一种基于边缘计算的有限空间作业安全管控方法及系统与流程

本发明涉及空间作业安全管控领域，尤其涉及一种基于边缘计算的有限空间作业安全管控方法及系统。

背景技术：

1、有限空间是指封闭或部分封闭并与外界相对隔离的自然通风不良的空间，由于环境复杂多变且救援难度大，有限空间作业一直是安全生产事故的高发区，随着工业互联网和物联网技术的发展，针对有限空间作业的安全监测向自动化监测转变。

2、现有技术中，监测数据传输至云端进行集中处理，基于云端集中处理的管控模式存在显著的技术瓶颈和缺陷；首先，数据传输延迟高难以满足应急响应的实时性要求，现有的架构需要将海量原始数据上传至远程云端，经过服务器分析后再将控制指令下发回现场，存在较高的网络延迟，且有限空间无线信号衰减严重，网络覆盖不稳定；其次，数据处理维度单一，缺乏对多模态数据的深度融合，导致误报和漏报；最后，将所有原始数据上传至云端进行集中处理，对服务器算力资源和网络带宽成本造成了巨大压力，云端算力负载重，运维成本高，且现有的数据处理缺乏边缘侧的预处理导致大量无效或噪声数据占用系统资源。

技术实现思路

1、本发明提供了一种基于边缘计算的有限空间作业安全管控方法及系统，其主要目的在于解决现有技术中有限空间作业的过程中数据传输延迟高、多模态数据融合不足和算力负载过重的问题。

2、为达到上述目的，本发明提供的一种基于边缘计算的有限空间作业安全管控方法，该方法在边缘计算节点上执行，该方法包括：

3、接收有限空间内多个目标对象的原始工作数据，并对所述原始工作数据进行数据清洗、噪声去除和归一化处理获得目标工作数据；所述目标工作数据包括时间序列数据和图像数据；

4、对所述目标工作数据中的时间序列数据进行特征提取获得目标对象的趋势变化特征，对图像数据进行特征提取获得目标对象的形态特征，趋势变化特征输入轻量化机器学习模型后输出异常环境参数，形态特征输入轻量化机器学习模型后输出异常行为参数；

5、计算所述异常环境参数和异常行为参数的风险值，与预设安全风险阈值对比后基于处置策略库生成对应安全管控决策以对所述有限空间内多个目标对象进行控制管理，并进行声光报警和告警信息推送。

6、可选地，对所述原始工作数据进行数据清洗、噪声去除和归一化处理获得目标工作数据的过程包括：

7、对所述原始工作数据进行完整性和一致性校验，识别并处理缺失数据、重复数据、异常数据和格式错误数据；

8、对清洗后的原始工作数据通过平滑滤波算法去除由传感器测量误差或环境干扰引起的高频噪声获得平滑数据；

9、对所述平滑数据进行特征缩放后将其映射至预设的标准数值区间获得目标工作数据。

10、可选地，所述轻量化机器学习模型包括轻量化支持向量机分类器和轻量化卷积神经网络图像识别模型。

11、可选地，对所述目标工作数据中的时间序列数据进行特征提取获得目标对象的趋势变化特征，对图像数据进行特征提取获得目标对象的形态特征的过程包括：

12、对时间序列数据进行滑动窗口分段处理，划分获得多组等长数据片段，基于各组等长数据片段分别计算时序变化斜率、均值变化量和波动速率后获得目标对象的趋势变化特征；

13、对图像数据进行目标检测和语义分割提取目标对象的空间形态、几何特征和外观特征获得目标对象的形态特征。

14、可选地，趋势变化特征输入轻量化机器学习模型后输出异常环境参数，形态特征输入轻量化机器学习模型后输出异常行为参数的过程包括：

15、将同一滑动窗口对应的趋势变化特征和形态特征通过主成分分析方法对所述融合特征向量进行维度压缩降维处理获得输入特征；

16、所述输入特征输入轻量化机器学习模型，通过轻量化支持向量机分类器对趋势变化特征进行分类预测，输出超出安全值范围的异常环境参数，轻量化卷积神经网络图像识别模型对形态特征进行判定，输出异常行为参数；

17、对所述异常环境参数和所述异常行为参数进行置信度校验并去除低于预设阈值的异常环境参数和异常行为参数。

18、可选地，对所述异常环境参数和所述异常行为参数进行加权求和获得目标对象的风险值，与预设安全风险阈值对比后基于处置策略库生成对应安全管控决策以对所述有限空间内多个目标对象进行控制管理的过程包括：

19、提取所述异常环境参数中的环境危险因子，以及所述异常行为参数中的行为违规因子，对所述环境危险因子和所述行为违规因子进行加权求和获得风险值；

20、将所述风险值与所述预设安全风险阈值进行比对后确定风险等级，并根据所述风险等级从所述处置策略库中调用与所述风险等级对应的安全管控决策。

21、可选地，该方法还包括：将所述异常环境参数、所述异常行为参数和对应的安全管控决策存储为日志并保存至运维管理平台。

22、为了解决上述问题，本发明还提供一种基于边缘计算的有限空间作业安全管控系统，所述系统用于执行上述任意一项所述的基于边缘计算的有限空间作业安全管控方法。

23、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

24、至少一个处理器；以及，

25、与所述至少一个处理器通信连接的存储器；其中，

26、所述存储器有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行以实现上述任意一项所述的基于边缘计算的有限空间作业安全管控方法。

27、为了解决上述问题，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任意一项所述的基于边缘计算的有限空间作业安全管控方法。

28、本发明的有益效果在于：

29、本发明提供一种基于边缘计算的有限空间作业安全管控方法及系统，通过边缘计算节点接收有限空间内多个目标对象的原始工作数据并进行处理后提取特征并输入轻量化机器学习模型后获得异常环境参数和异常行为参数，计算所述异常环境参数和异常行为参数的风险值，与预设安全风险阈值对比后基于处置策略库生成对应安全管控决策以对所述有限空间内多个目标对象进行控制管理，边缘节点能够实现数据传输、处理和反馈的及时响应，生成管控决策并触发声光报警，确保在险情发生的瞬间即可采取控制措施，有效防止事故扩大，风险值降低单一维度监测带来的误报率，对数据进行预处理减少无效数据的传输，降低了网络带宽占用和云端存储压力，提升有限空间作业安全管控的稳定性和及时性并提高报警的准确率。

30、本发明的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本发明的实践而获知。本发明的目的和其它优点可以通过在说明书以及附图中具体指出的结构实现到并获得。

31、本领域技术人员将会理解的是，能够用本发明实现的目的和优点不限于以上具体所述，并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。

1.一种基于边缘计算的有限空间作业安全管控方法，其特征在于，该方法在边缘计算节点上执行，该方法包括：

2.根据权利要求1所述的基于边缘计算的有限空间作业安全管控方法，其特征在于，对所述原始工作数据进行数据清洗、噪声去除和归一化处理获得目标工作数据的过程包括：

3.根据权利要求1所述的基于边缘计算的有限空间作业安全管控方法，其特征在于，所述轻量化机器学习模型包括轻量化支持向量机分类器和轻量化卷积神经网络图像识别模型。

4.根据权利要求3所述的基于边缘计算的有限空间作业安全管控方法，其特征在于，对所述目标工作数据中的时间序列数据进行特征提取获得目标对象的趋势变化特征，对图像数据进行特征提取获得目标对象的形态特征的过程包括：

5.根据权利要求4所述的基于边缘计算的有限空间作业安全管控方法，其特征在于，趋势变化特征输入轻量化机器学习模型后输出异常环境参数，形态特征输入轻量化机器学习模型后输出异常行为参数的过程包括：

6.根据权利要求1所述的基于边缘计算的有限空间作业安全管控方法，其特征在于，对所述异常环境参数和所述异常行为参数进行加权求和获得目标对象的风险值，与预设安全风险阈值对比后基于处置策略库生成对应安全管控决策以对所述有限空间内多个目标对象进行控制管理的过程包括：

7.根据权利要求1所述的基于边缘计算的有限空间作业安全管控方法，其特征在于，该方法还包括：将所述异常环境参数、所述异常行为参数和对应的安全管控决策存储为日志并保存至运维管理平台。

8.一种基于边缘计算的有限空间作业安全管控系统，其特征在于，所述系统用于执行如权利要求1至7中任意一项所述的基于边缘计算的有限空间作业安全管控方法。

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于边缘计算的有限空间作业安全管控方法。