项目概况
成果简介:在目前国家推行重大危险源化工企业安全预防控制体系政策的大环境下,结合重大危险源装置区与罐区远程智能化巡检建设的实际需求,通过研究以人工智能技术为基础的煤化工重大危险源装置区及罐区远程智能化巡检系统的系统组成、系统功能及系统特点等将人工智能技术有效整合进入煤化工重大安全源安全管理系统,大大提升了安全人员的巡检效率和安全生平水平;实现了人工智能技术在重大危险源领域的应用实践;整体系统优势体现在:精细目标识别、高效网络部署方案、以及高效准确的目标监测。
2、主要创新点
(1)人员安全帽及工服的监测,主要用到了细粒度分类的方法。细粒度分类应关注局部特征,但图像中有许多局部细节,如何选择有用的部分仍然是一项具有挑战性的任务。同时,网络的浅卷积层具有较高的空间分辨率,但语义知识较少。将浅层特征与深度语义融合是一种直观的方法,为人类感知的环境高级语义信息用于图像分类打下了良好的基础。人类可以自动聚焦于输入图像的关键区域,而忽略无关的和有噪声的部分。针对本次安全帽工服的监测,为了让模型也能自动聚焦输入图像的关键区域,本方案利用注意模块和多尺度潜在表示网络来定位有区别的空间区域,然后学习准确的注意图来辅助类别决策。此外,在最后一步之前,利用注意力模块确定不同尺度特征图的通道权值。
(2)在人工智能算法网络训练时,利用预训练的图像模型初始化视频模型。对于位置嵌入,将位置嵌入添加到每个输入token。视频模型拥有比预训练图像多很多倍的token。因此,通过“重复”来初始化位置嵌入。因此,在初始化时,具有相同空间索引的所有token具有相同的嵌入,然后对其进行微调;对于权重嵌入,与预先训练的模型中的2D张量相比较,嵌入滤波器是3D张量。初始化来自视频分类的2D滤波器的3D卷积滤波器的常用方法是通过沿时间维复制滤波器并将其平均来“inflate”它们。考虑一个额外的策略称之为“中心帧初始化”,沿着除了中心点的所有时间位置,用零初始化。因此,3D卷积滤波器在初始化时有效地表现为类似于“均匀帧采样”,同时也使得模型能够随着训练的进行学习从多个帧融合时间信息。