一种事故原因离线智能诊断系统的制作方法

技术特征：
1.一种事故原因离线智能诊断系统，其特征在于，包括视频数据读取层、中心处理层、数据存储层和关键特征识别算法模型库；所述关键特征识别算法模型库存储有若干类关键特征识别算法模型，所述关键特征识别算法模型为深度学习神经网络模型，且基于从开源数据集获取的对应类的化工事故图像数据训练而成；所述视频数据读取层用于获取监控视频图像数据；所述中心处理层用于从所述关键特征识别算法模型库，选择对应类的关键特征识别算法模型作为当前事故原因诊断模型，并将所述监控视频图像数据输入当前事故原因诊断模型，当前事故原因诊断模型对所述监控视频图像数据进行诊断，若未识别出关键特征，则不输出诊断结果，若识别出关键特征，则输出该关键特征属于当前事故原因诊断模型对应类的事故原因的概率，以及该关键特征对应的视频段和截图作为诊断结果；所述数据存储层用于存储输出的诊断结果。2.根据权利要求1所述的事故原因离线智能诊断系统，其特征在于，所述关键特征识别算法模型库存储有：人员聚集关键特征识别算法模型、非法闯入关键特征识别算法模型、值班室脱岗关键特征识别算法模型、消防通道堵塞关键特征识别算法模型、环境着火关键特征识别算法模型以及环境冒烟关键特征识别算法模型。3.根据权利要求1所述的事故原因离线智能诊断系统，其特征在于，所述开源数据集为imagenet和/或pascal voc。4.根据权利要求1所述的事故原因离线智能诊断系统，其特征在于，所述关键特征识别算法模型包括卷积神经网络模型和多个分类器，所述分类器的分类精度可调，精度越高的分类操作，识别速率越低，反之则越高；对于每个所述关键特征识别算法模型，所述中心处理层能选择其对应精度的分类操作用于对所述监控视频图像数据进行诊断。5.根据权利要求4所述的事故原因离线智能诊断系统，其特征在于，所述中心处理层包括条件选择窗口，该窗口设置有分析精度选择窗和关键特征识别算法模型选择窗。6.根据权利要求4所述的事故原因离线智能诊断系统，其特征在于，所述关键特征识别算法模型的训练方法包括卷积神经网络模型训练以及分类器训练。7.根据权利要求6所述的事故原因离线智能诊断系统，其特征在于，所述关键特征识别算法模型的训练过程包括：利用从开源数据集获取的化工事故图像数据训练所述卷积神经网络模型，使所述卷积神经网络模型能识别化工事故图像数据中的关键特征；采用训练好的卷积神经网络模型对从开源数据集获取的化工事故图像数据进行图像cnn特征提取，构建关键特征训练集；采用关键特征训练集对分类器进行训练。8.根据权利要求7所述的事故原因离线智能诊断系统，其特征在于，从开源数据集获取的化工事故图像数据，均为使用labelimg工具标注过的数据。9.根据权利要求8所述的事故原因离线智能诊断系统，其特征在于，对于每一类从开源数据集获取的化工事故图像数据，其数量均为2000张以上。10.根据权利要求9所述的事故原因离线智能诊断系统，其特征在于，所述监控视频图像数据的格式为mp4/m4v/flv/mov/wmv。

技术总结
本发明公开了一种事故原因离线智能诊断系统，涉及危险化学品事故监控技术领域，包括视频数据读取层、中心处理层、数据存储层和关键特征识别算法模型库；关键特征识别算法模型库存储有若干类关键特征识别算法模型，关键特征识别算法模型为深度学习神经网络模型，且基于从开源数据集获取的对应类的化工事故图像数据训练而成；视频数据读取层用于获取监控视频图像数据；中心处理层用于选择关键特征识别算法模型对监控视频图像数据进行诊断并输出诊断结果；数据存储层用于存储诊断结果。本发明利用计算机辅助或代替人工对离线视频进行识别分析，过滤用户不关心的无用信息，仅提取特定事件的关键信息，大大提高事件诊断效率。大大提高事件诊断效率。大大提高事件诊断效率。


技术研发人员：周心怡 李太斌 张冲
受保护的技术使用者：四川华能氢能科技有限公司
技术研发日：2022.08.16
技术公布日：2022/10/18