人工智能赋能安全生产分析

序论：在您撰写人工智能赋能安全生产分析时，参考他人的优秀作品可以开阔视野，小编为您整理的1篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。

应急管理部于2022年底组织实施了危险化学品安全生产风险监测预警能力提升工程，旨在充分运用大数据、人工智能等新一代信息技术，强化危险化学品安全生产重大安全风险管控，提升安全生产风险治理水平。

作为能力提升工程的重点工作内容，在应急管理部的统一部署与广东省惠州市大亚湾安监分局等相关单位的配合支持下，以惠州大亚湾石化产业园（以下简称：大亚湾园区）内企业作为试点单位，开展了基于人工智能、大数据和边缘计算技术的边缘端监管系统试点建设工作。

建设内容与成效试点建设主要包括边缘端监管系统和基于深度学习的视频识别模型。边缘端监管系统由边缘端监管设备硬件与边缘端设备管理中台（以下简称：设备管理中台）两部分组成，设备部署于企业机房，通过视频NVR交换机和多源数采网关采集视频数据与企业安全生产结构化数据（如企业基本信息、装置感知数据、安全承诺数据等），在边缘端硬件设备中进行本地化计算分析。边缘端监管设备内置自主可控的嵌入式神经网络处理器NPU芯片，因其内含大量并行计算单元，如乘加、激活函数、二维数据运算等模块，可以为基于深度学习的神经网络计算提供远高于CPU的计算能力。该芯片已经在智慧城市、工业检测、自动驾驶等领域得到了广泛的应用和验证，因其对视频识别类模型出色的加速计算能力而被选择用于识别与判断安全生产领域中的异常行为和异常环境因素。当边缘端监管设备通过对企业监控视频进行分析并发现异常后，会将分析结果通过专线上传至部署在云端的设备管理中台。同时，设备可根据企业需求将分析结果推送至企业自建的智能化管控平台。针对园区安全生产与应急管理的业务需求，边缘端监管设备管理中台具备设备管理、摄像头添加、视频智能分析、即时预警模型数据分析、远程升级、远程系统重启、硬件资源查看、ROI标注工具、视频分析模型叠加等安全风险研判预警的功能。

针对系统的技术需求，设备管理中台对边缘端监管设备、协作网络、边缘/云3个层次多项核心技术进行了有机整合，提供了良好且易于扩展的系统设计，并面向实际应用完善了日志分析、数据存储和挖掘、多模态数据融合、异构通信协议支持等一系列扩展功能，将所有的功能模块都按照微服务架构进行了解耦，能够通过容器编排框架快速部署到终端设备（如智能摄像头、智能安全帽等）、边缘端监管设备和云端。并且，管理中台可以基于系统运行情况动态调整资源分配和各模块参数配置。该系统以视频分析作为核心，同时支持对企业基础数据、安全承诺数据以及感知数据分析计算，通过即时预警模型实时分析企业风险从而提前预警。

在基于深度学习的视频识别模型方面，边缘端监管设备部署了异常环境检测和异常行为检测两大类包括且不限于明火、烟雾、脱岗、未佩戴安全帽、翻越围栏、抽烟、打电话监测等20余项基于深度学习的视频分析模型。视频监控场景与视频分析模型依据《危险化学品企业特殊作业安全规范》（GB30871-2022）、应急管理部《危险化学品企业安全风险排查治理导则》及附件、《化工园区安全风险隐患排查治理检查表》等文件逐一对应。从建设成效来看，在试点过程中，设备识别出人员脱岗、未佩戴安全帽、违规入侵、未放置灭火器等异常风险100余项，平均每日监测到以人员违规为主的异常行为10余项。其中，系统识别出了多处此前企业监管人员未曾发现的隐蔽吸烟区、违规禁入区等，既提高了监管人员效率，又为企业规范安全生产管理提供新的思路。此次试点，充分验证了边缘端监管设备在安全生产领域的有效性与必要性，成为落实《全国危险化学品安全风险集中治理方案》部署，以前沿技术手段完善与丰富危化安全生产风险监测预警系统的重要抓手。

未来发展建议如今，基于人工智能技术的应用在各行各业不断涌现。在安全生产领域，由于自身行业特点，对于技术的成熟度、稳定性、可靠性之要求更甚于先进性或性能表现，导致对前沿技术的接纳周期晚于消费类行业，并且新技术在测试验证之后需要通过政府主导方式进行大规模推广。为此，对于未来人工智能如何更好地赋能安全生产，一是建议人工智能领域从业者在从事安全生产信息化项目建设时应从务实的角度出发建立并行技术体系，即在严格按照有关标准、指南和规范建设一套可用、可行、规范的系统，并在该系统之上研究一套应用前沿技术、大胆创新的对照系统，通过长时间的对比测试总结经验、打磨产品，探索新技术在安全生产领域的实际落地；二是建议人工智能领域从业者要与安全生产业务需求相结合，研究符合行业特点的模型应用，以MaaS（模型作为产品）方式向行业输送新技术。

作者:金戈 单位:中国安全生产科学研究院预警中心