便携式异常场景行为检测仪

在中国制造向中国智造转型的大背景下，上海电机学院和河北中烟集团开展产学研用合作，双方合力将人工智能技术应用于国产检测设备研发上，提出基于安全检测需求的全新智能化检测设备及解决方案，实现检测机器国产化、小型化和智能化，走在国内安全检测技术和应用的前沿。其中上海电机学院创新性地提出了基于深度学习的施工现场目标检测与行为检测算法，在基本不增加硬件成本的基础上，有望大幅提高目标检测设备的图像质量和检测效果；施工现场的安全涉及面广，最为主要的就是施工人员的安全问题和施工现场场地的安全问题。施工的各作业在时间和空间上也不一致，且分布面广，想要在作业的同时对施工人员、施工场地进行监管其难度也十分大。其中本检测仪创新性地提出了基于深度学习的小目标检测 YOLOv4算法，并在不增加硬件成本的基础上，有望大幅度提高针对小目标检测的准确率，填补了便携式检测仪领域的空白；创新性提出基于深度学习的 YOLOv4目标检测算法，通过对目标的提取、分类、识别，实现对异常场景、异常行为的精准检测。如对施工现场是否存在可燃物、是否存在灭火器等典型现场目标进行检测；对异常行为进行及时的检测，如是否穿戴不合格，是否作业动作异常；以及对施工后的目标设备进行效果检测，检测是否达到标准。同时将 YOLOv4算法嵌入到设备中，真正实现智能化实时检测。 检测仪不仅实现多场景检测、多目标检测，同时还在一定程度上降低了人工成本。
上海电机学院
王西超