摘要
系统围绕民爆企业安全生产监管、安全文明生产监管、设备状态监测、消防通道监管、质量过程管控等需求，研发了22类安全场景智能检测算法，包括设备状态监测、基质颜色检测、冷却水断流检测、装药机药量警示、异常闯入、装车机器人停止工作、螺旋输送器停止工作、雷管数量检测、敏化机溢出、膨化炸药洒落、跑冒滴漏、无人值守、物品定置、人员定员、着装穿戴、皮带堆箱、人员越界、螺旋冒药、野蛮装卸、双人双锁检测等。系统检测率不低于99%，虚警率不高于0.5%，可实现超前感知、超前预警、分层推送和快速处置。项目获得计算机软件著作权2项，经机械工业信息研究院查新，国内外未见相同特征报道。
一、实施背景
人工智能的迅速发展正在深刻改变人类社会生活，也为安全生产领域带来新的技术变革。国家高度重视人工智能与实体经济、安全生产的深度融合，先后出台新一代人工智能发展规划、《工业互联网+“安全生产”》专项行动、民爆行业技术进步指导意见和高质量发展意见等政策文件，明确提出推动智能制造和信息化建设，加强重大危险源和关键危险工序违规违章行为的自动识别、提示和自动报警，提升企业安全管理信息化、智能化水平。
民爆行业属于高危行业，生产、储存、装卸、运输等环节安全风险高，一旦发生事故，后果严重。传统安全管理主要依赖人工现场巡查、视频监控室值守和事后查阅。现有视频监控系统本质上仍是“视频监视系统”，只监不控、只视不析，无法对视频内容进行科学、系统、实时的智能识别。面对大量摄像头，安全管理人员难以做到全天候、全覆盖、全要素监管，容易出现“双目监控千目、视而不全、看而不判”的问题。部分违章作业、违规行为和不文明生产行为只能靠现场人员纠正，长期重复性工作还容易导致麻痹大意和习惯性违章。设备联动措施也多为单点控制，缺乏从全局角度对设备、人员、物料、环境进行综合管控。
随着卷积神经网络、深度学习、目标检测、行为识别、多模态融合等技术不断成熟，利用人工智能为传统监控系统增加“智能分析大脑”，替代人工实现对监控视频中违规违法行为和安全异常的自动识别，成为提升民爆企业安全管理水平的有效路径。项目正是在这一背景下立项，依据《工业和信息化部安全生产司关于“民爆生产企业智慧安全监管系统”科研项目立项备案的复函》（工安全函[2021]58号），结合贵州盘江民爆有限公司生产实际和安全管理需求开展研究与应用。经查新，国内外未查到与本项目相同的“工业互联网+安全”民爆企业智慧安全管理系统相关报道，项目具有明显创新性和实践价值。
二、实施目标
项目总体目标是：面向民爆企业安全生产、安全文明生产和质量过程管控需求，构建一套基于工业互联网和人工智能的智慧安全管理系统，对原有视频监控系统进行智能化升级，实现从“人工看视频”向“算法自动识别、自动预警、自动推送、闭环处置”转变，做到安全问题“早知道、早处理、早解决”，将风险隐患消灭在萌芽状态。
三、建设内容
项目采用分布式柔性设计模式，以模块化方式集成各类功能，可根据实际场景动态增加模块。系统总体架构包括前端视频采集设备、现场接入交换机、视频服务器、视频算法分析服务器、业务统筹服务器、MES设备管理系统、WEB后台、手机APP、声光报警系统等。系统以原有监控系统视频流为输入，通过人工智能算法对视频中的物品和人物进行位置、数量、密度、时序、姿态、动作等属性分析，并将识别结果与设备状态、生产流程、管理规则相结合，实现智能预警和处置流程推送。
在关键技术方面，项目综合采用多项先进技术。一是基于人体骨骼关键点检测的行为识别技术，通过深度学习算法提取视频帧中人员18个骨骼关键点，形成人体骨架连接信息，据此判断跌倒、打人、偷拿物品、野蛮装卸等行为。二是基于深度学习和强化学习的图像目标识别跟踪技术，在卷积层、池化层基础上增加层间融合，提升网络对目标尺寸的适应性，并通过融合检测和多目标分类的代价函数，实现逐层过滤、由粗到精定位，提高检测效率和准确率。三是多颜色空间与多目标分割技术，将不同颜色目标转换到不同颜色空间，结合深度学习多目标分割，实现跑冒滴漏、基质颜色异常、螺旋冒药、膨化炸药洒落等检测。四是帧间差分法，用于判定输送粉末状炸药的螺旋输送器是否断料，具有非接触、速度快、准确率高的特点。五是无监督学习特征比对算法，用于皮带堆箱检测，通过皮带注册特征与在线特征比对判断堆箱程度。六是基于卷积神经网络的分割算法进行开门识别，结合人员检测和数量统计，实现双人双锁监管。七是目标检测与背景建模运动检测结合，实现装车机器人停止工作检测。八是联合小样本学习、异常检测、迁移学习、视频和声音融合的多模态技术，以及基于时间滑窗的过滤机制，进一步降低虚警率，提高小概率安全事件识别能力。
平台功能方面，业务统筹服务器负责识别、存储各系统收集的数据，发送告警信息到相应终端，对接MES设备管理系统，同步设备各类数据，并将告警信息转发至MES。WEB后台管理可展示报警信息，管理接入系统的各视频服务器和基本参数设置。系统通过客户端、APP等将预警信息和处置流程按公司组织架构分层推送，现场通过声光报警警示，形成快速响应机制。
研发历程按照需求调研、系统可行性分析、编制研发方案、研发方案评审、设备设施采购、软件功能开发、系统试运行、系统内部验收、系统投入运行、系统参数调优等步骤推进。项目在先进卷积神经网络检测算法基础上，针对不同场景增加预处理和后处理操作，提高目标检测准确度；在雷管数量检测中增加仿射变换降低相邻目标外接矩形重叠率；在定员检测中增加目标跟踪，排除似人形物体误检；利用序列图像中人的行为与目标物品运动关系逻辑，实现野蛮装卸监管；利用多颜色空间和多目标分割实现物料跑冒滴漏监管；利用无监督学习特征比对实现皮带堆箱检测；利用卷积神经网络分割实现双人双锁监管；结合目标检测和背景建模实现机器人停止工作监管。上述内容构成了项目的主要创新点。
四、实施效果
（一）安全管理效果
系统上线后，实现7×24小时无疲劳识别，视频实时智能分析覆盖率大幅提升，消除监控盲区。违章行为从发现、预警、现场声光提醒到闭环处置，响应时间从小时缩短至秒级。基于训练数据集的量化判定标准，阈值可配置，判定一致性达到100%。视频数据自动结构化提取行为数据，输出高风险画像，数据利用率大幅提升。期间，结合公司实际生产情况，不断优化升级，相关算法对安全生产取得了实效。如：脱岗预警能够有效监测各关键监控岗位人员脱岗、睡岗情况，确保关键岗位在岗；定置摆放预警多次预警生产现场原材料、工器具等未摆放到位，及时提醒现场人员规范摆放；超员预警在生产过程中起到了震慑作用，避免了现场超员，尤其是瞬间超员行为等；传送皮带堆箱预警能够及时提醒炸药成品传送皮带即将堆箱，通过及时处置异常或调整产能，避免装卸站台超量现象。
（二）经济与运营效果
项目自上线以来，主要在贵州盘江民爆有限公司内部运行。系统实现了安全生产、安全文明生产、违章违规、隐患监测预警等实时监管，减少视频监控室值守、安全监管等岗位人员10人，避免增配夜间轮班值守人员30人，实现24小时不间断无人值守安全管理，显著提升公司安全管理水平和管理效能。
（三）推广与示范效果
系统已在贵州盘江民爆有限公司、安顺久联、贵阳久联、思南分公司等4家生产点投入使用，甘肃久联雪松分公司、甘肃久联礼县分公司、西藏保久、哈密新联等4家单位即将部署。集团层面，系统不依赖特定产线与设备型号，保利久联旗下各生产企业、危险品库房及爆破作业现场均可基于既有监控网络快速复制部署，投入小、见效快，具备集团级推广价值。行业层面，人员行为智能管控是民爆乃至化工、矿山等高危行业的共性刚需，本项目作为行业首套实践并入选工信部典型案例，其技术路线与建设模式对全行业具有直接参考与示范意义。
（四）社会效益
项目推动安全管理由事后监督向事前监督、过程监督转变，减少人为判断，避免长期重复性工作导致的麻痹大意、习惯性违章和侥幸心理，提升企业安全生产管理水平。系统通过人工智能算法自动感知、监测、预警、评估和处置，规范不文明安全生产行为，提高安全监管效率，对保障民爆行业本质安全、促进高危行业数字化转型具有重要作用。
综上所述，本项目形成了一套可复制、可推广的民爆企业智慧安全管理技术方案，实现了安全监管从人工识别向智能管理转变，从被动事后查阅向主动事前预警转变，从单点监控向全局闭环管控转变。项目技术先进、运行稳定、效果显著，对提升民爆行业本质安全水平和智能化管理水平具有重要意义。
