人工智能安全监管平台说明.docx

《人工智能安全监管平台说明.docx》由会员分享，可在线阅读，更多相关《人工智能安全监管平台说明.docx（31页珍藏版）》请在第一文库网上搜索。

1、人工智能安全监管平台Ol 人工智能简介安全智能监管平台说明人工智能的思想基础intelligence, The ability for perceive logical relationships and use ones knowledge to solveproblems and respond appropriately to novel situation.感知逻辑关系，运用自己的知识解决问题和对新情况做出适当反应的能力。人们、许多动物和一些机器都出现各种各样和层级的智能。1950年：计算机能思维吗?图灵测试：如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器 身份，那

2、么称这台机器具有智能。1912-19542015年11月，Science杂志封 面刊登了一篇重磅研究：人工智 能终于能像人类一样学习，并通 过了图灵测试人工智能的远期目标：探讨智能形成的基本机理，研究利用自动机模拟人 的思维过程。人工智能的近期目标：研究如何使计算机去做那些靠人的智力才能 做的工作。20世纪80年420世纪90年，21世纪初主导学派符号主义派架构大型服务器主导学派贝叶斯学派架构小型服务器群集主导学派连接主义派架构大型服务器场（云）主导理论 知识工程主导理论 概率论主导理论神经科学与概率领域专家垃圾邮件 分类器像素边界知识工程师知识库/应诂推理机非垃圾邮件分类器对象部件对象 一J

3、图-19各学派在不同历史阶段“各领风骚”人工智能早期的人工智能令人兴奋不已机器学习1950o S 1960, s 1970o S机据学习开始兴起Illl1980, s 1990, s 2000, S 2010o S9深度学习图像识别概述目标检测语义分割图像分类目标跟踪图像识别 、目标跟踪一计算机视觉人工智能模型学习的是任务中原始样本与推理结果之间的映射关系，而人工给出这种映射关系以作为模型训练输 入的过程叫作数据标注。指代明确：即对于样本的空间位置 时间位置 先后顺序及类别的标注应尽可能明确标准统一：即对于相似或易混淆的样本标注应采取统一的、具有可操作性的判别标准与标注方法数据标注标注流程管理

4、标签版本管理样本数据可以看作真实世界中特定集合（如全世界所有含有狗的照片的集合）的 一组抽样。样本数据对整个集合的还原程度越高，算法训练得出模型的精度就越 高、泛化能力越强。模型2效果最好 泛化能力最强人工智能简介DL公司已配置现场移动摄像头5万余台，安全管控智能终端700余套，通过人工智能应用，自动识 别未佩戴安全带、未设置安全标示牌、吊车吊臂下站人等64类违章行为，实现高风险作业智能管控全 覆盖，有效提升了现场作业安全管控水平。现场移动摄像头5万台自动识别64类违章行为高风险作业现场智能管控全覆盖城市建设的快速发展以及输电线路自然环境的不断变化，为输电线 路通道运维带来了挑战。一、以往一些

5、输电线路经过的人迹稀少的地区，逐渐成为了城市市 区，群众的生产、生活等行为也给输电线路带来了诸多隐患，线路 运维工作人员不得不更频繁的对线路开展巡视；二 线路规模依然在不断增加，线路运维工作人员不堪重负，线路 缺陷、隐患不能及时发现，输电线路安全稳定运行受到了极大的挑 战；三、有些输电线路位于偏远山区，受地理环境及气候环境的影响， 树木生长、滑坡等对输电线路带来隐患，对运维工作造成了巨大的 障碍，运维工作人员的人身安全在极端情况下也难以得到保障。输电通适可视化图像监柏绫置以图保监控为核心.箭端Al算法自动辨别 是否有险情发生并立即抓拍现场情况推送到PC端、移动端，及时提出预 警功能；在无险情发

6、生时定时对输电线路进行抓拍，把图像通过4G无线 ：网络传输到监控中心，监控中心对传输回来的实时图像进行管理存储。生产作业安全管控场景解决方案：利用人工智能技术对电网作业现场实施智能化 安全监督，改变依赖人工的安全监督现状，切实解 决当前管理效率低 质量差 覆盖面小 无法全过 程监管等顽疾，极大促进安全监督提质增效。二、人工智能技术应用行业痛点：现有的安全生产管理手段主要有现场“人盯人”把 关监督和远程视频监控两种方式，然而这两种方式普遍 存在安全监督人员数量不足，监管人员责任落实不到位， 监控视频查阅人员轮巡工作枯燥 易疲劳，经常漏过作 业人员违章，错失最佳报警时机的问题。人工智能技术应用输电

7、通道图像监拍安全管控场景1导线异物2施工机械3防尘网4山火5烟雾6漂浮物典型输电通道隐患导线异物防尘网烟雾人工智能简介检测模型的评测指标从直观理解， 一个目标检测网络性能好，主要有以下表现: 把画面中的目标都检测到漏检少 背景不被检测为目标一一误检少 目标类别符合实际一一分类准 目标框与物体的边缘贴合度高一一定位准 满足运行效率的要求一一算得快mAP的计算大致可以分解为以下儿步：阶段输出关键变量针对单个目标TP、 FP、 FNou（交并比）针对单个类别PR-Curve APConfidence （置信度）针对测试集全集mAP训练深度神经网络“训练”与接受教育的目的一致：接受教育神经网络训练与人

8、类接受教育的过程有很大的不同人类大脑中的神经元可以连接到特定物理距离内任何其它神经元人工神经网络则分为很多不同的层(layer)、连接(connection)和数据传播(data propagation)的方向 训练一个神经网络时，训练数据被输入该网络的第一层，同时一个神经元会基于所执行的任务为该输 入分配一个权重一一即该输入正确与否的程度。 神经网络的每一层用于学习不同层次的特征且会向下传递到下一层 最后的输出由该网络所产生的所有这些权重总体决定模型优化策略及实践样本漏标标注框偏移标注框不规范模型层面上，在不改变当前模型结构的情况下，调整模型的超参数至效果最佳是一个优化模型的不错 选择。将样

9、本设置为训练集验证集和测试集，通过网格搜素不断调整模型的超参数，使模型在验证集上达 到最佳，然后在测试集测试其泛化能力和最终效果模型优化实践案例1 .数据加载定义数据转换2.模型训练定义优化器和损失函数进行图像增强定义数据加载器加载数据集 设备定义为GPU 数据迁移到GPU 进行前向传播计算损失 进行反向传播更新参数3.模型测试数据移动到GPU,前向传播计算损失统计准确率等指标4.结果分析 5.优化策略各类别效果统计重新配置模型参数整体效果统计优化模型结构错误案例分析优化样本标注,优化方向定位模型评估指标：混肴矩阵准确率，召回率 mAP模型训练模型评估模型迭代模型部署PositiveNegat

10、iveTrueTPTNFalseFPFN样本更新混肴矩阵TP代表正确预测为正的样本（实际为正）TN代表正确预测为负的样本（实际为负）FP代表错误预测为正的样本（实际为负）FN代表错误预测为负的样本（实际为正）04 安全智能监管平台说明已实现数十种危险违规作业及现场异常的场景识别。2023-05-3117:44:37 星期三/区域化工企业安全管理数据中心18-26C 阴根据客户需要 展示内容抓取 后台数据实时 更新，关键数 据一屏掌控， 实现业务统一 指挥，资源及 时调度。企业数量（T）机：0 ： o为统计应用盒子总量（句）A盒子在线数（台）月1化工企业分析检测：0能安全帽报警：006/02违规

11、报警总览B周月 消防谩懒打咋手机一木爱全确报誉化I厂： 加油站:06心A盒子总量（台）当立置：山东应用盒子在线数（台） 2报警总数（件）3, 600I(99)2.打电话（0%）报警高频地点水开发区（64%）2.区(35%1（日周月违规报警处理统计3.5k3女I2kl.3K1k5000待处理误报违规待销警销警实寸预览累髅05-31 05 3105-3105-31OS-31 05-31 OS 31 05-3105 31实时板警1732:19消防设施 17:33:17消防设施 1722:19消防设施1722:48消防设标17:1219消防级17:12:19消防设施17OZ19消防设胞 17:01:5

12、0消防设施16:52:19消防设施大屏展示、安全智能监管平台说明具体业务场景视频流及统计监测危化品装卸作业智能分析平台202311085346 星期1湖行为铲装卸作业统计/群史时预法Kitenr2O23*45KH2860安全加克爱07-31 10:1255 *9MtIVW07-31 10:12:52 来却明晚工07-31 10:121 未则3IM07-31 16126 未寄* 全口07 31 10:11:44 JWHmZMB3110110安1违规行为统计50040030020010005/0105/0705/1305/1905/2505/31违规报繁总览 消防设施一、打电话 人员徘徊着手机HIT周月人忌想打 热烟检测 摔倒检测 未佩戴安全帽报对作业现场全程监控，实现现场作业无死角管理，违规信息现场告警、相关人员通知、上传平台实现管理追溯。监控目标视频流接入（RTSP、ONVIF 国标）视频智能分析业务处理管理员查看危险化学品安全风险智凝防控平台可接警示灯、喇叭等数据同步白管理平22-H12 t*4 4*Awa I星图读口 as t XBS，toes n -trfM 期自生学区大众公Mt WHVft龙口中需山油及经