[发明专利]一种旋转机械作业安全风险智能识别方法及系统

权利要求书

1.一种旋转机械作业安全风险智能识别方法，其中，所述方法应用于智能识别分析设备，所述智能识别分析设备包括图像采集设备，所述方法包括：

通过所述图像采集设备获得第一图像信息，所述第一图像信息包括目标区域；

获得预设算法识别模型；

将所述第一图像信息输入所述预设算法识别模型，获得第一识别结果，所述第一识别结果为针对第一目标进行的识别结果；

判断所述第一识别结果是否包含所述第一目标；

当包含时，根据所述第一识别结果，获得第一标记信息，所述第一标记信息用于按照预设尺寸对所述第一目标进行标记，所述第一标记信息包括第一标记图像；

获得行人检测模型；

根据所述行人检测模型对所述第一标记图像进行计算，获得第二识别结果；

判断所述第二识别结果是否包含第二目标；

当包含时，获得第一报警信息。

2.如权利要求1所述的方法，其中，所述获得预设算法识别模型，包括：

获得检测数据集；

获得第一目标特征；

基于所述第一目标特征对所述检测数据集进行标注，获得标注数据集；

构建目标检测算法模型，所述目标检测算法模型基于yolov5；

利用所述标注数据集对所述目标检测算法模型进行训练，获得所述预设算法识别模型，所述预设算法识别模型为通过对所述标注数据集进行迭代训练收敛而获得。

3.如权利要求2所述的方法，其中，所述利用所述标注数据集对所述目标检测算法模型进行训练，获得所述预设算法识别模型，包括：

获得预设学习批尺寸；

基于所述预设学习批尺寸，通过随机梯度下降对所述标注数据集进行优化训练，获得优化结果；

对所述优化结果进行代价函数计算，获得代价函数值；

当所述代价函数值达到第一预设条件时，利用余弦函数对所述标注数据集优化训练的学习率进行降低，获得余弦学习率；

基于所述余弦学习率持续通过随机梯度下降对所述标注数据集进行优化训练，更新优化结果，直到获得的优化结果的代价函数值满足第二预设条件时为止，获得所述预设算法识别模型。

4.如权利要求3所述的方法，其中，所述获得所述预设算法识别模型之前，所述方法还包括：

获得业务处理要求；

根据所述业务处理要求，获得匹配骨干网络；

根据所述匹配骨干网络对所述预设算法识别模型进行设置，获得所述预设算法识别模型。

5.如权利要求3所述的方法，其中，所述通过随机梯度下降对所述标注数据集进行优化训练之前，所述方法还包括：

获得预设缩放规则，所述预设缩放规则包括多种缩放尺寸；

从所述标注数据集中随机抽取训练样本，并根据所述预设缩放规则对所述随机抽取训练样本进行尺寸调整，获得调整样本信息；

将所述调整样本信息存储于所述标注数据集中，对所述标注数据集进行更新。

6.如权利要求3所述的方法，其中，所述获得行人检测模型包括：

获得第二目标特征；

基于所述第二目标特征对所述检测数据集进行标注，获得行人检测数据集；

对所述行人检测数据集进行数据增强策略处理，获得行人训练图像集；

基于所述预设学习批尺寸，通过随机梯度下降对所述行人训练图像集进行优化训练，获得行人训练优化结果；

对所述行人训练优化结果进行代价函数计算；

当所述代价函数值达到所述第一预设条件时，利用所述余弦函数对所述行人训练图像集优化训练的学习率进行降低，获得行人训练余弦学习率；

基于所述行人训练余弦学习率持续通过随机梯度下降对所述行人训练图像集进行优化训练，更新行人训练优化结果，直到获得的所述行人训练优化结果的代价函数值满足所述第二预设条件时为止，获得所述行人检测模型。