中国安全科学学报

作者：常捷, 张国维, 陈文江, 袁狄平, 王永生

单位：1 中国矿业大学 深圳研究院,广东 深圳 518057；2 中国矿业大学 安全工程学院,江苏 徐州 221116；3 深圳市城市公共安全技术研究院有限公司 科信中心,广东 深圳 518000；4 中国科学院 深圳先进技术研究院,广东 深圳 518055；5 江苏鸿鹄安全科技有限公司 研发中心,江苏 徐州 221116

关键词：YOLO-V3算法,加油站,故障树,不安全行为,火灾爆炸,目标检测

基金：山东省重点研发计划(2021CXGC011303); 广东省重点领域研发计划项目(2019B111102002); 江苏省自然科学基金面上项目资助(BK20221548)

为控制加油站火灾爆炸风险目标,结合事故统计和故障树分析方法,提出一种基于YOLO-V3算法的加油站不安全行为检测模型。首先在收集90起加油站火灾爆炸事故的基础上,统计分析加油站火灾爆炸事故的点火源;其次构建加油站火灾爆炸故障树,计算各基本事件的结构重要度,并确定加油站危险性较高的不安全行为;然后采用现场采集和模拟的方法收集加油站不安全行为图像数据,利用数据增强方法构建加油站不安全行为图像数据集;最后基于深度学习的方法构建加油站不安全行为检测模型,经过1000次训练迭代后得到最终模型。研究结果表明:引起加油站火灾爆炸事故的不安全行为主要有抽烟、打电话等;训练得到的检测模型在测试集上对抽烟、打电话和正常行为检测类别的平均检测精度分别为67%、85%和77%,模型的平均检测精度均值为84%。

来源：2023年第2期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2023年第2期