智能監(jiān)控如何來實現(xiàn)

對于工業(yè)生產企業(yè)而言，由于業(yè)務連續(xù)性強、系統(tǒng)復雜，大量生產設備相互聯(lián)系、耦合緊密，而且具有功率大、運轉速度高的特點。安全生產更是保證從業(yè)人員的人身安全與健康，設備和設施免受損壞，環(huán)境免遭破壞，保證生產經營活動得以順利進行的必要條件。

對于石油石化行業(yè)屬于危險、危害因素眾多的高危行業(yè)，安全生產形勢依然十分嚴峻。

以人工智能技術為手段，精準把握 “高精度質量檢測，大范圍安全管理”的行業(yè)需求，應用機器視覺、體態(tài)識別、異常行為分析預警等人工智能技術，在安全防范、監(jiān)管實施、質量檢測和生產流程管理方面，實現(xiàn)實時監(jiān)控、自動發(fā)現(xiàn)問題、主動預警，提高了過去依靠肉眼或“遠水救不了近火”的窘境，確保生產安全高效、勞動力分配得當、保持低成本優(yōu)勢，為協(xié)助工業(yè)企業(yè)“降本增效、安全生產”，等等智能化應用，已經逐漸在工業(yè)生產安全領域發(fā)揮著重要作用，改變了以往安全管理工作“事后處理”的模式，轉向對危險的預先識別、分析和控制的科學化管理方式，最終實現(xiàn)事先控制，預防為主，關口前移，防患于未然的目的。

通常情況下，石化企業(yè)歷年來已分期分批投建了視頻監(jiān)控系統(tǒng)，基本實現(xiàn)每個生產裝置和重點部位都已安裝監(jiān)控攝像機。傳統(tǒng)機器視覺檢測（如比對法）解決了人工目檢的一些做不了、做不好以及人做成本高的問題。但依然存在安全隱患：

1、現(xiàn)場作業(yè)監(jiān)管過程中，由于人力、物力等各種原因，各環(huán)節(jié)相關管理人員有時會無法到施工現(xiàn)場監(jiān)督監(jiān)護、審核確認作業(yè)票證，或到了現(xiàn)場也是象征性的停留很短時間，最終難以滿足當前作業(yè)許可制度規(guī)范的要求。

2、盡管已經實現(xiàn)了對作業(yè)票證的電子審批全過程管理，但是在施工現(xiàn)場工人的不規(guī)范行為、設備設施的違規(guī)使用等方面也很難進行監(jiān)管，即使有視頻監(jiān)控，一般也僅絕限于在控制室進行人工識別監(jiān)控，甚至僅能監(jiān)控到主要生產裝置及要害部位，不能實現(xiàn)在任何生產區(qū)域發(fā)生不規(guī)范作業(yè)時進行監(jiān)控的要求。

3、對承包商的勞務人員的監(jiān)管也非常重要，在承包商施工人員進入現(xiàn)場前，實行了安全教育培訓、職業(yè)技能審查等工作，但是真正到現(xiàn)場施工時，也存在換人替代等安全隱患。

與傳統(tǒng)機器視覺檢測方法相比，基于人工智能的檢測方法將在減少對光照、擺放位置、傳輸速率等外在因素依賴程度，尤其是對一些較難識別的行為動作的大量圖像進行神經網(wǎng)絡學習，在充分訓練的情況下，將為各種行為動作和物體的主要和非主要特征提供更高的識別準確率。

通過建立一套安全作業(yè)智能監(jiān)控管理系統(tǒng)，來加強作業(yè)現(xiàn)場的監(jiān)控管理力度，同時落實屬地管理的管理方法，及時發(fā)現(xiàn)各生產環(huán)節(jié)的安全隱患，以便于能夠及時分析和處理隱患，最終實現(xiàn)安全生產。

具體的應用場景如下：

1、基于人工智能的安全作業(yè)智能監(jiān)控系統(tǒng)與作業(yè)許可票證管理系統(tǒng)相結合，實現(xiàn)對現(xiàn)場作業(yè)的全過程的實時監(jiān)控，實現(xiàn)對施工作業(yè)現(xiàn)場的監(jiān)護人、票證審核人、作業(yè)申請人以及承包商派駐的施工人員進行智能識別、身份驗證的監(jiān)控管理，同時也可監(jiān)控作業(yè)區(qū)域內是否有人的危險行為動作、是否有未授權人或物的越界等不規(guī)范行為的發(fā)生。

2、運用基于人工智能的機器視覺識別技術，代替?zhèn)鹘y(tǒng)的人工視覺識別方式，實現(xiàn)自動智能識別預警功能。

3、能夠通過客戶端管理軟件系統(tǒng)實時查看各監(jiān)控點視頻圖像，對關鍵監(jiān)控點的遠程視頻進行調用、預警、廣播通知。

4、通過系統(tǒng)可以通過視頻回放查看該屬地下近期進行的各種作業(yè)情況，隱患情況，視頻報警的處理情況。

5、實現(xiàn)分級網(wǎng)絡架構，上級監(jiān)控中心能夠查看和管理所轄范圍內的所有視頻圖像。

基于AI的安全生產智能監(jiān)控系統(tǒng)如何設計

基于人工智能的安全作業(yè)智能監(jiān)控系統(tǒng)承擔著石化企業(yè)安全指揮控制、通訊聯(lián)絡、數(shù)據(jù)采集、上傳和共享的重任，是企業(yè)安全生產和管理信息化的關鍵和紐帶，其設計原則必須保證整個系統(tǒng)具備可靠性高、穩(wěn)定性強、技術先進、人機界面友好、操作簡單、維護方便、方便升級等特點。

1、滿足集團化監(jiān)控管理應用的需要，能夠完全考慮未來公司近期、中期、遠期發(fā)展，提出具體建設時間表，提供高效、優(yōu)質的全系統(tǒng)技術支持服務。

2、保護既有投資，對原有已經安裝和使用過監(jiān)控設備，在新系統(tǒng)建設中盡可能的采用兼容方式處理，從而實現(xiàn)建設的資源節(jié)省和設備運轉周期加長。

3、石化廠區(qū)屬于高危險區(qū)域，所以有源設備均要采用符合國家標準的防爆設備，既要提高廠區(qū)內的安全級別又能滿足視頻圖像采集的要求。

4、系統(tǒng)操作簡單，可輕松的控制系統(tǒng)的各種設備，操作形象、簡單，無須記憶各個煩瑣功能。并且控制面板和媒體播放器和視頻回放查詢集成在同一客戶端軟件界面，監(jiān)控系統(tǒng)終端通過同單一軟件就可以實現(xiàn)所有操作，方便客戶端的操作。

5、接口開放，可以與其它相關系統(tǒng)無縫對接。

基于人工智能的安全生產監(jiān)控管理系統(tǒng)區(qū)別于傳統(tǒng)的安防系統(tǒng)，不僅僅在于視頻監(jiān)控，更多地以深度神經網(wǎng)絡計算機視覺AI技術為核心，用機器視覺代替人力肉眼的監(jiān)管，真正做到解放人力、24小時無縫無死角監(jiān)管，大大節(jié)省人力資源的同時，使得處置手段更為高效化和多樣化。

傳統(tǒng)的機器學習技術往往使用原始形式來處理自然數(shù)據(jù)，模型的學習能力受到很大的局限，構成一個模式識別或機器學習系統(tǒng)往往需要相當?shù)膶I(yè)知識來從原始數(shù)據(jù)中（如圖像的像素值）提取特征，并轉換成一個適當?shù)膬炔勘硎尽?/p>

而深度學習則具有自動提取特征的能力，它是一種針對表示的學習。深度學習允許多個處理層組成復雜計算模型，從而自動獲取數(shù)據(jù)的表示與多個抽象級別。這些方法大大推動了語音識別，視覺識別物體，物體檢測，藥物發(fā)現(xiàn)和基因組學等領域的發(fā)展。通過使用BP算法，深度學習有能力發(fā)現(xiàn)在大的數(shù)據(jù)集的隱含的復雜結構。

事實證明，物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能等新興技術無疑是當下企業(yè)實現(xiàn)全方位的安全生產管理的有力抓手，相比“制度管理”其可以通過可預知的投入獲得可衡量的收益。當然，這些新興技術也給傳統(tǒng)安全生產管理者帶來了困惑，就是如何在安全生產管理體系中去應用它們。寄云科技提出“數(shù)據(jù)驅動安全生產管理”，通過層次化的思維，在統(tǒng)一的工業(yè)互聯(lián)網(wǎng)平臺之上，分別從設備、生產和經營三個層面入手，落地安全生產管理解決方案。

基于數(shù)據(jù)驅動的設備可靠性管理。在設備層面，方案構建設備數(shù)字孿生模型，將資產、組織、過程、工藝的數(shù)據(jù)進行了模型化，形成了不同層次的管理對象，實現(xiàn)指標、從屬關系、數(shù)據(jù)源等屬性的配置，從而將接入平臺的設備基礎數(shù)據(jù)有效的管理起來。在這些基礎數(shù)據(jù)之上，方案為企業(yè)關鍵生產設備開發(fā)預測性維護應用，實現(xiàn)故障率的降低，提高設備的可靠性。

基于數(shù)據(jù)驅動的生產關鍵工藝流程管理。在生產層面，方案采集生產過程中的各類數(shù)據(jù)，通過精細化的多維度、長周期、以工藝為基礎結合人工智能的數(shù)據(jù)分析，來提高生產成品的收率。對于生產中需要監(jiān)控的各種關鍵指標，方案根據(jù)指標的各種特征，通過模型計算出相應的監(jiān)控指標，設定監(jiān)控策略，并對違背策略的異常進行告警。

基于數(shù)據(jù)驅動的安全風險管控決策和應急指揮。方案建立全效應急指揮和安全生產機制，基于大數(shù)據(jù)全面感知安全風險態(tài)勢，結合事故頻度、單位等特征統(tǒng)計分析，預測可能發(fā)生的重大突發(fā)事件;統(tǒng)一組態(tài)視角，打通控制系統(tǒng)信息化壁壘，實現(xiàn)實時的生產運行監(jiān)控;系統(tǒng)還實現(xiàn)業(yè)務管理分級預警、報警功能，環(huán)保管理等。

數(shù)據(jù)是貫穿設備、生產和經營三個層面的血脈。方案通過采集設備數(shù)據(jù)、生產數(shù)據(jù)、外部數(shù)據(jù)等，構建融合的“數(shù)據(jù)中心”?；谶@個融合的“數(shù)據(jù)中心”，實現(xiàn)統(tǒng)一的設備運行狀態(tài)的監(jiān)測，并能夠結合大數(shù)據(jù)、人工智能手段實現(xiàn)關鍵設備的預測性維護，以及生產過程優(yōu)化等應用，并在此基礎上實現(xiàn)整體經營層面的全局管理，最終達到提升安全生產管理水平的目的。

來源：智安物聯(lián)網(wǎng)