《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 通信與網(wǎng)絡(luò) > 設(shè)計(jì)應(yīng)用 > 基于C3D的化學(xué)實(shí)驗(yàn)室人員不安全行為模式識(shí)別
基于C3D的化學(xué)實(shí)驗(yàn)室人員不安全行為模式識(shí)別
信息技術(shù)與網(wǎng)絡(luò)安全 3期
劉凱源
(中國(guó)人民公安大學(xué) 信息網(wǎng)絡(luò)安全學(xué)院,北京100038)
摘要: 針對(duì)因人的不安全行為導(dǎo)致化學(xué)實(shí)驗(yàn)室安全事故的預(yù)防問(wèn)題,提出了基于三維卷積網(wǎng)絡(luò)(Convolutional 3D,C3D)的化學(xué)實(shí)驗(yàn)室人員不安全行為模式識(shí)別方法。定義了5種典型的人員不安全行為模式,以某高?;瘜W(xué)實(shí)驗(yàn)室作為研究區(qū)域,構(gòu)建了人員不安全行為模式數(shù)據(jù)集,建立了基于C3D的人員不安全行為模式識(shí)別模型,并對(duì)模型在不同應(yīng)用場(chǎng)景下的性能進(jìn)行了評(píng)估。結(jié)果表明:在特定人員于特定實(shí)驗(yàn)場(chǎng)景中出現(xiàn)上述5種不安全行為時(shí),該模型在測(cè)試集上得到的F1指數(shù)平均值均能達(dá)到97%以上;在非特定人員與非特定場(chǎng)景中出現(xiàn)不安全行為時(shí),模型能夠有效識(shí)別部分不安全行為。該研究成果預(yù)期可以為化學(xué)實(shí)驗(yàn)室人員不安全行為的預(yù)測(cè)、預(yù)警、預(yù)防提供技術(shù)支持。
中圖分類(lèi)號(hào): TP391.4;TP181
文獻(xiàn)標(biāo)識(shí)碼: A
DOI: 10.19358/j.issn.2096-5133.2022.03.012
引用格式: 劉凱源. 基于C3D的化學(xué)實(shí)驗(yàn)室人員不安全行為模式識(shí)別[J].信息技術(shù)與網(wǎng)絡(luò)安全,2022,41(3):71-77.
Patterns recognition of unsafe behavior in chemical laboratory based on C3D
Liu Kaiyuan
(School of Information Technology and Cyber Security,People′s Public Security University of China,Beijing 100038,China)
Abstract: In order to prevent chemical laboratory safety accidents caused by unsafe behavior,a patterns recognition method of unsafe behavior in chemical laboratory based on 3D convolutional network(C3D) is proposed. Firstly, five typical unsafe behavior patterns are defined. Then a university chemical laboratory is used as the study area to construct a dataset containing simulated unsafe behavior records. The patterns recognition model of unsafe behavior in chemical laboratory based on C3D is finally established, and the model performances in different scenarios are validated. The results show that under the circumstance that observed unsafe behaviors are from a specific person in a specific experimental scenario, the average F1-score on test set exceeds 97%. As well as, for non-specific persons and scenarios, the model can effectively identify some unsafe behaviors. The results of this research are expected to provide technical support for prediction, early warning and prevention of unsafe behaviors in chemical laboratory.
Key words : unsafe behavior;chemical laboratory;pattern recognition;3D convolutional network

0 引言

高校化學(xué)實(shí)驗(yàn)室中,化學(xué)藥品通常種類(lèi)繁多,部分實(shí)驗(yàn)操作復(fù)雜且須在特定環(huán)境下進(jìn)行。實(shí)驗(yàn)操作人員故意或因失誤導(dǎo)致的不安全行為,極易引發(fā)實(shí)驗(yàn)室安全事故,造成人員傷亡和財(cái)產(chǎn)損失[1-2]。

不安全行為是指可能導(dǎo)致安全事故的行為,往往成為事故的直接原因[3]。根據(jù)“海因里希安全法則(Heinrich’s Law)”,化學(xué)實(shí)驗(yàn)室中可能引起事故的原因主要為人的不安全行為與物的不安全狀態(tài)[4]。葉元興等[5]對(duì)我國(guó)1986~2019年發(fā)生的150起實(shí)驗(yàn)室安全事故的發(fā)生原因進(jìn)行了統(tǒng)計(jì)分析,結(jié)果表明,操作不慎、違規(guī)操作這兩類(lèi)不安全行為是引發(fā)事故最多的兩個(gè)主要原因,分別為34起和32起(分別占事故總數(shù)的22.67%和21.33%)。為應(yīng)對(duì)上述問(wèn)題,國(guó)內(nèi)很多高校增加監(jiān)管人員、加強(qiáng)人員培訓(xùn)、增設(shè)監(jiān)控終端設(shè)備[6-7]。然而,由于人力成本高昂,大多數(shù)監(jiān)控設(shè)備的預(yù)測(cè)預(yù)警能力較弱,高?;瘜W(xué)實(shí)驗(yàn)室對(duì)低成本、智能化的管理手段仍具有顯著需求。運(yùn)用技術(shù)手段自動(dòng)識(shí)別人員的不安全行為模式或?qū)⒊蔀橛行Ы鉀Q以上問(wèn)題的突破口。




本文詳細(xì)內(nèi)容請(qǐng)下載:http://ihrv.cn/resource/share/2000004029






作者信息:

劉凱源

(中國(guó)人民公安大學(xué) 信息網(wǎng)絡(luò)安全學(xué)院,北京100038)



微信圖片_20210517164139.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。