文章详情

摘要

随着我国经济的快速发展，工业园区中使用的技术不断升级，园区规模不断扩大，以往使用人工对园区进行安全管理的方式逐渐变得乏力，并且需要耗费大量的人力、物力以及时间，难以适应现代化园区的管理需求。当前工业园区缺乏有效地对人、车、物的管理手段，主要安全隐患包括：陌生人员出入、车辆随意出入、火灾的发生。针对以上问题，文章采用基于人工智能的方式实现工业园区内的人员行为培训和检测、烟雾和明火检测、基于人脸的身份认证、车辆出入管理和数据集中管理等功能。文章使用PyTorch作为人工智能计算框架，使用YOLOv7算法实现智能检测，使用K3s容器编排技术实现服务的部署。系统经过模拟测试，能够满足不同规模的工业园区的安全管理需求。

关键词

工业园区；安全管理；人工智能；YOLOv5；K3s

参考文献

1. [1] 邱锡鹏.神经网络与深度学习 [M].北京：机械工业出版社，2020.
2. [2] 李少君.基于YOLOv5的实时检测算法研究 [D].武汉：武汉邮电科学研究院，2022.
3. [3] 袁梅宇.PyTorch编程技术与深度学习 [M].北京：清华大学出版社，2022.
4. [4] 张立旗.基于深度学习的行人检测与跟踪方法研究 [D].西安：西安工业大学，2022.
5. [5] LUKŠA M.Kubernetes in Action 中文版 [M].七牛容器云团队，译.北京：电子工业出版社，2019.
6. [6] 岳永祥.工业园区统计信息管理系统的设计与实现 [D].北京：北京工业大学，2016.
7. [7] 郑人杰，马素霞，殷人昆.软件工程概论 [M].北京：机械工业出版社，2010.
8. [8] 周志明.深入理解Java虚拟机：第3版 [M].北京：机械工业出版社，2019.
9. [9] PAN D. From Artificial Intelligence to Traffic Analysis: Automatic Video Detection and Tracking of Cyclists, Pedestrians, Mopeds and Vehicles [D].Washington：The George Washington University，2021.

基金项目

江西省教育厅科技项目(GJJ210817)

作者简介

柴政（1982—），男，汉族，浙江上虞人，讲师，硕士研究生，研究方向：数字信号处理。