数据，对所述有限空间的作业状态进行安全检测，得到安全检测结果；
13.传输单元，用于基于所述安全检测结果和所述移动终端的当前网络速度，向外部的监测预警平台传输目标数据；其中，所述目标数据包括所述安全检测结果和/或所述作业数据。
14.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机
程序，当所述计算机程序在计算机中执行时，令计算机执行本说明书任一实施例所述的方法。
15.本发明实施例提供了一种有限空间作业的安全监测方法、装置、设备及存储介质，应用于设置于有限空间中的移动终端，首先获取有限空间内的作业数据；其中，作业数据包括有限空间内各目标气体的浓度、作业人员的健康监测数据和移动终端采集的监控图像；然后，基于作业数据，对有限空间的作业状态进行安全检测，得到安全检测结果；同时，基于安全检测结果和移动终端的当前网络速度，向外部的监测预警平台传输目标数据；其中，目标数据包括安全检测结果和/或作业数据。本方案，可以利用作业人员携带的移动终端对各目标气体的浓度、健康监测数据和监控图像进行离线实时监测，并可以根据当前网络速度确定向外部的监测预警平台传输目标数据，可以有效提高有限空间作业的安全监测实时性。
附图说明
16.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作简单地介绍，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的前提下，还可以根据这些附图获得其他的附图。
17.图1是本发明一实施例提供的一种有限空间作业的安全监测方法的流程图；
18.图2是本发明一实施例提供的一种计算设备的硬件架构图；
19.图3是本发明一实施例提供的一种有限空间作业的安全监测装置结构图。
具体实施方式
20.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，所描述的实施例是本发明一部分实施例，而不是全部的实施例，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的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。
21.如前所述，现有的有限空间作业的安全监测方法通常是将采集的有毒有害气体浓度和监控画面实时回传给外部的监测人员，以对有限空间内情况进行实时监测。然而由于有限空间的网络环境限制，实时采集数据回传的局限性较大，因此在遇到突发事故时，监测人员往往不能第一时间洞悉有限空间内的情况，这就使得现有有限空间作业的安全监测方法的监管实时性较差。为了解决上述技术问题，发明人可以考虑利用有限空间内的移动终端第一时间对作业数据中的各目标气体的浓度、健康监测数据和监控图像进行离线实时监测；然后，基于移动终端的当前网络速度，确定向外部的监测预警平台传输目标数据；其中，目标数据可以包括安全检测结果和/或作业数据，以此来提高安全监测的实时性。
22.下面描述以上构思的具体实现方式。
23.请参考图1，本发明实施例提供了一种有限空间作业的安全监测方法，应用于设置于有限空间中的移动终端，该方法包括：
24.步骤100，获取有限空间内的作业数据；其中，作业数据包括有限空间内各目标气体的浓度、作业人员的健康监测数据和移动终端采集的监控图像；
25.步骤102，基于作业数据，对有限空间的作业状态进行安全检测，得到安全检测结果；
26.步骤104，基于安全检测结果和移动终端的当前网络速度，向外部的监测预警平台传输目标数据；其中，目标数据包括安全检测结果和/或作业数据。
27.本发明实施例中，应用于设置于有限空间中的移动终端，首先获取有限空间内的作业数据；其中，作业数据包括有限空间内各目标气体的浓度、作业人员的健康监测数据和移动终端采集的监控图像；然后，基于作业数据，对有限空间的作业状态进行安全检测，得到安全检测结果；同时，基于安全检测结果和移动终端的当前网络速度，向外部的监测预警平台传输目标数据；其中，目标数据包括安全检测结果和/或作业数据。本方案，可以利用作业人员携带的移动终端对各目标气体的浓度、健康监测数据和监控图像进行离线实时监测，并可以根据当前网络速度确定向外部的监测预警平台传输目标数据，可以有效提高有限空间作业的安全监测实时性。
28.针对步骤100：
29.在本发明实施例中，有限空间内的作业人员利用随身携带的便携式气体检测仪、健康手环和移动终端，实时采集有限空间内各目标气体的浓度、作业人员的健康监测数据和实时拍摄的监控图像，即作业数据，并且便携式气体检测仪和健康手环通过蓝牙方式与移动终端连接，以将各目标气体的浓度和健康监测数据实时发送至移动终端。
30.需要说明的是，各目标气体可以为硫化氢、一氧化碳等有毒有害气体和氧气等，具体可以根据实际情况而定，在此不对目标气体的种类进行限定；另外，健康监测数据可以为作业人员的心率、血氧、血压等数据，在此也不对健康监测数据的种类进行限定。
31.针对步骤102：
32.在一些实施方式中，安全检测结果包括对各目标气体的浓度进行安全检测得到的第一预警结果、对健康监测数据进行安全检测得到的第二预警结果和对监控图像进行安全检测得到的第三预警结果；
33.步骤“基于所述作业数据，对有限空间的作业状态进行安全检测”，可以包括：
34.基于预先设置的第一阈值和第二阈值，分别对各目标气体的浓度和健康监测数据进行安全检测；
35.将监控图像输入至预先训练好的第一检测模型，以对监控图像进行安全检测。
36.在本实施例中，可以将第一阈值和第二阈值保存在移动终端中，当实时采集的各目标气体的浓度和健康监测数据超过对应的第一阈值和第二阈值时，移动终端会第一时间告警，以此来实现对有限空间内各目标气体的监测和对作业人员的健康监测数据的监测。
37.另外，移动终端中存入了预先训练好的第一检测模型，可以对移动终端实时采集的监控图像进行安全检测，当检测出安全隐患时，会发出预警，即第三预警结果。
38.在一些实时方式中，第二阈值可以通过如下方式确定：
39.对作业人员的健康监测数据进行测量；
40.基于测量结果，确定作业人员的健康监测数据对应的第二阈值。
41.在本实施例中，由于每个作业人员的心率、血氧、血压等健康监测数据不同，可以预先测量每个作业人员的健康监测数据，基于每个作业人员的健康数据来确定第二阈值，可以提高每个工作人员的健康监测的准确性。
42.而各目标气体的浓度对应的第一阈值不会随着环境的改变而改变，可以根据不同有害气体浓度对人体的影响，预先确定各目标气体的浓度对应的第一阈值。
43.由于需要保障对监控图像的监测实时性和准确性，移动终端中的第一检测模型显得尤为重要。
44.接下来，对第一检测模型的网络结构和训练方式进行说明。
45.在一些实施方式中，第一检测模型基于预设的神经网络训练得到，神经网络包括特征提取模块、特征融合模块和检测头模块，特征提取模块包括多个依次串联的特征提取子模块和快速金字塔池化模块，每一个特征提取子模块均包括重参数卷积层和跨阶段重参数瓶颈块。
46.在本实施例中，多个特征提取子模块可以实现对多尺度特征图的特征提取，而快速金字塔池化模块可以在不增加网络参数的情况下，增加特征图的尺度，可以增加第一检测模型的检测尺度，进一步可以提高第一检测模型的准确度。而每一个特征提取子模块均包括重参数卷积层和跨阶段重参数瓶颈块，重参数的作用是在训练阶段可以增加网络参数数量，可以提高神经网络的训练精度，而在推理阶段时，网络参数可以等于普通卷积层的参数量，可以提高第一检测模型的检测精度的同时，提高第一检测模型的检测速度。
47.在一些实施方式中，特征融合模块包括多个特征融合子模块，且每一个特征融合子模块均包括重参数卷积层和跨阶段重参数瓶颈块，跨阶段重参数瓶颈块中包括若干个重参数瓶颈层；
48.第一检测模型的训练方式，可以包括如下步骤s1-s5：
49.步骤s1，获取各目标事件的多个被标注有标签的训练样本；
50.步骤s2，将每一个训练样本分别输入至神经网络和预先训练生成的第二检测模型中，以利用神经网络的每一个特征提取子模块和第二检测模型的每一个特征提取子模块分别对每一个训练样本进行特征提取，得到神经网络和第二检测模型中每一个特征提取子模块的特征提取结果；
51.步骤s3，将神经网络的特征提取结果和第二检测模型的特征提取结果，分别输入至神经网络的特征融合模块和第二检测模型的特征融合模块中，得到神经网络和第二检测模型的每一个特征融合子模块的特征融合图；其中，第二检测模型中每一个跨阶段重参数瓶颈块中重参数瓶颈层的数量大于神经网络中每一个跨阶段重参数瓶颈块中重参数瓶颈层的数量；
52.步骤s4，将神经网络和第二检测模型的特征融合图，分别输入至神经网络和第二检测模型的检测头模块，得到神经网络和第二检测模型对每一个训练样本的检测结果；
53.步骤s5，针对每一个训练样本，根据神经网络对当前训练样本的检测结果和当前训练样本对应的标签，对神经网络的网络参数进行第一次调整，并且根据当前训练样本在神经网络和第二检测模型中的检测结果，对神经网络的网络参数进行第二次调整，得到第一检测模型。
54.在本实施例中，可以预先确定目标事件，本实施例的目标事件包括作业人员劳保穿戴、摔倒检测、有限空间水位高度、作业人员超员等。然后，获取各目标事件的多个被标注有标签的训练样本，依次将每一个训练样本分别输入至神经网络和预先训练生成的第二检测模型中，其中，第二检测模型相较于第一检测模型，特征提取模块和特征融合模块中的每
一个跨阶段重参数瓶颈块中重参数瓶颈层的数量大于第一检测模型对应的神经网络中每一个跨阶段重参数瓶颈块中重参数瓶颈层的数量，因此第二检测模型的检测准确度高于第一检测模型对应的神经网络的准确度。那么在得到神经网络和第二检测模型对每一个的训练样本的检测结果之后，首先根据神经网络对每一个训练样本的检测结果和每一个训练样本对应的标签，对神经网络的网络参数进行第一次调整，然后，根据每一个训练样本在神经网络和第二检测模型中的检测结果，对神经网络的网络参数进行第二次调整，得到第一检测模型，以此来提高第一检测模型的训练速度和检测准确度。
55.需要说明的是，第二检测模型的网络参数量需要大于第一检测模型对应的神经网络的网络参数量，那么第二检测模型的检测准确率必然大于神经网络的检测准确率。故在此不对第二检测模型的网络结构作具体限定。
56.在一些实施方式中，在步骤s5之后，还可以包括：
57.将训练样本依次输入至第一检测模型中，得到第一检测模型对每一个训练样本的检测结果；
58.根据第一检测模型对每一个训练样本的检测结果和每一个训练样本对应的标签，对第一检测模型的网络参数进行调整，直至得到符合预期的第一检测模型。
59.在本实施例中，当利用第二检测模型对第一检测模型训练到一定精度时，还可以利用训练样本单独对第一检测模型继续进行训练，可以进一步提高第一检测模型的检测准确度，且最终得到的第一检测模型比第二检测模型的准确度更高。
60.在一些实施方式中，在步骤s1之后，在步骤s2之前，还可以对每一个训练样本进行图像增强。
61.具体地，确定第一增强方式和第二增强方式，其中第一增强方式是每个训练样本均需要按预设概率对当前训练样本进行增强，而第二增强方式是可以随机选取其中的设定个数按预设概率对当前训练样本进行增强。
62.其中，本实施例的第一增强方式包括v5马赛克增强、矩形训练和空间仿射变换；第二增强方式包括hsv色彩空间增强，随机抹除，上下翻转、左右翻转、图像融合、亮度图变换、暗度图变换、随机噪声、模糊增强、中值模糊、图像压缩、下采样、相机iso噪声、动态模糊、随机阴影、随机太阳耀斑、随机色调曲线变换、光学畸变、弹性形变、随机亮度和色彩通道变换。可以理解，本实施例可以利用多种图像增强方式，对每一个训练样本进行随机图像增强，可以提高第一检测模型的泛化能力和检测准确度。
63.针对步骤104：
64.在发明本实施例中，除了有限空间内的作业人员，还包括现场监控层和设置在基地的监控中心，可以基于有限空间内的移动终端的当前网络速度，来确定移动终端向外部的监控中心的监测预警平台传输的目标数据，以根据有限空间网络环境动态调整数据回传形式，能够更加及时有效地向外部的现场监控层和监控中心反应出有限空间作业隐患的具体情况，提升对有限空间内安全作业的监管力度及预警实时性与准确性，以在有限空间作业事故发生，监护人员能快速做出应急响应。
65.在一些实施方式中，步骤“基于安全检测结果和移动终端的当前网络速度，向外部的监测预警平台传输目标数据”，可以包括：
66.当移动终端的当前网络速度大于等于第一预设速度时，移动终端向外部的监测预
警平台传输的目标数据为作业数据；
67.当当前网络速度大于等于第二预设速度，且小于第一预设速度时，移动终端向监测预警平台传输的目标数据为第三预警结果，以及作业数据中各目标气体的浓度和健康监测数据；其中，第一预设速度大于第二预设速度；
68.当当前网络速度小于第二预设速度时，移动终端向所述监测预警平台传输的目标数据为第一预警结果、第二预警结果和第三预警结果。
69.在本实施例中，第一预设速度和第二预设速度可以分别设置为128kb/s和50kb/s，当移动终端的网络速度大于等于128kb/s时，可以将实时采集的各目标气体的浓度、健康监测数据和监控图像直接传输至监控中心的监测预警平台，以使监测预警平台根据回传的作业数据进行监测，一旦出现异常情况会实时提醒作业人员和现场监控层，也可以及时通知相关管理人员。各级领导即时出差在外，也可以通过网络登陆到监测预警平台，实时了解安全管理状况。如遇突发事件，监测预警平台将实时触发安全管理及主管领导的手机，实现远程察看，远程监督指挥。而现场监控层也会与作业人员进行实时视频监控与语音对讲，实时了解有限空间内部作业人员状况和作业现场情况，并能实时收到监控中心的监测预警平台发来的预警信息，起到实时监护的作用，有效保护作业人员的安全。
70.另外，为了增强移动终端与外部现场监控层和监控中心的网络信号，移动终端可以通过外接对数天线来进行网络优化。
71.当移动终端的网络速度大于等于50kb/s，小于128kb/s时，移动终端向监测预警平台传输的目标数据为实时采集数据中各目标气体的浓度和健康监测数据，由于实时监控图像的传输体积较大，只利用移动终端中的第一检测模型对监控图像进行实时检测，若有异常，则会将第三预警结果传输至监测预警平台。当移动终端的网络速度小于50kb/s时，则仅将移动终端监测的第一预警结果、第二预警结果和第三预警结果传输至监测预警平台，不会实时回传各目标气体的浓度、健康监测数据和监控图像。因此，本实施例可以基于网络速度动态回传数据，保证在网络状态不好时，能根据网络状态动态保障核心预警信息的回传，可以有效避免网络不良情况下数据传输占用资源导致延报、漏报事件的发生。
72.需要说明的是，不管网络速度为多少，有限空间内的移动终端都会对各目标气体的浓度、作业人员的健康监测数据和监控图像进行监测。在网络速度大于等于128kb/s时，监测预警平台也会对实时回传的目标气体的浓度、作业人员的健康监测数据和监控图像进行监测，相当于实现移动终端和监测预警平台的双重监测，以提高监测的准确性。
73.如图2、图3所示，本发明实施例提供了一种有限空间作业的安全监测装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言，如图2所示，为本发明实施例提供的一种有限空间作业的安全监测装置所在计算设备的一种硬件架构图，除了图2所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的计算设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等。以软件实现为例，如图3所示，作为一个逻辑意义上的装置，是通过其所在计算设备的cpu将非易失性存储器中对应的计算机程序读取到内存中运行形成的。本实施例提供的一种有限空间作业的安全监测装置，应用于设置于有限空间中的移动终端，所述装置包括：
74.获取单元301，用于获取有限空间内的作业数据；其中，作业数据包括有限空间内各目标气体的浓度、作业人员的健康监测数据和移动终端采集的监控图像；
75.检测单元302，用于基于作业数据，对有限空间的作业状态进行安全检测，得到安全检测结果；
76.传输单元303，用于基于安全检测结果和移动终端的当前网络速度，向外部的监测预警平台传输目标数据；其中，目标数据包括安全检测结果和/或作业数据。
77.在本发明一个实施例中，在检测单元302中，安全检测结果包括对各目标气体的浓度进行安全检测得到的第一预警结果、对健康监测数据进行安全检测得到的第二预警结果和对监控图像进行安全检测得到的第三预警结果。
78.那么，检测单元302在执行基于作业数据，对有限空间的作业状态进行安全检测时，用于：
79.基于预先设置的第一阈值和第二阈值，分别对各目标气体的浓度和健康监测数据进行安全检测；
80.将监控图像输入至预先训练好的第一检测模型，以对监控图像进行安全检测。
81.在本发明一个实施例中，传输单元303用于执行：
82.当移动终端的当前网络速度大于等于第一预设速度时，移动终端向外部的监测预警平台传输的目标数据为作业数据；
83.当当前网络速度大于等于第二预设速度，且小于第一预设速度时，移动终端向监测预警平台传输的目标数据为第三预警结果，以及作业数据中各目标气体的浓度和健康监测数据；其中，第一预设速度大于第二预设速度；
84.当当前网络速度小于第二预设速度时，移动终端向监测预警平台传输的目标数据为第一预警结果、第二预警结果和第三预警结果。
85.在本发明一个实施例中，检测单元302中第一检测模型基于预设的神经网络训练得到，神经网络包括特征提取模块、特征融合模块和检测头模块，特征提取模块包括多个依次串联的特征提取子模块和快速金字塔池化模块，每一个特征提取子模块均包括重参数卷积层和跨阶段重参数瓶颈块。
86.在本发明一个实施例中，检测单元302中的特征融合模块包括多个特征融合子模块，且每一个特征融合子模块均包括重参数卷积层和跨阶段重参数瓶颈块，其中，跨阶段重参数瓶颈块中包括若干个重参数瓶颈层；
87.第一检测模型的训练方式，包括：
88.获取各目标事件的多个被标注有标签的训练样本；
89.将每一个训练样本分别输入至神经网络和预先训练生成的第二检测模型中，以利用神经网络的每一个特征提取子模块和第二检测模型的每一个特征提取子模块分别对每一个训练样本进行特征提取，得到神经网络和第二检测模型中每一个特征提取子模块的特征提取结果；
90.将神经网络的特征提取结果和第二检测模型的特征提取结果，分别输入至神经网络的特征融合模块和第二检测模型的特征融合模块中，得到神经网络和第二检测模型的每一个特征融合子模块的特征融合图；其中，第二检测模型中每一个跨阶段重参数瓶颈块中重参数瓶颈层的数量大于神经网络中每一个跨阶段重参数瓶颈块中重参数瓶颈层的数量；
91.将神经网络和第二检测模型的特征融合图，分别输入至神经网络和第二检测模型的检测头模块，得到神经网络和第二检测模型对每一个训练样本的检测结果；
92.针对每一个训练样本，根据神经网络对当前训练样本的检测结果和当前训练样本对应的标签，对神经网络的网络参数进行第一次调整，并且根据当前训练样本在神经网络和第二检测模型中的检测结果，对神经网络的网络参数进行第二次调整，得到第一检测模型。
93.在本发明一个实施例中，检测单元302在得到第一检测模型之后，还用于：
94.将训练样本依次输入至第一检测模型中，得到第一检测模型对每一个训练样本的检测结果；
95.根据第一检测模型对每一个训练样本的检测结果和每一个训练样本对应的标签，对第一检测模型的网络参数进行调整，直至得到符合预期的第一检测模型。
96.在本发明一个实施例中，检测单元302中的第二阈值是通过如下方式确定的：
97.对作业人员的健康监测数据进行测量；
98.基于测量结果，确定作业人员的健康监测数据对应的第二阈值。
99.可以理解的是，本发明实施例示意的结构并不构成对一种有限空间作业的安全监测装置的具体限定。在本发明的另一些实施例中，一种有限空间作业的安全监测装置可以包括比图示更多或者更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。
100.上述装置内的各模块之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
101.本发明实施例还提供了一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本发明任一实施例中的一种有限空间作业的安全监测方法。
102.本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被处理器执行时，使所述处理器执行本发明任一实施例中的一种有限空间作业的安全监测方法。
103.具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机(或cpu或mpu)读出并执行存储在存储介质中的程序代码。
104.在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
105.用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如cd-rom、cd-r、cd-rw、dvd-rom、dvd-ram、dvd-rw、dvd+rw)、磁带、非易失性存储卡和rom。可选择地，可以由通信网络从服务器计算机上下载程序代码。
106.此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。
107.此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展模块上的cpu等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。
108.需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
109.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质中。
110.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述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精神和范围。

技术特征：
1.一种有限空间作业的安全监测方法，其特征在于，应用于设置于有限空间中的移动终端，所述方法包括：获取有限空间内的作业数据；其中，所述作业数据包括有限空间内各目标气体的浓度、作业人员的健康监测数据和所述移动终端采集的监控图像；基于所述作业数据，对所述有限空间的作业状态进行安全检测，得到安全检测结果；基于所述安全检测结果和所述移动终端的当前网络速度，向外部的监测预警平台传输目标数据；其中，所述目标数据包括所述安全检测结果和/或所述作业数据。2.根据权利要求1所述的方法，其特征在于，所述安全检测结果包括对各目标气体的浓度进行安全检测得到的第一预警结果、对所述健康监测数据进行安全检测得到的第二预警结果和对所述监控图像进行安全检测得到的第三预警结果；所述基于所述作业数据，对所述有限空间的作业状态进行安全检测，包括：基于预先设置的第一阈值和第二阈值，分别对各目标气体的浓度和所述健康监测数据进行安全检测；将所述监控图像输入至预先训练好的第一检测模型，以对所述监控图像进行安全检测。3.根据权利要求2所述的方法，其特征在于，所述基于所述安全检测结果和所述移动终端的当前网络速度，向外部的监测预警平台传输目标数据，包括：当所述移动终端的当前网络速度大于等于第一预设速度时，所述移动终端向外部的监测预警平台传输的目标数据为所述作业数据；当当前网络速度大于等于第二预设速度，且小于所述第一预设速度时，所述移动终端向所述监测预警平台传输的目标数据为所述第三预警结果，以及所述作业数据中各目标气体的浓度和所述健康监测数据；其中，所述第一预设速度大于所述第二预设速度；当当前网络速度小于所述第二预设速度时，所述移动终端向所述监测预警平台传输的目标数据为所述第一预警结果、所述第二预警结果和所述第三预警结果。4.根据权利要求2所述的方法，其特征在于，所述第一检测模型基于预设的神经网络训练得到，所述神经网络包括特征提取模块、特征融合模块和检测头模块，所述特征提取模块包括多个依次串联的特征提取子模块和快速金字塔池化模块，每一个所述特征提取子模块均包括重参数卷积层和跨阶段重参数瓶颈块。5.根据权利要求4所述的方法，其特征在于，所述特征融合模块包括多个特征融合子模块，且每一个所述特征融合子模块均包括重参数卷积层和跨阶段重参数瓶颈块，所述跨阶段重参数瓶颈块中包括若干个重参数瓶颈层；所述第一检测模型的训练方式，包括：获取各目标事件的多个被标注有标签的训练样本；将每一个所述训练样本分别输入至所述神经网络和预先训练生成的第二检测模型中，以利用所述神经网络的每一个特征提取子模块和所述第二检测模型的每一个特征提取子模块分别对每一个所述训练样本进行特征提取，得到所述神经网络和所述第二检测模型中每一个特征提取子模块的特征提取结果；将所述神经网络的特征提取结果和所述第二检测模型的特征提取结果，分别输入至所
述神经网络的特征融合模块和所述第二检测模型的特征融合模块中，得到所述神经网络和所述第二检测模型的每一个特征融合子模块的特征融合图；其中，所述第二检测模型中每一个跨阶段重参数瓶颈块中重参数瓶颈层的数量大于所述神经网络中每一个跨阶段重参数瓶颈块中重参数瓶颈层的数量；将所述神经网络和所述第二检测模型的特征融合图，分别输入至所述神经网络和所述第二检测模型的检测头模块，得到所述神经网络和所述第二检测模型对每一个所述训练样本的检测结果；针对每一个所述训练样本，根据所述神经网络对当前训练样本的检测结果和当前训练样本对应的标签，对所述神经网络的网络参数进行第一次调整，并且根据当前训练样本在所述神经网络和所述第二检测模型中的检测结果，对所述神经网络的网络参数进行第二次调整，得到第一检测模型。6.根据权利要求5所述的方法，其特征在于，在所述得到第一检测模型之后，还包括：将所述训练样本依次输入至所述第一检测模型中，得到所述第一检测模型对每一个所述训练样本的检测结果；根据所述第一检测模型对每一个所述训练样本的检测结果和每一个所述训练样本对应的标签，对所述第一检测模型的网络参数进行调整，直至得到符合预期的第一检测模型。7.根据权利要求2-6中任一项所述的方法，其特征在于，所述第二阈值是通过如下方式确定的：对作业人员的健康监测数据进行测量；基于测量结果，确定所述作业人员的健康监测数据对应的第二阈值。8.一种有限空间作业的安全监测装置，其特征在于，应用于设置于有限空间中的移动终端，所述装置包括：获取单元，用于获取有限空间内的作业数据；其中，所述作业数据包括有限空间内各目标气体的浓度、作业人员的健康监测数据和所述移动终端采集的监控图像；检测单元，用于基于所述作业数据，对所述有限空间的作业状态进行安全检测，得到安全检测结果；传输单元，用于基于所述安全检测结果和所述移动终端的当前网络速度，向外部的监测预警平台传输目标数据；其中，所述目标数据包括所述安全检测结果和/或所述作业数据。9.一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-7中任一项所述的方法。10.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-7中任一项所述的方法。

技术总结
本发明涉及安全监测技术领域，特别涉及一种有限空间作业的安全监测方法、装置、设备及存储介质。应用于设置于有限空间中的移动终端，方法包括：获取有限空间内的作业数据；其中，作业数据包括有限空间内各目标气体的浓度、作业人员的健康监测数据和移动终端采集的监控图像；基于作业数据，对有限空间的作业状态进行安全检测，得到安全检测结果；基于安全检测结果和移动终端的当前网络速度，向外部的监测预警平台传输目标数据；其中，目标数据包括安全检测结果和/或作业数据。本方案，可以利用作业人员携带的移动终端对实时采集数据进行离线实时监测，并根据当前网络速度确定向外部的监测预警平台传输目标数据，以提高监管的实时性。实时性。实时性。


技术研发人员：闫印强 党增博 杨利达 姜海昆 范宇
受保护的技术使用者：长扬科技（北京）股份有限公司
技术研发日：2023.01.17
技术公布日：2023/6/27