本发明专利技术涉及图像识别技术领域，且公开了一种基于深度学习的施工现场违章智能识别装置，包括车体和智能识别系统，所述车体上表面的一侧开设有电源槽，所述电源槽的内部设置有蓄电池，所述车体上表面的另一侧固定安装有固定套，所述固定套的数量为两个。该基于深度学习的施工现场违章智能识别装置，通过智能识别系统的设置，识别服务采用DeepStream框架，可多进程、线程、协程同时运行计算，具有高效、实时分析来自球形摄像机等的数据自动识别违章行为，包括施工人员着装、安全带、登高、未佩戴安全帽等，大大减轻了巡查人员的工作量，且违章监测实时便捷，可及时的将违章记录上传至安全管理平台，降低了安全隐患，监测准确性较高。监测准确性较高。监测准确性较高。
【技术实现步骤摘要】
一种基于深度学习的施工现场违章智能识别装置
[0001]本专利技术涉及图像识别
，具体为一种基于深度学习的施工现场违章智能识别装置。
技术介绍
[0002]建筑施工是指工程建设实施阶段的生产活动，是各类建筑物的建造过程，也可以说是把设计图纸上的各种线条，在指定的地点，变成实物的过程，它包括基础工程施工、主体结构施工、屋面工程施工、装饰工程施工等，施工作业的场所称为“建筑施工现场”或叫“施工现场”，也叫工地。
[0003]目前，建筑现场环境中，违章行为的监测主要还是以人工现场巡查为主，会出现以下的几个缺点：1、巡查人员工作量大，人工成本高，违章检测实时性不够，2、违章记录无法及时上传至安全管理平台，3、基建现场，多点位，多时段违章检测，人工方式要做到不太现实，4、人工违章巡查，时效性差，安全得不到保证，5、大范围多种违章行为检测，人工巡查容易有纰漏。
技术实现思路
[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了一种基于深度学习的施工现场违章智能识别装置，具备监测实时等优点，解决了上述
技术介绍
中提出的的问题。
[0006](二)技术方案
[0007]为实现上述监测实时的目的，本专利技术提供如下技术方案：一种基于深度学习的施工现场违章智能识别装置，包括车体和智能识别系统，所述车体上表面的一侧开设有电源槽，所述电源槽的内部设置有蓄电池，所述车体上表面的另一侧固定安装有固定套，所述固定套的数量为两个，其中一个所述固定套的内部固定安装有可调支杆，另一个所述固定套的内部固定安装有剪力连杆，所述剪力连杆的一端与可调支杆相连接，所述可调支杆的一端固定连接有安装座，所述安装座的内部固定安装有球形摄像机，所述电源槽一侧壁的顶部通过铰链固定安装有密闭盖；
[0008]所述智能识别系统包括中央处理器，所述中央处理器的输入端与数据接收模块的输出端电连接，所述数据接收模块的输入端与A/D转换模块的输出端电连接，所述A/D转换模块的输入端与监测模块的输出端电连接，所述中央处理器的输出端与数据处理模块的输入端电连接，所述数据处理模块的输出端与通信模块，所述中央处理器的输出端与定位模块的输入端电连接，所述中央处理器的输出端与继电器的输入端电连接，所述继电器的输出端与散热模块的输入端电连接，所述通信模块的输出端与终端的输入端电连接，所述中央处理器的输出端与云平台的输入端信号连接，所述云平台的输出端与中央处理器的输入端电连接，所述中央处理器的输出端与存储模块的输入端信号连接，所述存储模块的输出端与中央处理器的输入端电连接，所述智能识别系统的输入端与电源模块的输出端电连
接。
[0009]优选的，所述车体下表面的四角处均固定安装有移动轮，所述移动轮的内部设置有刹车片。
[0010]优选的，所述车体下表面的中部固定安装有可调支撑杆，所述可调支撑杆的数量为四个。
[0011]优选的，所述监测模块包括球形摄像机。
[0012]优选的，所述定位模块包括GPS定位器。
[0013]优选的，所述散热模块包括冷却风扇。
[0014]优选的，所述通信模块包括集成G和WiFi通讯单元。
[0015]优选的，所述数据处理模块包括实时识别单元和实时分析单元。
[0016]优选的，所述电源模块包括蓄电池，所述存储模块包括存储器。
[0017](三)有益效果
[0018]与现有技术相比，本专利技术提供了一种基于深度学习的施工现场违章智能识别装置，具备以下有益效果：
[0019]该基于深度学习的施工现场违章智能识别装置，通过智能识别系统的设置，其采用边缘检测、大津算法、特征提取等、色域转换、环境光强度检测等图像算法，用于对图像的预处理和基础信息的提取，傅立叶变换、卡尔曼滤波、离散余弦变换等算法对数据进行处理，并使用决策树对传感器结果的输出，得到更加稳定精准的结果等算法，识别服务采用DeepStream框架，可多进程、线程、协程同时运行计算，具有高效、实时分析来自球形摄像机等的数据自动识别违章行为，包括施工人员着装、安全带、登高、未佩戴安全帽等，大大减轻了巡查人员的工作量，且违章监测实时便捷，可及时的将违章记录上传至安全管理平台，降低了安全隐患，监测准确性较高。
附图说明
[0020]图1为本专利技术结构立体示意图；
[0021]图2为本专利技术车体的结构示意图；
[0022]图3为本专利技术系统示意图。
[0023]图中：1、车体；2、智能识别系统；3、蓄电池；4、固定套；5、可调支杆；6、剪力连杆；7、球形摄像机；8、中央处理器；9、数据接收模块；10、A/D转换模块；11、监测模块；12、数据处理模块；13、通信模块；14、定位模块；15、继电器；16、散热模块；17、终端；18、云平台；19、存储模块；20、电源模块；21、移动轮；22、可调支撑杆；23、GPS定位器；24、冷却风扇；25、集成4G和WiFi通讯单元；26、实时识别单元；27、实时分析单元；29、存储器；30、密闭盖。
具体实施方式
[0024]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0025]请参阅图1
‑
3，本专利技术提供一种技术方案：一种基于深度学习的施工现场违章智能
识别装置，包括车体1和智能识别系统2，通过智能识别系统2的设置，其采用边缘检测、大津算法、特征提取等、色域转换、环境光强度检测等图像算法，用于对图像的预处理和基础信息的提取，傅立叶变换、卡尔曼滤波、离散余弦变换等算法对数据进行处理，并使用决策树对传感器结果的输出，得到更加稳定精准的结果等算法，识别服务采用DeepStream框架，可多进程、线程、协程同时运行计算，具有高效、实时分析来自球形摄像机7等的数据自动识别违章行为，包括施工人员着装、安全带、登高、未佩戴安全帽等，大大减轻了巡查人员的工作量，且违章监测实时便捷，可及时的将违章记录上传至安全管理平台，降低了安全隐患，监测准确性较高，车体1上表面的一侧开设有电源槽，电源槽的内部设置有蓄电池3，车体1上表面的另一侧固定安装有固定套4，固定套4的数量为两个，其中一个固定套4的内部固定安装有可调支杆5，另一个固定套4的内部固定安装有剪力连杆6，剪力连杆6的一端与可调支杆5相连接，可调支杆5的一端固定连接有安装座，安装座的内部固定安装有球形摄像机7，电源槽一侧壁的顶部通过铰链固定安装有密闭盖30；
[0026]智能识别系统2包括中央处理器8，中央处理器8的输入端与数据接收模块9的输出端电连接，数据接收模块9的输入端与A/D转换模块10的输出端电连接，A/D转换模块10的输入端与监测模块11的输出端电连接，中央处理器8的输出端与数据处理模块12的输入端电连接本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的施工现场违章智能识别装置，包括车体(1)和智能识别系统(2)，其特征在于：所述车体(1)上表面的一侧开设有电源槽，所述电源槽的内部设置有蓄电池(3)，所述车体(1)上表面的另一侧固定安装有固定套(4)，所述固定套(4)的数量为两个，其中一个所述固定套(4)的内部固定安装有可调支杆(5)，另一个所述固定套(4)的内部固定安装有剪力连杆(6)，所述剪力连杆(6)的一端与可调支杆(5)相连接，所述可调支杆(5)的一端固定连接有安装座，所述安装座的内部固定安装有球形摄像机(7)，所述电源槽一侧壁的顶部通过铰链固定安装有密闭盖(30)；所述智能识别系统(2)包括中央处理器(8)，所述中央处理器(8)的输入端与数据接收模块(9)的输出端电连接，所述数据接收模块(9)的输入端与A/D转换模块(10)的输出端电连接，所述A/D转换模块(10)的输入端与监测模块(11)的输出端电连接，所述中央处理器(8)的输出端与数据处理模块(12)的输入端电连接，所述数据处理模块(12)的输出端与通信模块(13)，所述中央处理器(8)的输出端与定位模块(14)的输入端电连接，所述中央处理器(8)的输出端与继电器(15)的输入端电连接，所述继电器(15)的输出端与散热模块(16)的输入端电连接，所述通信模块(13)的输出端与终端(17)的输入端电连接，所述中央处理器(8)的输出端与云平台(18)的输入端信号连接，所述云平台(18)的输出端与中央处理器(8)的输入端电连接，所述中央处理器(8)的输出端与存储模块(19...
【专利技术属性】
技术研发人员：章巍，史学海，邵越风，
申请(专利权)人：浙江省能源集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。