动火作业辅助机器人系统及其监控方法与流程

1.本发明涉及建筑工程技术领域，特别涉及一种动作作业监控机器人系统及其监控方法。


背景技术：

2.建筑工地的动火作业，是指在禁火区进行焊接与切割作业及在易燃易爆场所使用喷灯、电钻、砂轮等可能产生火花、火焰和炽热表面的临时性作业。动火作业是高危险作业，为确保动火作业施工过程中的安全，主要是通过配备安全员对施工作业人员在施工作业全过程进行不间断无死角现场确认和安全监护，避免安全事故发生。然而，安全员在现场监控时可能存在失职或者违规的可能性，容易出现误判或者漏判等风险。另外，当有大量动火点作业同时进行时，就需要配备更多安全员去满足安全生产需求，导致监控效率较低和人工成本高的缺陷。因此，如何降低人工成本、提高监控效率及提高监控质量来保障动火作业的安全成为本领域亟需解决的技术问题。


技术实现要素：

3.本发明所要解决的技术问题是，提供了一种动火作业辅助机器人系统及其监控方法，以解决如何降低人工成本、提高监控效率及提高监控质量来保障动火作业的安全的问题。
4.为了解决上述技术问题，本发明提供的技术方案是：一种动火作业辅助机器人系统，包括n个动火ai机器人、m个接入设备和一个管控服务器，所述动火ai机器人通过所述接入设备与所述管控服务器网络连接，一个所述接入设备至少接入有一个所述动火ai机器人，其中m、n均为整体，且n≥m≥1。
5.进一步地，本发明提供的动火作业辅助机器人系统，所述动火ai机器人包括处理器，以及与所述处理器连接的存储器、摄像头、网络模块、通信模块、gps模块和红外传感器，所述网络模块包括移动通信模块、有线网络模块和/或wifi模块；所述接入设备包括移动通信基站、交换机、路由器和/或无线访问接入点设备；所述管控服务器为计算机或者手机。
6.进一步地，本发明提供的动火作业辅助机器人系统，所述动火ai机器人还包括与所述处理器连接的定位标签、温度传感器和/或气体传感器。
7.为了解决上述技术问题，本发明提供的另一种技术方案是：一种根据上述的动火作业辅助机器人系统的监控方法，包括：
8.动火ai机器人通过接入设备与管控服务器建立网络连接，所述网络为移动通信网络或者以太网；
9.管控服务器通过网络对动火ai机器人进行远程管理、功能配置和ai模型部署；
10.动火ai机器人实时采集动火作业区域的图像信息，根据ai算法结合其内部署的ai模型对采集的所述图像信息进行计算分析，对动火作业区域进行自动监测，以判断施工作业人员是否存在违规或安全风险；
11.当动火ai机器人发现动火作业违规或存在安全风险时，动火ai机器人向管控服务器上传动火作业违规/安全风险告警信息，并携带有动火ai机器人的标识信息和位置信息。
12.进一步地，本发明提供的动火作业辅助机器人系统的监控方法，所述动火ai机器人对动火作业区域进行自动监测的方法包括：
13.通过摄像头对动火作业区域内的施工作业人员进行人脸识别、安全帽检测、工作服检测、护目镜检测、手套检测和布防区域警戒检测；
14.通过摄像头结合红外传感器，实现对动火作业区域的明火及火灾隐患的动态检测；
15.通过gps模块，对动火ai机器人本身的位置进行定位；
16.结合通信模块，实现动火ai机器人与管控服务器通过接入设备的双向通信；
17.进一步地，本发明提供的动火作业辅助机器人系统的监控方法，所述动火ai机器人对动火作业区域进行自动监测的方法还包括：
18.通过定位标签以及与接入设备或者管控服务器连接的射频标签读取器，实现对动火ai机器人的辅助定位；
19.通过温度传感器，实现对动火作业区域的各监测点的静态温度检测；
20.通过气体传感器，实现对动火作业区域有害气体的检测。
21.进一步地，本发明提供的动火作业辅助机器人系统的监控方法，还包括：
22.管控服务器通过网络对动火ai机器人和接入设备同步进行远程管理、功能配置和ai模型部署；
23.当动火ai机器人的算力资源不足时，将动火ai机器人的部分或者全部检测数据卸载到接入设备中，通过接入设备根据ai算法结合其内同步部署的ai模型进行计算分析或者通过接入设备根据ai算法结合其内同步部署的ai模型协助动火ai机器人进行协作计算分析，以对动火作业区域进行自动监测，以判断施工作业人员是否存在违规或安全风险；
24.当发现动火作业违规或存在安全风险时，动火ai机器人或者接入设备向管控服务器上传动火作业违规/安全风险告警信息，并携带有动火ai机器人的标识信息和位置信息。
25.进一步地，本发明提供的动火作业辅助机器人系统的监控方法，通过单个接入设备与动火ai机器人进行协作ai监测，包括以下步骤：
26.步骤201，管控服务器向动火ai机器人以及其连接的接入设备同步部署ai模型，并携带所述ai模型所需的算力资源以及所述ai模型的协作策略配置；
27.步骤202，动火ai机器人在接收到管控服务器的ai模型部署之后，估算动火ai机器人本地空闲算力资源是否满足ai模型所需的算力资源要求；当动火ai机器人对ai模型没有足够的算力资源执行时，根据对应的协作策略配置信息向其连接的接入设备发送ai协作请求，并携带具体需要卸载的ai任务信息；
28.接入设备评估ai协作请求中所需的算力资源信息是否满足ai模型所需的算力资源要求，当接入设备对ai模型有足够的空闲算力资源执行时，向动火ai机器人发送协作确认请求，并携带卸载任务标识，允许动火ai机器人将执行ai任务信息所需的ai数据和卸载任务标识发送给接入设备；
29.步骤203，接入设备收到所述ai数据和卸载任务标识后，通过卸载任务标识匹配到对应的ai模型，将ai数据输入到所匹配到的ai模型，执行ai协作检测推理过程完成自动计
算分析，得到ai检测结果；
30.步骤204，对ai检测结果是否存在动火作业违规/安全风险进行判断，判断方式包括两个选项，第一个选项是接入设备发现ai检测结果是动火作业违规/风险告警事件时，直接将所述事件发送给管控服务器；第二个选项是接入设备将ai检测结果发送给动火ai机器人，由动火ai机器人来判断ai检测结果，当所述ai检测结果是动火作业违规/风险告警事件时，由动火ai机器人将ai检测结果上传给管控服务器。
31.进一步地，本发明提供的动火作业辅助机器人系统的监控方法，通过多个接入设备与动火ai机器人进行协作ai监测，包括以下步骤：
32.步骤301，管控服务器向动火ai机器人以及其连接的所有接入设备同步部署ai模型，并携带所述ai模型所需的算力资源以及所述ai模型的协作策略配置；
33.步骤302：动火ai机器人在接收到管控服务器的ai模型部署之后，估算动火ai机器人本地空闲算力资源是否满足ai模型所需的算力资源要求，当动火ai机器人对ai模型没有足够的算力资源执行时，根据对应的协作策略配置信息向其连接的某一个接入设备发送ai协作请求，并携带具体需要卸载的ai任务信息，此时该接入设备作为第一个接入设备；
34.第一个接入设备评估ai协作请求中所需的算力资源信息是否满足ai模型所需的算力资源要求，当第一个接入设备对ai模型没有足够的空闲算力资源执行时，根据对应的协作策略配置信息向另一个接入设备发送ai协作请求，并携带有动火ai机器人发送的ai协作请求中携带的ai任务信息，此时另一个接入设备作为第二个接入设备；
35.当第二个接入设备收到第一个接入设备的ai协作请求之后，评估ai协作请求中所需的算力资源信息是否满足ai模型所需的算力资源要求；当第二个接入设备对ai模型有足够的空闲算力资源执行时，第二个接入设备向第一个接入设备发送ai协作确认消息；
36.当第一个接入设备收到第二个接入设备的ai协作确认消息后，第一个接入设备向动火ai机器人发送ai协作确认消息；动火ai机器人根据拆分方式将该ai任务信息拆分发送给第一个接入设备，再通过第一个接入设备将ai任务信息拆分发送给第二个接入设备；
37.步骤303，动火ai机器人、第一个接入设备和第二个接入设备分别执行相应的ai任务信息的拆分任务，或者第二个接入设备和第二个接入设备分别执行相应的ai任务信息的拆分任务，以完成ai任务信息的完整检测，执行ai推理过程完成自动计算分析，得到ai检测结果；
38.步骤304：对ai检测结果是否存在动火作业违规/安全风险进行判断，判断方式包括两个选项，第一个选项是第二个接入设备发现ai检测结果是动火作业违规/风险告警事件时，直接将所述事件发送给管控服务器；第二个选项是第二个接入设备将ai检测结果发送给动火ai机器人，由动火ai机器人来判断ai检测结果，当所述ai检测结果是动火作业违规/风险告警事件时，由动火ai机器人将ai检测结果上传给管控服务器。
39.进一步地，本发明提供的动火作业辅助机器人系统的监控方法，所述管控服务器向动火ai机器人部署和更新ai模型的方法包括：
40.步骤401，当动火ai机器人单独执行ai检测任务时，管控服务器向相关动火ai机器人推送新ai模型；当动火ai机器人与接入设备进行ai协作时，管控服务器将新ai模型同时推送给动火ai机器人和接入设备；
41.步骤402，当动火ai机器人单独执行ai检测任务时，管控服务器完成新ai模型推送
后，向相关动火ai机器人发送新ai模型启用指示，相关动火ai机器人向管控服务器确认新ai模型以及启用；当动火ai机器人与接入设备进行ai协作时，管控服务器向相关动火ai机器人和接入设备同时发送新ai模型启用指示；动火ai机器人和接入设备同时向管控服务器确认新ai模型以及启用；
42.步骤403，当动火ai机器人单独执行ai检测任务时，动火ai机器人基于新ai模型实施ai任务信息的检测，当基于新ai模型发现动火作业违规或风险告警时，将相关告警信息发送给管控服务器；当动火ai机器人与接入设备进行ai协作时，当发现动火作业违规或风险告警时，动火ai机器人或者接入设备将相关告警信息发送给管控服务器。
43.与现有技术相比，本发明的有益效果如下：
44.本发明实施例提供的动火作业监控机器人系统及其监控方法，通过动火ai机器人监控动火作业区域并在本地执行ai检测，以对动火作业区域进行自动监测，判断施工作业人员是否存在违规或者安全风险。无需在动火作业区域配置安全员进行人工监测，从而降低了人工成本，避免了将检测数据上传给管控服务器的传输过程中数据安全隐私泄露的风险，提高检测数据的安全性。即检测原始数据无需传输出动火ai机器人监控区域所在的工地，有效保障了安全检测的实时性，以及数据的安全隐私。动火ai机器人可以根据工地动火作业的实际位置来灵活动态部署，有效屏蔽无关的场景，来提高ai检测的精确度，达到智能工地的实际有效管理要求。
45.本发明实施例提供的动火作业监控机器人系统及其监控方法，通过网络对动火ai机器人进行远程管理、功能配置和ai模型部署，实现对动火ai机器人的初始化配置，然后动火ai机器人根据ai模型基于ai算法对监控区域内的图像信息进行计算分析，以判断动火作业区域内的施工作业人员是否存在违规或安全风险。不会出现安全员现场监控时存在失职或者违规导致的误判或者漏判断的情况，从而提高了监测效率和监控质量，保障了动火作业区域的安全。
46.本发明实施例提供的动火作业监控机器人系统及其监控方法，当动火ai机器人发现动火作业违规或存在安全风险时，动火ai机器人向管控服务器上传动火作业违规/安全风险告警信息，并携带有动火ai机器人的标识信息和位置信息，从而使管理人员通过管控服务器对施工作业人员进行远程指导及远程提醒，以保障动火作业区域的安全。
附图说明
47.图1是动火作业监控机器人系统的结构示意图；
48.图2是动火ai机器人的主要组成部分的方框原理图；
49.图3是动火ai机器人的主要硬件及其ai检测功能和逻辑功能的结构示意图；
50.图4是接入设备具备逻辑功能的结构示意图；
51.图5是管控服务器的逻辑功能的结构示意图；
52.图6是动火作业监控机器人系统的监控方法的流程示意图；
53.图7是通过单个接入设备与动火ai机器人协作检测的流程示意图；
54.图8是通过两个接入设备与动火ai机器人协作检测的流程示意图；
55.图9是ai模型部署及更新的流程示意图；
56.图中所示：
57.100、动火ai机器人，110、处理器，120、存储器，130、摄像头，140、网络模块，150、通信模块，160、gps模块，161、定位标签，170、红外传感器，180、温度传感器，190、气体传感器；
58.200、接入设备；
59.300、管控服务器。
具体实施方式
60.下面结合附图对本发明作详细描述：根据下面说明，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
61.请参考图1，本发明实施例提供一种动火作业辅助机器人系统，包括n个动火ai机器人100、m个接入设备200和一个管控服务器300，所述动火ai机器人100通过所述接入设备200与所述管控服务器300网络连接，一个所述接入设备200至少接入有一个所述动火ai机器人100，其中m、n均为整体，且n≥m≥1。为了便于区分，n个动火ai机器人100从1至n进行编号，m个接入设备200从1至m进行编号。
62.请参考图2，本发明实施例提供的动火作业辅助机器人系统，所述动火ai机器人100包括处理器110，以及与所述处理器110可选连接的存储器120、摄像头130、网络模块140、通信模块150、gps模块160、定位标签161、红外传感器170、温度传感器180和气体传感器190。
63.其中处理器110包括但不限于x86或arm的cpu处理器，其它类型的单片机(mcu)，也可以是图形处理器(graphics processing unit，gpu)、现场可编程逻辑门阵列(field programmable gate array，fpga)、复杂可编程逻辑器件(complex programmable logic device，cpld)、ai芯片等。
64.其中存储器120可以包括随机存储器(ram)和只读存储器(rom)及其扩展存储器。用于在动火ai机器人100的本地内存储ai检测原始数据和检测结果数据等。
65.其中摄像头130包括但不限于一个。
66.其中网络模块140包括移动通信模块、有线网络模块和/或wifi模块等。所述移动通信模块是指第三代以上移动通信，例如3g、4g、5g等。此时通信模块150需要插入sim卡。所述有线网络模块和wifi模块是针对以太网而言。
67.其中gps模块160包括但不限于全球卫星导航定位系统、伽利略系统、格洛纳斯系统和北斗卫星导航系统。
68.其中定位标签161需要与射频标签读取器配合使用。
69.其中温度传感器180可以是有线或者无线温度传感器。
70.需要说明的一点是，动火ai机器人100可以基于不同工地的定制化要求，对硬件结构进行增加或删减，而动火ai机器人100因为硬件结构的变化，将可能增加或减少部分的能力，如双向语音通信或者温度异常检测能力等，这些并不影响本发明的核心保护范围，这些功能的变动，并不影响动火ai机器人100实现对动火作业的辅助自动安全检测，以及与接入设备200和管控服务器300协作实现动火作业的安全管理。
71.请参考图1，所述接入设备200可以包括移动通信基站、交换机、路由器和/或无线访问接入点(ap)设备。其中移动通信基站匹配通信模块150，交换机、路由器和ap设备用于
匹配以太网。其中接入设备200的数量一般小于动火ai机器人100的数量，考虑到动火ai机器人100的数量较多时，且一个接入设备200的接入数量有上限，故需要设备多个接入设备200。
72.请参考图1，所述管控服务器300可以为计算机或者手机。管控服务器300可以部署在工地外部，如云上，方便管理人员对一个或多个工地的集中、远程管理。
73.本发明实施例提供的动火作业辅助机器人系统，用于实现工地动火作业的ai自动安全检测和管理。
74.请参考图6，本发明实施例还提供一种基于上述的动火作业辅助机器人系统的监控方法，可以包括：
75.步骤510，动火ai机器人100通过接入设备200与管控服务器300建立网络连接，所述网络为移动通信网络或者以太网。其中建立网络连接的步骤可以包括：
76.步骤511，动火ai机器人100启动之后，尝试通过所述接入设备200联网，实现动火ai机器人100与接入设备200的接入流程。
77.步骤512，动火ai机器人100联网之后，与管控服务器300通过接入设备200建立网络连接，即通过接入设备200向管控服务器300发出接入请求。为了支持仅让经过授权的动火ai机器人100通过接入设备200接入网络，提高安全性，接入设备200提供了接入控制功能，与管控服务器300联合对动火ai机器人100进行认证、授权，管控服务器300向接入设备200反馈接入确认，接入设备200向动火ai机器人100反馈接入确认，以实现联网的接入过程。
78.步骤520，管控服务器300通过网络对动火ai机器人100进行远程管理、功能配置和ai模型部署。
79.步骤530，动火ai机器人100实时采集动火作业区域的图像信息，根据ai算法结合其内部署的ai模型对采集的所述图像信息进行计算分析，对动火作业区域进行自动监测，以判断施工作业人员是否存在违规或安全风险。
80.步骤540，当动火ai机器人100发现动火作业违规或存在安全风险时，动火ai机器人100向管控服务器300上传动火作业违规/安全风险告警信息，并携带有动火ai机器人100的标识信息和位置信息。
81.上述监控方法为仅通过动火ai机器人100自身实现ai监控，即ai检测。
82.请参考图3，本发明实施例提供的动火作业辅助机器人系统的监控方法，所述动火ai机器人100对动火作业区域进行自动监测的方法可以包括：
83.通过摄像头130对动火作业区域内的施工作业人员进行人脸识别、安全帽检测、工作服检测、护目镜检测、手套检测和布防区域警戒检测；以判断施工作业人员是否存在违规以及是否存在安全风险。
84.通过摄像头130结合红外传感器170，实现对动火作业区域的明火及火灾隐患的动态检测；以判断是否存在安全风险。
85.通过gps模块160，对动火ai机器人100本身的位置进行定位；方便管控服务器300实施动火ai机器人10010的管理以及对动火作业区域的监控管理。便于管控服务器300向管理人员呈现动火作业违规/风险告警信息，以及发生动火作业违规/风险的具体位置，便于管理人员实施后续的管理措施。
86.结合通信模块150，实现动火ai机器人100与管控服务器300通过接入设备200的双向通信；以对施工作业人员进行远程指导及提醒。动火ai机器人100可以与管控服务器300建立双向的语音通信，方便远程集中的管理人员，与现场动火作业工人的直接语音沟通，如远程动火作业管理人员在收到现场违规报警后，可以通过语音及时指出动火作业工人的违规，及时纠正违规行为，避免出现安全事故。
87.通过定位标签161以及与接入设备200或者管控服务器300连接的射频标签读取器，实现对动火ai机器人100的辅助定位。定位标签161还可以实现对危险物品的追踪。
88.通过温度传感器180，实现对动火作业区域的各监测点的静态温度检测；以判断是否存在安全风险。特别是对异常温度进行检测。
89.通过气体传感器190，实现对动火作业区域有害气体的检测。以判断是否存在安全风险。
90.管控逻辑功能，用于与管控服务器300交互，并执行管控服务器300的控制和管理指示，包括但不限于信息收集、建立双向语音通信、设置预警规则、日志管理、ai模型管理、功能配置等。
91.动火ai机器人100具备ai协作管理(agent)逻辑功能，用于与接入设备200联合实施ai协作检测推理。
92.也就是说，动火ai机器人100通过上述的硬件结构可以实现上述的ai检测功能。上述ai检测功能可以根据需要进行合理配置，根据需要进行增加或者减少。其中ai检测具体是基于机器学习算法执行。
93.请参考图4，接入设备200同时具备通信和计算能力，其中通信可以是无线通信，此时接入设备200可以为无线基站、ap等，通信业可以是有效通信，此时接入设备200为交换机、路由器、网关等；无论是无线还是有线通信，接入设备200的通信功能主要是完成数据传输功能，使得动火ai机器人100可以通过接入设备200将相关数据传输到其他地方，如管控服务器300，或其他云服务器上，为动火ai机器人100提供了网络连接服务。为了支持仅让经过授权的动火ai机器人100接入网络，提高安全性，接入设备200还可以提供接入控制功能，与管控服务器300联合对动火ai机器人100进行认证授权。其中计算能力包括算力，可以支持动火ai机器人100在计算资源不足时，承接动火ai机器人100的部分ai计算任务，即实现接入设备200与动火ai机器人100协作的ai检测推理；同时，接入设备200也将具备一定的存储能力，用于存储相关的ai模型和数据。接入设备200具备ai协作管理(agent)功能，用于与动火ai机器人100联合实施ai协作检测推理。接入设备200还具备用于与管控服务器300交互，并执行管控服务器300的控制和管理指示，包括信息收集、接入管理、日志管理、ai模型管理、功能配置等。
94.其中，接入设备200的计算能力包括算力和存储，可以包括各种类型的计算资源，算力物理上是基于中央处理器(central processing unit，cpu)，包括x86或arm的cpu，也可以是基于图像处理器(graphics processing unit，gpu)、ai芯片、现场可编程逻辑门阵列(field programmable gate array，fpga)等异构计算芯片。算力服务的提供是基于这些物理计算设施的基础上，通过软件虚拟的方式，提供各种不同粒度的软切割资源，例如虚拟机(virtual machine)，容器(container)、虚拟节点(pod)等。存储可以与动火ai机器人100的存储器相同。其中接入设备200的通信能力，可以是现有的蜂窝无线网络如4g/5g，或者是
wifi、短距无线接入、有线接入等连接的以太网通信，对于不同的通信技术，接入设备200的形态也有所不同，例如是基站、ap、交换机、路由器或接入网关等。
95.请参考图5，本发明实施例的管控服务器300可以包括如下逻辑功能模块：
96.界面，支持动火作业管理人员可以远程对一个或多个动火作业实施管理。动火ai机器人100本身具备ai自动的安全检测能力，并将检测到的安全违规或风险等事件上报到管控服务器300，由此可以大幅降低动火作业管理人员的管理难度，并降低由于人为失职或失误导致的漏判、错判事故，提高安全监管效率。具体的，管控服务器300将提供用户管理、设备管理、远程管理、日志/告警管理、设备位置管理、双工语音或者文本等双工通信、视频、图像、传感器数据等数据同步及查询、ai模型管理、ai协作管理等功能。
97.本发明实施例提供的动火作业监控机器人系统及其监控方法，通过动火ai机器人100监控动火作业区域并在本地执行ai检测，以对动火作业区域进行自动监测，判断施工作业人员是否存在违规或者安全风险。无需在动火作业区域配置安全员进行人工监测，从而降低了人工成本，避免了将检测数据上传给管控服务器300的传输过程中数据安全隐私泄露的风险，提高检测数据的安全性。即检测原始数据无需传输出动火ai机器人100监控区域所在的工地，有效保障了安全检测的实时性，以及数据的安全隐私。动火ai机器人100可以根据工地动火作业的实际位置来灵活动态部署，有效屏蔽无关的场景，来提高ai检测的精确度，达到智能工地的实际有效管理要求。
98.本发明实施例提供的动火作业监控机器人系统及其监控方法，通过网络对动火ai机器人100进行远程管理、功能配置和ai模型部署，实现对动火ai机器人100的初始化配置，然后动火ai机器人100根据ai模型基于ai算法对监控区域内的图像信息进行计算分析，以判断动火作业区域内的施工作业人员是否存在违规或安全风险。不会出现安全员现场监控时存在失职或者违规导致的误判或者漏判断的情况，从而提高了监测效率和监控质量，保障了动火作业区域的安全。
99.本发明实施例提供的动火作业监控机器人系统及其监控方法，当动火ai机器人100发现动火作业违规或存在安全风险时，动火ai机器人100向管控服务器300上传动火作业违规/安全风险告警信息，并携带有动火ai机器人100的标识信息和位置信息，从而使管理人员通过管控服务器300对施工作业人员进行远程指导及远程提醒，以保障动火作业区域的安全。
100.请参考图7，本发明实施例提供的动火作业辅助机器人系统的监控方法，还包括ai协作监控方法，具体为：
101.步骤610，管控服务器300通过网络对动火ai机器人100和接入设备200同步进行远程管理、功能配置和ai模型部署。其中步骤610本质为对动火ai机器人100的初始化配置，此配置过程可以通过设定规则自动完成，也可以由动火作业管理人员通过管控服务器300的界面手动完成。
102.步骤620，当动火ai机器人100的算力资源不足时，将动火ai机器人100的部分或者全部检测数据卸载到接入设备200中，通过接入设备200根据ai算法结合其内同步部署的ai模型进行计算分析或者通过接入设备200根据ai算法结合其内同步部署的ai模型协助动火ai机器人100进行协作计算分析，以对动火作业区域进行自动监测，以判断施工作业人员是否存在违规或安全风险；其中检测数据包括图像数据和传感器数据，其中图像数据包括图
片、视频数据，传感器数据包括各传感器检测的数据。
103.步骤630，当发现动火作业违规或存在安全风险时，动火ai机器人100或者接入设备200向管控服务器300上传动火作业违规/安全风险告警信息，并携带有动火ai机器人100的标识信息和位置信息。
104.该ai协作监控方法解决了动火ai机器人100算力资源不足时，通过接入设备200进行ai协作监控的方案，此时ai检测功能在接入设备200中执行或者在动火ai机器人100和接入设备200同时执行，即ai检测功能仍然在本地执行，不上传管控服务器300，保障了数据安全。
105.请参考图7，本发明实施例提供的动火作业辅助机器人系统的监控方法，通过单个接入设备200与动火ai机器人100进行协作ai监测，可以包括以下步骤：
106.步骤201，管控服务器300向动火ai机器人100以及其连接的接入设备200同步部署ai模型，并携带所述ai模型所需的算力资源以及所述ai模型的协作策略配置。
107.步骤202，动火ai机器人100在接收到管控服务器300的ai模型部署之后，估算动火ai机器人100本地空闲算力资源是否满足ai模型所需的算力资源要求；当动火ai机器人100对ai模型没有足够的算力资源执行时，根据对应的协作策略配置信息向其连接的接入设备200发送ai协作请求，并携带具体需要卸载的ai任务信息；接入设备200评估ai协作请求中所需的算力资源信息是否满足ai模型所需的算力资源要求，当接入设备200对ai模型有足够的空闲算力资源执行时，向动火ai机器人100发送协作确认请求，并携带卸载任务标识，允许动火ai机器人100将执行ai任务信息所需的ai数据和卸载任务标识发送给接入设备200；其中ai任务信息包括ai模型信息、任务资源需求信息等，其中所述的ai协作策略配置信息，可包括所述ai模型的拆分方式，其中所述ai数据可以使动火ai机器人100执行部分ai模型之后的梯度数据或者视频、图片或传感器数据等原始数据。其中所述ai模型的拆分方式，例如所述ai模型为一种10层的dnn(深度神经网络)时，ai协作策略配置信息可以指示具体在哪一层进行拆分，如在第5层，这样表示1～5层在动火ai机器人100上执行，剩余的6～10层在接入设备200上执行，动火ai机器人100和接入设备200之间传输的是ai模型拆分执行后的梯度信息。如果是极端的将所有ai任务都卸载在接入设备200执行，则可以配置拆分层级为0。需要注意的是，ai协作策略配置信息中，可以携带一种或多种协作方式，每种方式对于接入设备200的协作算力要求有所不同，动火ai机器人100可以基于自身的空闲资源来决定具体选择哪一种。本发明实施例利用了ai模型的可拆分性，在动火ai机器人100算力资源不足的情况下，通过将部分或全部ai任务信息协作到接入设备200，来实现ai任务的顺利执行。下述表一中示例了一个协作策略配置信息的例子，其中给出了三种拆分选项，每种选项的拆分层级以及可卸载掉的算力资源比例：
108.选项拆分层级算力协作拆分方式10100％拆分方式2570％拆分方式3840％
109.表1
110.这样，当动火ai机器人100通过对比本地空闲资源和所述ai模型算力资源需求，得出需要卸载掉60％以上的算力资源时，就选择拆分方式2；并将选择的拆分方式发送给所连
接的接入设备200。
111.步骤203，接入设备200收到所述ai数据和卸载任务标识后，通过卸载任务标识匹配到对应的ai模型，将ai数据输入到所匹配到的ai模型，执行ai协作检测推理过程完成自动计算分析，得到ai检测结果。
112.步骤204，对ai检测结果是否存在动火作业违规/安全风险进行判断，判断方式包括两个选项，第一个选项是接入设备200发现ai检测结果是动火作业违规/风险告警事件时，直接将所述事件发送给管控服务器300；第二个选项是接入设备200将ai检测结果发送给动火ai机器人100，由动火ai机器人100来判断ai检测结果，当所述ai检测结果是动火作业违规/风险告警事件时，由动火ai机器人100将ai检测结果上传给管控服务器300。
113.上述步骤201至步骤204实现了单个接入设备200进行ai协作监控的方式。
114.请参考图8，本发明实施例提供的动火作业辅助机器人系统的监控方法，通过多个接入设备200与动火ai机器人100进行协作ai监测，可以包括以下步骤：
115.步骤301，管控服务器300向动火ai机器人100以及其连接的所有接入设备200同步部署ai模型，并携带所述ai模型所需的算力资源以及所述ai模型的协作策略配置。
116.步骤302，动火ai机器人100在接收到管控服务器300的ai模型部署之后，估算动火ai机器人100本地空闲算力资源是否满足ai模型所需的算力资源要求，当动火ai机器人100对ai模型没有足够的算力资源执行时，根据对应的协作策略配置信息向其连接的某一个接入设备200发送ai协作请求，并携带具体需要卸载的ai任务信息，此时该接入设备200作为第一个接入设备200。
117.第一个接入设备200评估ai协作请求中所需的算力资源信息是否满足ai模型所需的算力资源要求，当第一个接入设备200对ai模型没有足够的空闲算力资源执行时，根据对应的协作策略配置信息向另一个接入设备200发送ai协作请求，并携带有动火ai机器人100发送的ai协作请求中携带的ai任务信息，此时另一个接入设备200作为第二个接入设备200。
118.当第二个接入设备200收到第一个接入设备200的ai协作请求之后，评估ai协作请求中所需的算力资源信息是否满足ai模型所需的算力资源要求；当第二个接入设备200对ai模型有足够的空闲算力资源执行时，第二个接入设备200向第一个接入设备200发送ai协作确认消息；//当第二个接入设备200没有所需的ai模型时，第二个接入设备200需要向管控服务器300请求部署相应的ai模型。
119.当第一个接入设备200收到第二个接入设备200的ai协作确认消息后，第一个接入设备200向动火ai机器人100发送ai协作确认消息；动火ai机器人100根据拆分方式将该ai任务信息拆分发送给第一个接入设备200，再通过第一个接入设备200将ai任务信息拆分发送给第二个接入设备200。
120.步骤303，动火ai机器人100、第一个接入设备200和第二个接入设备200分别执行相应的ai任务信息的拆分任务，或者第二个接入设备200和第二个接入设备200分别执行相应的ai任务信息的拆分任务，以完成ai任务信息的完整检测，执行ai推理过程完成自动计算分析，得到ai检测结果。
121.步骤304，对ai检测结果是否存在动火作业违规/安全风险进行判断，判断方式包括两个选项，第一个选项是第二个接入设备200发现ai检测结果是动火作业违规/风险告警
事件时，直接将所述事件发送给管控服务器300；第二个选项是第二个接入设备200将ai检测结果发送给动火ai机器人100，由动火ai机器人100来判断ai检测结果，当所述ai检测结果是动火作业违规/风险告警事件时，由动火ai机器人100将ai检测结果上传给管控服务器300。
122.上述步骤301至步骤304是对单个接入设备200的补充，当单个接入设备200的算力资源不足时，通过两个以上的多个接入设备200执行ai协作检测功能，其中步骤301至步骤304中仅示例了两个接入设备200执行ai协作检测的情形。基于同样的方法扩展，ai协作任务可以协作到更多的接入设备200，以及多个动火ai机器人100。其中步骤301至步骤304中未详尽描述的部分，请参考上述步骤201至步骤204。
123.请参考图9，由于ai监控的精准的、实时性等与ai模型是强相关的，因此当由新的ai模型时，可以通过管控服务器300将新的ai模型更新到动火ai机器人100或接入设备200上，来进一步提升ai动火自动检测的效率。本发明实施例提供的动火作业辅助机器人系统的监控方法，所述管控服务器300向动火ai机器人100部署和更新ai模型的方法包括：
124.步骤401，当动火ai机器人100单独执行ai检测任务时，管控服务器300向相关动火ai机器人100推送新ai模型；当动火ai机器人100与接入设备200进行ai协作时，管控服务器300将新ai模型同时推送给动火ai机器人100和接入设备200；
125.步骤402，当动火ai机器人100单独执行ai检测任务时，管控服务器300完成新ai模型推送后，向相关动火ai机器人100发送新ai模型启用指示，相关动火ai机器人100向管控服务器300确认新ai模型以及启用；当动火ai机器人100与接入设备200进行ai协作时，管控服务器300向相关动火ai机器人100和接入设备200同时发送新ai模型启用指示；动火ai机器人100和接入设备200同时向管控服务器300确认新ai模型以及启用；
126.步骤403，当动火ai机器人100单独执行ai检测任务时，动火ai机器人100基于新ai模型实施ai任务信息的检测，当基于新ai模型发现动火作业违规或风险告警时，将相关告警信息发送给管控服务器300；当动火ai机器人100与接入设备200进行ai协作时，当发现动火作业违规或风险告警时，动火ai机器人100或者接入设备200将相关告警信息发送给管控服务器300。
127.经过以上步骤401至步骤403，管控服务器300完成了新ai模型的更新和部署，动火ai机器人100或接入设备200将基于新的ai模型实施ai监控，并在ai检测到动火作业违规/风险告警事件时，将告警信息发送到管控服务器300。更新或者部署后的ai模型能够提高ai检测的效率、质量和准确性。
128.本发明实施例提供的动火作业辅助机器人系统及其监控方法，动火ai机器人100，可以与接入设备200协作实施动火作业的ai联合检测，解决动火ai机器人100自身资源受限问题。通过管控服务器300可以对动火ai机器人100进行远程管理和远程配置及ai部署及更新。方便了对动火ai机器人100的管理。
129.本发明实施例提供的动火作业辅助机器人系统及其监控方法，通过接入设备200的ai协作检测，使得不需要增加动火ai机器人100的硬件资源的情况下，支持部署更多的ai检测模型及功能。
130.本发明实施例提供的动火作业辅助机器人系统及其监控方法，单入接入设备200或者多个接入设备200执行ai协作检测功能，同样降低了人工成本、提高监控效率及提高了
监控质量，保障动火作业的安全。
131.本发明实施例提供的动火作业辅助机器人系统及其监控方法，具备图像和红外信号采集能力，并基于本地的ai模型实现对动火作业的辅助安全检测。同时，由于ai模型和需要ai检测的场景是可以根据动火作业安全管理要求的严格和场景增加，动态变化的，因此可能出现动火ai机器人100的计算资源不足以支撑实时ai动火作业检测要求，此时，动火ai机器人100可以将部分ai检测任务卸载到接入设备200上，与接入设备200协作来实现动火作业安全管理要求的ai检测。
132.本发明不限于上述具体实施方式，显然，上述所描述的实施例是本发明实施例的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。本领域的技术人员可以对本发明进行其他层次的修改和变动。如此，若本发明的这些修改和变动属于本发明权利要求书的范围之内，则本发明也意图包括这些改动和变动在内。