一種基于云邊端協同的智能安全帽設計與實現

王 寧 魯法明＊ 包云霞

（山東科技大學，山東 青島 266590）

0 引言

安全帽是一種保護人體頭部不受墜落物或其他因素傷害的勞保用具，選擇合格、適宜的安全帽是施工安全的重要保障。 傳統安全帽僅能通過殼體設計優化頭部防護，作用單一，智能安全帽由傳統安全帽和智能硬件模塊組成，具有數據采集、行為檢測、無線通信、后臺管理、智能預警等功能，根據施工安全需求科學設計功能模塊。

本文設計了一款基于“云—邊—端”協同的智能安全帽，融合物聯網、移動互聯網、邊緣計算、云計算和AI 技術， 在傳統安全帽上嵌入邊緣計算設備和信息采集終端，完成施工環境信息、人員信息和視頻的實施感知、采集與智能分析，人員生命體征和室內外定位、人員通訊、低亮度環境下人員違規行為和異常情況的視頻圖像檢測等功能，還可以應用于礦業生產作業井下瓦斯氣體和粉塵濃度檢測。 云邊端協同架構使井上井下即使通訊中斷仍能保證井下人員基于邊緣計算設備進行局部環境信息的感知預警和搭建通信子網，同時，邊緣側的處理能有效降低云端服務器的載荷，降低云端服務器建設成本。

1 基于云邊端協同的智能安全帽工作原理

本文提到的智能安全帽整體采用 “云—邊—端”三級架構，如圖1 所示。

圖1 “云—邊—端”協同的技術架構

云指服務器端，包括視頻服務器、數據庫數據庫，可以對采集到的視頻數據和傳感器數據進行異常檢測，用于跌倒檢測、未佩戴安全帽檢測的視頻異常智能分析軟件、點對點通信的語音通信軟件；嵌入到安全帽中，可以進行視頻采集與傳輸、語音通信，并進行跌倒報警、脫帽報警；端部署在煤礦井下環境中，可以采集環境信息，協助室內定位。

管理員可通過PC 終端實時查看作業現場數據，包括佩戴者體溫、 心率等信息， 當前環境的光照、濕度、氣體信息，人員的室內外位置以及安全帽佩戴和工作服穿著情況，根據大數據的預測預警及時與井下工作人員進行語音通信、指揮人員作出處置。

本文提到的智能安全帽集成了各類功能模塊，根據需要將各模塊分別部署在安全帽殼體與施工環境中，實現了如圖2 所示的不同功能。

圖2 云邊端協同的智能安全帽功能模塊

1.1 定位模塊

室外定位模塊：支持GPS、北斗定位，水平定位精度優于2.5 m， 按照用戶預設的時間間隔向管理平臺發送位置信息，用于實時獲取人員運動軌跡。

室內定位模塊：智能安全帽采用RSSI 三角定位原理， 在環境中部署一個Zigbee 協調器作為已知坐標、兩個Zigbee 路由器作為參考坐標，計算在智能安全帽中安裝Zigbee 終端節點的坐標。定位采用不跨路由組播，Zigbee 終端節點接收來自路由器的數據， 再將數據以數據幀的形式傳遞給協調器， 協調器根據RSSI與距離的換算關系，可以獲得終端節點的坐標。

1.2 點對點語音通話模塊

采用語音識別技術和UDP 協議下的套接字技術，語音通話模塊工作時，由麥克風采集語音信息，通過語音識別模塊獲取語音中的聯系人姓名及動作詞匯，將識別結果上傳數據庫服務器，在數據庫的員工表中搜索該聯系人，若聯系人存在，則查詢聯系人Ip地址實現點對點雙向語音通話功能，否則調用智能語音模塊播報聯系人不存在的語音提示。

“云—邊—端”協同架構使井上井下作業時，即使通訊中斷仍能保證井下工作人員基于邊緣計算設備進行局部環境信息的感知預警和搭建通信子網

1.3 跌倒、脫帽檢測模塊

MPU6050 可讀取人體加速度和角度的變化，分析人體中心點的加速度和角度特征，從而檢測是否發生跌倒事件，排除誤檢和漏檢，提高準確率；通過實施監控人體體征數據，當數據偏離人體合理范圍，或者檢測不到數據，則認為帽子已經被脫下。

1.4 傳感器采集模塊

智能安全帽上微處理器和傳感器搭載紅外測溫模塊、心率檢測模塊、光照傳感器、環境溫濕度檢測、環境氣體檢測模塊，能夠實現對人體信息和部分環境信息的采集。 所用Zigbee 采集器采用CC2530 芯片。

1.5 圖像采集模塊

圖像采集模塊工作時， 由攝像頭獲取視頻信息，通過樹莓派模塊進行初次檢測，并將存在行人的圖像上傳至視頻服務器， 通過視頻服務器進行深度檢測，將安全帽佩戴情況上傳至數據庫服務器并對違規情況做出智能警報。

2 智能安全帽硬件設計

智能安全帽由云端服務器、智能安全帽、環境信息處理端三部分組成，如圖3 所示。 智能安全帽上集成了Zigbee 接收節點、樹莓派、微處理器、傳感器、麥克風、GPS 定位模塊、高清攝像頭等硬件模塊。 環境信息處理模塊則包括Zigbee 采集模塊、Zigbee 路由器、Zigbee 協調器等模塊。 云端服務器由數據庫服務器、視頻服務器組成。 智能安全帽與環境信息處理端間可通過WiFi 和Zigbee 自組網通信，使用無線網絡，解決了施工環境不易布線的問題，方便通信與作業。 智能安全帽端利用WiFi 與云端服務器通信。

圖3 智能安全帽硬件部署

3 智能安全帽軟件設計與架構

智能安全帽的樹莓派和視頻服務器內置未佩戴安全帽檢測的視頻異常智能分析軟件，工作時由攝像頭采集施工現場視頻信息， 使用小型RFBnet 網絡識別視頻圖像中是否存在行人，并將存在行人的圖像上傳至云端視頻服務器，再通過YOLOv5 目標檢測算法進行深度檢測， 識別圖像中人員安全帽佩戴情況，將結果上傳數據庫服務器并作出語音警報。

樹莓派和云端服務器內置點對點通信的語音通信軟件，工作時由麥克風采集音頻信息，由樹莓派內語音識別模塊識別語音中聯系人姓名及其他關鍵因素，將識別結果上傳至數據庫服務器，采用UDP 協議下的套接字技術查詢結果對應的Ip 地址，實現與指定用戶的雙向語音通話功能。

云端服務器上部署后臺服務器軟件，軟件用于實現數據傳輸存儲、 智能預警分析、Web 前端數據展示等功能。 其中系統界面軟件負責實時展示作業現場數據，包括安全帽佩戴檢測，在Web 端可以查看近期違規圖像情況，對任意時間段進行查詢并使用輪播圖進行動態展示； 對數據庫服務器中數據的可視化呈現；環境信息服務器端可視化呈現與預警預測，服務器分析來自樹莓派的信息，并對其未來可能的變化做出預測與提示，并在系統界面上做出可視化呈現。

4 工作對比與展望

本文采用“云—邊—端”協同的智能安全帽設計方法， 在安全帽上嵌入邊緣計算設備和信息采集終端，進行環境人員信息的實施感知、采集與智能分析，在云邊端協同、局部通信子網構建、低光照強度下人員跌倒等異常行為的識別等方面具有一定優勢；能保證在極端情況下安全帽仍然能為使用者提供決策支持和端到端的通信服務；邊緣側的加入有效解決了云服務器載荷過重、智能安全帽傳感器集成過于笨重等智能安全帽市場現有痛點，架起了現場施工人員與后臺管理人員溝通的橋梁，提高了施工安全生產裝備的智慧化水平，推動智慧工地建設邁上新的臺階。