本发明涉及企业安全隐患，尤其涉及一种企业安全隐患排查方法和系统。
背景技术：
1、企业的生产过程变得越来越复杂，生产设备和工艺流程的自动化程度不断提高。然而，随着自动化水平的提升，企业内部的安全隐患也变得越来越隐蔽和难以监测。传统的企业安全隐患排查方法主要依赖于定期检查和员工的人工监测，这种方法存在诸多局限性。
2、传统的安全隐患排查方法通常包括以下步骤：首先，企业会在一些关键节点布置监控设备或安排专职人员进行定期检查；其次，企业根据历史经验和标准操作规程设立一些预设的隐患排查点；最后，当监控设备或检查人员发现异常时，企业会根据预设的应急预案进行处理。这种方法的缺点在于，预设的隐患排查点和排查频次有限，无法实时、全面地覆盖企业内部的所有活动和设备状态，导致许多潜在的安全隐患无法及时发现和处理。
3、因此，如何提供一种企业安全隐患排查方法和系统是本领域技术人员亟需解决的问题。
技术实现思路
1、本发明的一个目的在于提出一种企业安全隐患排查方法和系统，本发明利用动态风险评估技术，结合实时动作和设备状态，灵活评估潜在风险并及时进行预警，提高了安全隐患排查的精准性和及时性。
2、根据本发明实施例的一种企业安全隐患排查方法和系统，包括以下步骤：
3、s1、在各岗位区域安装传感器，通过传感器网络采集生产设备的实时图像，将实时图像与标准图像对比，生成差异图像，通过差异图像识别出设备的安全隐患；
4、s2、根据企业的生产工序，确定各岗位间的固定关联性，计算隐患矩阵和环境参数矩阵，结合这些信息确认各岗位的隐患程度；
5、s3、当确定某岗位存在安全隐患时，记录员工在各岗位区域的停留时间，计算岗位之间的实时关联性，并结合固定关联性矩阵，得到实际关联性矩阵，以确认安全隐患岗位，生成安全隐患岗位集合；
6、s4、获取安全隐患岗位集合内的员工在岗状态和熟练程度，分析员工的历史位置数据和人体关键点的光流时序信息，分别生成在岗状态矩阵和熟练程度矩阵；
7、s5、结合隐患程度、在岗状态和熟练程度，建立企业安全隐患追踪模型，预测隐患根源，并确认员工是否需要加强管理或离岗培训；
8、s6、当员工的在岗状态超过设定阈值或熟练程度低于设定阈值时，系统生成相应的管理建议或培训建议，并将高风险行为及评估结果传递给管理人员，通过专用界面展示，辅助其决策。
9、可选的，所述s1包括：
10、s11、在每个岗位区域布置多个传感器，所述传感器用于采集生产设备的实时图像，所述传感器包括摄像头、温度传感器和压力传感器；
11、s12、通过传感器网络将采集到的实时图像数据传输到中央处理系统；
12、s13、在中央处理系统中，调用预设的标准图像库，所述标准图像库包含每一个生产设备的标准工作状态图像；
13、s14、将实时图像与对应的标准工作状态图像进行对比，生成差异图像：
14、
15、其中，d(x,y,t)表示在图像位置(x,y)和时间t处的差异值，ir(x，y，t)表示实时图像在位置(x,y)和时间t处的像素值，is(x，y)表示标准图像在位置(x,y)处的像素值，表示实时图像在时间t处的像素变化率；
16、s15、对差异图像进行图像分割、特征提取和隐患标注，识别出生产设备的安全隐患：
17、图像分割：对差异图像进行区域分割，提取出可能存在安全隐患的区域，图像分割使用基于梯度的能量函数eseg最小化方法：
18、
19、其中，ω示图像域，α和β是权重参数，μ是差异图像的平均值，表示差异图像的梯度；
20、特征提取：使用主成分分析从提取的区域中提取形状特征、颜色特征和纹理特征：
21、z＝xw；
22、其中，x表示提取的特征矩阵，w表示特征向量矩阵，z表示主成分特征矩阵；
23、隐患标注：使用基于欧几里得距离的最近邻算法将提取的特征参数与预设的隐患特征库进行匹配，识别并标注出生产设备的安全隐患：
24、
25、其中，d(z，zi)表示特征向量z与隐患特征库中第i个特征向量zi之间的欧几里得距离，zk和zi，k分别表示特征向量z和zi的第k个特征值。
26、可选的，所述s2包括：
27、s21、基于企业的生产工序，确定每个岗位与相邻岗位之间的固定关联性，相邻岗位之间的固定关联性为1，不相邻岗位之间的固定关联性为0；
28、s22、通过以下公式计算每个岗位的固定关联性矩阵r：
29、
30、其中，rij表示岗位i与岗位j之间的固定关联性；
31、s23、采集并记录每个岗位的安全隐患数据，生成隐患矩阵h：
32、
33、其中，hi表示岗位i的隐患总数，d(zi，zik)表示岗位i在第k个时间段内的隐患程度，zi和zik分别表示特征向量，n表示时间段的总数；
34、s24、获取每个岗位的生产环境参数，生成环境参数矩阵p，所述环境参数包括温度、湿度和噪声水平；
35、s25、结合固定关联性矩阵r、隐患矩阵h和环境参数矩阵p，计算每个岗位的隐患程度e：
36、
37、其中，ei表示岗位i的隐患程度，α、β和γ为权重参数，m为岗位总数，pi表示岗位i的环境参数值；
38、s26、根据隐患程度ei确认每个岗位的隐患等级，隐患等级分为高、中、低三个等级，并标注在系统中。
39、可选的，所述s3包括：
40、s31、当所述岗位的隐患程度ei确认存在安全隐患时，记录每个员工在各岗位区域的停留时间，生成停留时间矩阵t：
41、
42、其中，tij表示员工i在岗位j的平均停留时间，tijk表示员工i在时间段k内在岗位j的停留时间，n表示时间段的总数，t表示时间权重参数，用于调节停留时间对结果的影响，τ表示时间阈值，用于确定对较长停留时间的敏感度；
43、s32、根据停留时间矩阵t，计算岗位之间的实时关联性矩阵a：
44、
45、其中，aij表示岗位i与岗位j之间的实时关联性，m为岗位总数，表示岗位i和j之间的间接关联性，表示员工i在所有岗位的总停留时间；
46、s33、结合实时关联性矩阵a和固定关联性矩阵r，计算岗位的实际关联性矩阵c：
47、
48、其中，cij表示岗位i与岗位j之间的实际关联性，rij表示岗位i与岗位j之间的固定关联性，α和δ为权重参数，用于调节实时关联性和固定关联性的影响，β和γ为调节参数，用于控制实际关联性的非线性转化；
49、s34、根据实际关联性矩阵c，确认安全隐患岗位，生成安全隐患岗位集合s：
50、
51、其中，s表示安全隐患岗位集合，ei表示岗位i的隐患程度，θ表示预设的隐患程度阈值，κ表示实际关联性的综合隐患阈值。
52、可选的，所述s4包括：
53、s41、获取所述安全隐患岗位集合s内每一个安全隐患岗位对应的员工的在岗状态，通过分析换班时间间隔内员工的历史位置数据，生成在岗状态矩阵l：
54、
55、其中，lij表示员工i在岗位j的平均在岗时间，lijk表示员工i在时间段k内在岗位j的在岗状态，n表示时间段的总数；
56、s42、利用人体关键点检测算法，获取员工的关键点坐标序列，通过光流法分析员工的运动轨迹，生成光流时序矩阵f：
57、
58、其中，fij(t)表示员工i在岗位j的第t个时间段内的运动强度，uij(t)和vij(t)分别表示在时间t处的水平和垂直方向的光流分量；
59、s43、通过分析员工的人体关键点的光流时序信息，计算员工的熟练程度矩阵m：
60、
61、其中，mij(t)表示员工i在岗位j的熟练程度，λ为时间权重参数，τ为光流阈值；
62、s44、结合在岗状态矩阵l和熟练程度矩阵m，评估每个员工的在岗表现，生成员工表现矩阵p：
63、pij＝αlij+βmij；
64、其中，pij表示员工i在岗位j的表现，α和β为权重参数。
65、可选的，所述s5包括结合隐患程度ei、在岗状态矩阵l和熟练程度矩阵m，建立企业安全隐患追踪模型，预测隐患根源，通过以下公式计算隐患根源概率矩阵g：
66、
67、其中，gij表示岗位i上员工j作为隐患根源的概率，ei表示岗位i的隐患程度，lij表示员工j在岗位i的在岗状态，mij表示员工j在岗位i的熟练程度。
68、可选的，所述s6包括：
69、s61、根据隐患根源概率矩阵g，确认需要加强管理的员工，当gij大于预设管理阈值θ时，标记该员工需要加强管理：
70、
71、其中，managementij表示员工j在岗位i是否需要加强管理，θ为预设的管理阈值；
72、s62、根据隐患根源概率矩阵g，确认需要离岗培训的员工，当mij小于预设熟练度阈值τ时，标记该员工需要离岗培训：
73、
74、其中，trainingij表示员工j在岗位i是否需要离岗培训，τ为预设的熟练度阈值；
75、s63、将预测的隐患根源结果记录在系统中，并生成管理和培训建议，辅助管理人员进行决策。
76、一种企业安全隐患排查系统，其特征在于，包括如下模块：
77、传感器网络模块，用于在每个岗位区域布置多个传感器；
78、中央处理系统，用于接收并处理传感器网络采集到的实时数据，包括以下模块：
79、数据采集模块，用于实时接收传感器网络传输的图像数据和环境参数数据；
80、图像处理模块，用于将实时图像与标准图像进行对比，生成差异图像，并进行图像分割、特征提取和隐患标注；
81、风险评估模块，用于计算每个岗位的隐患程度，并生成隐患矩阵h和环境参数矩阵p；
82、关联性计算模块，用于计算固定关联性矩阵r、实时关联性矩阵a和实际关联性矩阵c；
83、员工状态分析模块，用于分析员工的在岗状态矩阵l和熟练程度矩阵m，生成员工表现矩阵p；
84、预测和决策模块，用于结合隐患程度、在岗状态和熟练程度，建立企业安全隐患追踪模型，预测隐患根源，生成隐患根源概率矩阵g，并确认需要加强管理和离岗培训的员工；
85、管理和预警模块，用于根据预测的隐患根源结果，生成管理和培训建议，并将高风险行为及其评估结果传递给管理人员，通过专用界面展示，辅助管理人员进行决策；
86、数据库模块，用于存储传感器采集的实时数据、标准图像库、隐患特征库、隐患矩阵h、环境参数矩阵p、关联性矩阵r、实时关联性矩阵a、实际关联性矩阵c、员工状态矩阵l、熟练程度矩阵m、员工表现矩阵p和隐患根源概率矩阵g；
87、通信模块，用于传输传感器网络的数据至中央处理系统，并将中央处理系统的处理结果和预警信息传输至管理和预警模块。
88、本发明的有益效果是：
89、(1)本发明能够实时获取并分析目标对象的动作，提高了行为识别的准确性。相较于传统的依赖预设隐患排查点的方法，实现了全面、实时的监控，确保企业内部所有活动和设备状态都能被及时、精准地监测到，从而极大提高了隐患排查的全面性和及时性。
90、(2)本发明结合实时动作数据和设备状态数据，利用动态风险评估模型，能够灵活评估潜在风险，并根据评估结果实时调整预警策略。这种动态调整的能力使得系统能够适应设备和操作环境的变化，在非预设隐患排查点也能有效进行安全预警，保障了维护人员和设备的安全，克服了传统方法在设备维护过程中的不足。
91、(3)本发明允许管理人员根据实际操作情况将新的危险动作加入到严禁动作库和危险动作对比库中，动态扩充和优化动作库。结合虚拟仿真技术，系统能够模拟各种维护状态下的动作轨迹，动态更新和扩展危险动作对比库，增强了系统的自适应能力和覆盖面，提高了对新出现安全隐患的识别能力，解决了现有系统无法适应新危险行为的不足。
92、(4)本发明引入了多层次的预警机制，包括动作识别预警、行为规范对比预警和动态风险评估预警。通过对目标对象实时动作的识别与分析，结合规范性动作库和动态风险评估模型，系统能够多层次、全方位地进行安全隐患排查和预警。这样的预警机制使得系统更加智能化和高效化，能够及时发现和预警潜在的安全隐患。
1.一种企业安全隐患排查方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种企业安全隐患排查方法，其特征在于，所述s1包括：
3.根据权利要求2所述的一种企业安全隐患排查方法，其特征在于，所述s2包括：
4.根据权利要求3所述的一种企业安全隐患排查方法，其特征在于，所述s3包括：
5.根据权利要求4所述的一种企业安全隐患排查方法，其特征在于，所述s4包括：
6.根据权利要求5所述的一种企业安全隐患排查方法，其特征在于，所述s5包括结合隐患程度ei、在岗状态矩阵l和熟练程度矩阵m，建立企业安全隐患追踪模型，预测隐患根源，通过以下公式计算隐患根源概率矩阵g：
7.根据权利要求6所述的一种企业安全隐患排查方法，其特征在于，所述s6包括：
8.一种企业安全隐患排查系统，其特征在于，包括如下模块：
