智能安全帽系统的制作方法

本技术涉及智能穿戴设备领域，尤其涉及一种智能安全帽系统。

背景技术：

1、在电力行业现场作业场景中，作业人员常需在复杂且高风险的环境中执行设备巡检、维护及抢修任务。例如，高空杆塔作业、变电站设备检修或自然灾害后的紧急抢修等场景，均存在以下挑战：作业环境复杂，作业人员需携带多种辅助工具（如照明设备、对讲机、拍照设备、定位装置等），导致操作繁琐且易引发安全隐患；作业过程中若遇到技术难题，传统电话沟通难以清晰传递现场信息，无法快速获取专家指导；作业现场存在撞击、坠落、昏迷等安全风险，缺乏实时监测与预警机制；此外，设备信息、运维知识和操作规范等资料分散，新员工依赖经验丰富的老员工指导，效率低下且易出错。当前电力作业对智能化、集成化、实时性的需求日益迫切，亟需一种能够整合多模态数据采集、智能分析、远程协同与安全预警功能的智能装备，以提升作业效率、降低安全风险并优化管理流程。

2、现有技术中，电力现场作业主要依赖传统安全帽与分散式工具的组合。传统安全帽仅具备基础防护功能，因此作业人员需额外携带其他工具。在技术支持方面，作业人员遇到问题时需通过电话或对讲机联系专家，从而得到技术支持。

3、然而，现有技术中的安全帽难以为作业人员提供实时准确的技术支持，并且额外携带的多种独立设备操作繁琐且易引发安全隐患。

技术实现思路

1、本技术实施例提供一种智能安全帽系统，用以解决现有技术中存在难以为作业人员提供实时准确的技术支持，并且额外携带的多种独立设备操作繁琐且易引发安全隐患的问题。

2、第一方面，本技术实施例提供一种智能安全帽系统，包括：

3、数据采集模块，用于采集现场人员的作业数据，所述作业数据包括地理环境数据、生理状态数据、运动状态数据、语音数据以及图像数据；

4、数据处理模块，用于对所述作业数据进行预处理、特征提取及数据分析，并基于分析结果生成作业指导信息和安全风险等级；

5、路径规划模块，用于基于所述地理环境数据生成作业路径以及安全边界范围；

6、远程监控与救援模块，用于在检测到异常状态时生成报警信息，并将报警信息、地理环境数据以及现场图像信息发送至远程管理平台，以实现远程监控与救援。

7、根据上述技术手段，通过数据采集模块采集现场人员的地理环境数据、生理状态数据、运动状态数据、语音数据以及图像数据，并结合数据处理模块、路径规划模块以及远程监控与救援模块进行协同处理，实现了对现场作业状态的实时感知、智能分析以及远程联动管理，从而能够提高现场作业的智能化水平、降低现场安全风险，并提升作业指导效率和应急救援能力。

8、在一种可能的实施方式中，所述数据采集模块还包括：三轴加速度传感器、温度传感器、心率血氧传感器、摄像头、定位单元以及音频单元；

9、其中，所述三轴加速度传感器用于实时采集不同方向的加速度数据，以识别所述现场人员的非正常运动行为；

10、所述温度传感器用于采集作业环境温度；

11、所述心率血氧传感器用于采集现场人员的心率数据及血氧饱和度数据；

12、所述摄像头用于采集作业现场的图像和/或视频数据；

13、所述定位单元用于获取作业人员实时地理位置；

14、所述音频单元用于采集语音信号并实现双向语音通信。

15、根据上述技术手段，通过设置三轴加速度传感器、温度传感器、心率血氧传感器、摄像头、定位单元以及音频单元，实现了对现场人员运动状态、生理状态、环境状态以及作业场景信息的多维度数据采集，从而能够提升现场数据获取的完整性和实时性，为后续安全风险识别及智能分析提供可靠数据基础。

16、在一种可能的实施方式中，所述数据处理模块包括运动状态分析单元；

17、所述运动状态分析单元用于执行以下步骤：基于所述三轴加速度传感器采集的加速度数据计算三轴向量模长，并对所述三轴向量模长进行滑动窗口平滑处理，获得加速度特征数据；提取所述加速度特征数据中的峰值加速度、平均模长以及波动幅度特征；基于所述峰值加速度、平均模长以及波动幅度特征识别非正常运动行为。

18、根据上述技术手段，通过对三轴加速度数据进行三轴向量模长计算、滑动窗口平滑处理以及峰值加速度、平均模长和波动幅度特征提取，实现了对跌倒、撞击及剧烈晃动等非正常运动行为的准确识别，从而能够提高运动异常检测的准确性和稳定性，并降低误报警情况的发生。

19、在一种可能的实施方式中，所述数据处理模块还包括生理状态分析单元，

20、所述生理状态分析单元用于根据所述心率数据计算心率变异性数据，并根据所述心率数据、血氧饱和度数据以及心率变异性数据构建为综合特征向量；基于时序模型对所述综合特征向量进行风险等级识别，以输出对应的风险等级结果。

21、根据上述技术手段，通过对心率数据、血氧饱和度数据以及心率变异性数据进行融合分析，并结合时序模型进行风险等级识别，实现了对现场人员生理状态的动态评估，从而能够及时发现疲劳、缺氧或身体异常等风险情况，提高现场作业人员的生命安全保障能力。

22、在一种可能的实施方式中，所述数据处理模块还包括语音处理单元；

23、所述语音处理单元用于对采集的语音信号进行端点检测得到语音数据；基于梅尔倒谱系数特征提取算法提取所述语音数据中的语音特征向量；基于语音识别模型对所述语音特征向量进行识别，获得文本信息。

24、根据上述技术手段，通过对语音信号进行端点检测、梅尔倒谱系数特征提取以及语音识别处理，实现了将现场人员语音内容转换为文本信息，从而能够提高复杂作业环境下的语音识别准确率，并为后续智能问答和语义理解提供数据基础。

25、在一种可能的实施方式中，所述语音处理单元在进行端点检测时，基于短时能量和短时过零率对所述语音信号中的有效语音帧进行检测，以及当短时能量大于预设静音阈值且短时过零率位于预设范围内时，判定对应语音帧为有效语音帧，并输出所述有效语音帧对应的语音数据。

26、根据上述技术手段，通过基于短时能量和短时过零率对有效语音帧进行检测，实现了对语音信号中有效语音部分与静音部分的有效区分，从而能够减少环境噪声及无效语音数据对语音识别结果的影响，提高语音识别处理效率和准确性。

27、在一种可能的实施方式中，所述数据处理模块还包括知识问答单元，所述知识问答单元用于对所述文本信息进行分词处理及依存句法分析，以识别用户意图，以及基于识别得到的用户意图在知识库中进行匹配检索，并输出对应的技术指导信息。

28、根据上述技术手段，通过对文本信息进行分词处理及依存句法分析，并结合知识库匹配检索，实现了对用户语音意图的识别以及技术指导信息的智能输出，从而能够提高现场作业人员获取技术支持的效率，并降低对人工经验的依赖。

29、在一种可能的实施方式中，所述数据处理模块还包括图像分析单元，所述图像分析单元用于根据目标检测算法对采集的图像和/或视频数据进行分析，以识别作业环境中的人员位置和/或安全隐患，并基于识别结果生成现场风险提示信息。

30、根据上述技术手段，通过利用目标检测算法对图像和/或视频数据进行分析，实现了对作业环境中的人员位置、安全隐患以及现场状态的智能识别，从而能够及时发现潜在风险，提高现场安全监测能力和风险预警能力。

31、在一种可能的实施方式中，所述路径规划模块用于根据现场人员的所述地理环境数据对应的起始位置、目标位置以及环境地形数据构建路径模型；基于路径最优化算法生成作业最优路径，并基于作业区域范围设置安全边界，以及当检测到作业人员超出安全边界时触发位置偏移报警。

32、根据上述技术手段，通过根据起始位置、目标位置以及环境地形数据构建路径模型，并结合路径最优化算法生成作业最优路径以及设置安全边界，实现了对现场人员作业路径的智能规划与范围监测，从而能够提高作业效率，并降低误入危险区域导致的安全风险。

33、在一种可能的实施方式中，所述远程监控与救援模块用于在识别到非正常运动行为时，生成异常报警事件，并将所述异常报警事件对应的地理环境数据、生理状态数据以及图像数据上传至远程管理平台。

34、根据上述技术手段，通过在识别到非正常运动行为时生成异常报警事件，并将对应的地理环境数据、生理状态数据以及图像数据上传至远程管理平台，实现了现场异常状态的远程实时监控与联动救援，从而能够缩短应急响应时间，提高事故救援效率及现场安全保障能力。

35、本技术实施例提供的一种智能安全帽系统，该系统首先通过数据采集模块对现场人员的作业数据进行实时获取，从而实现对现场人员、作业环境以及作业状态的多维度数据感知，提高现场信息获取的完整性与实时性；随后，数据处理模块对采集得到的各类作业数据进行预处理、特征提取及数据分析，其中，对运动状态数据进行向量模长计算及特征分析，以识别跌倒、撞击等非正常运动行为，对生理状态数据进行融合分析，以判断作业人员的健康风险等级，对语音数据进行语音识别及语义分析，以获取用户意图并生成对应的作业指导信息，同时对图像数据进行目标识别与风险检测，以识别现场安全隐患，从而实现对现场作业状态的智能分析和风险评估，提高现场作业的智能化水平以及安全防护能力；进一步地，路径规划模块基于地理环境数据构建路径模型，并结合目标位置、环境地形以及安全区域范围生成作业路径和安全边界范围，通过路径最优化算法为现场人员规划安全作业路线，同时对人员活动范围进行实时监测，当检测到作业人员偏离安全区域时触发位置偏移报警，从而提高现场作业效率并降低误入危险区域导致的安全风险；最后，远程监控与救援模块在检测到异常状态时生成报警信息，并将报警信息、地理环境数据以及现场图像信息上传至远程管理平台，使管理人员能够远程获取现场状态、人员位置以及风险信息，并及时启动远程语音交互、视频监控及应急救援流程，从而缩短事故响应时间，提高现场应急救援效率及整体安全保障能力。