一種基于輕量級深度學習的智慧工地系統技術方案

本實用新型專利技術提供一種基于輕量級深度學習的智慧工地系統，包括錄制裝置、報警裝置、信號發射無線接入點一、信號接收無線接入點一、信號發射無線接入點二、信號接收無線接入點二、無線交換機、監控中心、智能手機、存儲服務器、智慧工地管理平臺和AI分析服務器，所述錄制裝置、信號發射無線接入點一、信號接收無線接入點一、無線交換機、智慧工地管理平臺和AI分析服務器依次連接，所述無線交換機還分別連接信號發射無線接入點二、監控中心、智能手機及存儲服務器，所述信號發射無線接入點二、信號接收無線接入點二和報警裝置依次連接。本實用新型專利技術可提高工地工作的可靠性、安全性和可追查性。性。性。

【技術實現步驟摘要】
一種基于輕量級深度學習的智慧工地系統

：
[0001]本技術屬于智慧工地領域，特別涉及一種基于輕量級深度學習的智慧工地系統。

技術介紹
：
[0002]作為新興的應用領域，機器學習(ML,Machine Learning)技術在圖像識別、語音識別等領域取得了突破性進展。深度學習(DL,Deep Learning)是機器學習領域中一個新的研究方向，它被引入機器學習使其更接近于最初的目標—人工智能(AI,Artificial Intelligence)。通過學習樣本數據的內在規律和表示層次，從而在學習過程中獲得的信息對諸如文字、圖像和聲音等。使得機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數據。深度學習是一個復雜的機器學習算法，解決了很多模式識別的難題，在語音和圖像識別方面取得的效果，遠遠超過先前相關技術。典型的深度學習模型有卷積神經網絡(CNN,Convolutional Neural Network)，它的權值共享網絡結構使之更類似于生物神經網絡，降低了網絡模型的復雜度，減少了權值的數量。該優點在網絡的輸入是多維圖像時表現的更為明顯，使圖像可以直接作為網絡的輸入，避免了傳統識別算法中復雜的特征提取和數據重建過程。卷積網絡是為識別二維形狀而特殊設計的一個多層感知器，這種網絡結構對平移、比例縮放、傾斜或者共他形式的變形具有高度不變性。
[0003]目前智慧工地領域采用探測網絡模型解析視頻達到智慧工地管理的目的。探測算法可以分為兩類，一類是基于Region Proposal的R
?
CNN系列算法，其先經過算法產生目標候選框，而后對候選框進行分類回歸，它們都是two
?
stage的算法，包括R
?
CNN、Fast R
?
CNN、Faster R
?
CNN等；一類是僅用一個卷積神經網絡直接預測目標的位置和類別，它們都是one
?
stage的算法，較于two
?
stage的算法精度稍低，one
?
stage的算法速度更快，如Yolo、SSD。但在實際應用時，即使是one
?
stage的神經網絡模型探測速度依然有限，無法滿足實時需求；因為一些探測網絡模型后在處理的過程，遮擋的目標相互干擾，容易帶來識別率低等問題。

技術實現思路
：
[0004]本技術的目的在于提供一種基于輕量級深度學習的智慧工地系統，解決了現有
識別率低、實時性差的缺點。
[0005]為實現上述技術目的，本技術采用如下技術方案：一種基于輕量級深度學習的智慧工地系統，包括錄制裝置、報警裝置、信號發射無線接入點一、信號接收無線接入點一、信號發射無線接入點二、信號接收無線接入點二，無線交換機、監控中心、智能手機、存儲服務器、智慧工地管理平臺和AI分析服務器，所述錄制裝置、信號發射無線接入點一、信號接收無線接入點一、無線交換機、智慧工地管理平臺和AI分析服務器依次連接，所述無線交換機還分別連接信號發射無線接入點二、監控中心、智能手機及存儲服務器，所述信號發射無線接入點二、信號接收無線接入點二和報警裝置依次連接。
[0006]所述錄制裝置包括閘機口攝像頭、布控球攝像頭、機器人攝像頭和高壓室攝像頭，所述閘機口攝像頭、布控球攝像頭、機器人攝像頭、高壓室攝像頭分別與信號發射無線接入點一連接。
[0007]所述報警裝置包括閘機系統、閘機報警器、布控球報警器、機器人報警器和高壓室報警器，所述閘機系統、閘機報警器、布控球報警器、機器人報警器、高壓室報警器分別與信號接收無線接入點二連接。
[0008]所述AI分析服務器包括傳輸控制模塊、安全帽探測模塊、工作服及安全帶識別模塊、其他深度學習模塊，所述傳輸控制模塊與智慧工地管理平臺連接，所述安全帽探測模塊、工作服及安全帶識別模塊、其他深度學習模塊與傳輸控制模塊分別連接。
[0009]由于采用上述技術方案，本技術具有以下優點：
[0010]本技術通過AI分析服務器、無線交換機及現場的錄制裝置、報警裝置實時對整個工地操作人員的動態監控，做到實時預警，智能檢測，規范管理，可提高工地工作的可靠性、安全性和可追查性。
附圖說明：
[0011]圖1為本技術一種基于輕量級深度學習的智慧工地系統的示意圖；
[0012]圖2為本技術的安全帽探測模塊的工作示意圖；
[0013]圖3為本技術的工作服和安全帶識別模塊的工作示意圖。
具體實施方式：
[0014]下面對本技術的具體實施方式進行詳細描述，但應當理解本技術的保護范圍并不受具體實施方式的限制。
[0015]除非另有其它明確表示，否則在整個說明書和權利要求書中，術語“包括”或其變換如“包含”或“包括有”等等將被理解為包括所陳述的元件或組成部分，而并未排除其它元件或其它組成部分。
[0016]如圖1所示，一種基于輕量級深度學習的智慧工地系統，包括錄制裝置、報警裝置、信號發射無線接入點一、信號接收無線接入點一、信號發射無線接入點二、信號接收無線接入點二，無線交換機、監控中心、智能手機、存儲服務器、智慧工地管理平臺和AI分析服務器，所述錄制裝置、信號發射無線接入點一、信號接收無線接入點一、無線交換機、智慧工地管理平臺和AI分析服務器依次連接，所述無線交換機還分別連接信號發射無線接入點二、監控中心、智能手機及存儲服務器，所述信號發射無線接入點二、信號接收無線接入點二和報警裝置依次連接。
[0017]所述錄制裝置包括閘機口攝像頭、布控球攝像頭、機器人攝像頭和高壓室攝像頭，所述閘機口攝像頭、布控球攝像頭、機器人攝像頭、高壓室攝像頭分別與信號發射無線接入點一連接。
[0018]所述報警裝置包括閘機系統、閘機報警器、布控球報警器、機器人報警器和高壓室報警器，所述閘機系統、閘機報警器、布控球報警器、機器人報警器、高壓室報警器分別與信號接收無線接入點二連接。
[0019]所述AI分析服務器包括傳輸控制模塊、安全帽探測模塊、工作服及安全帶識別模
塊、其他深度學習模塊，所述傳輸控制模塊與智慧工地管理平臺連接，所述安全帽探測模塊、工作服及安全帶識別模塊、其他深度學習模塊與傳輸控制模塊分別連接。
[0020]實施時，智慧工地設有高壓電作業區，且高壓電作業區內部署巡檢機器人；將閘機口攝像頭部署到高壓電作業區入口，用于錄制閘機口工作人員進出視頻；布控球攝像頭部署到高壓電作業區，用于錄制現場工作人員工作視頻；機器人攝像頭部署到巡檢機器人上，用于錄制巡檢機器人巡檢畫面；高壓室攝像頭部署到高壓室內，用于錄制高壓室內工作人員活動視頻；以上錄制的視頻通過信號發射無線接入點一、信號接收無線接入點一傳輸到無線交換機處，由無線交換機發送到監控中心、智能手機、存儲服務器進行監控、查看及存儲，同時無線交換機也將上述視頻發送到智慧工地管理平臺，由智慧工地管理平臺將上述視頻推動到AI分析服務器，AI分析本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于輕量級深度學習的智慧工地系統，其特征在于：包括錄制裝置、報警裝置、信號發射無線接入點一、信號接收無線接入點一、信號發射無線接入點二、信號接收無線接入點二、無線交換機、監控中心、智能手機、存儲服務器、智慧工地管理平臺和AI分析服務器，所述錄制裝置、信號發射無線接入點一、信號接收無線接入點一、無線交換機、智慧工地管理平臺和AI分析服務器依次連接，所述無線交換機還分別連接信號發射無線接入點二、監控中心、智能手機及存儲服務器，所述信號發射無線接入點二、信號接收無線接入點二和報警裝置依次連接。2.根據權利要求1所述的一種基于輕量級深度學習的智慧工地系統，其特征在于：所述錄制裝置包括閘機口攝像頭、布控球攝像頭、機器人攝像...

【專利技術屬性】
技術研發人員：周紅飛，劉晶晶，黃沐沄，陳霄翔，
申請(專利權)人：上海復瞰科技有限公司，
類型：新型
國別省市：