共查询到10条相似文献,搜索用时 15 毫秒
1.
阐述了井下作业人员不安全行为的影响因素,以钱营孜煤矿3212工作面所有工作人员作为研究对象,对井下作业人员不安全行为进行综合评价和分析,得出煤炭企业应该做到:培养员工的主人翁精神;加强安全培训,建设安全文化;提高煤矿的机械化水平,给员工创造一个安全、舒适的作业场所。 相似文献
2.
3.
煤矿井下员工的不安全行为是导致事故发生的主要原因,传统的矿工不安全行为防控主要依靠人来管控,智能化水平较低,难以实时自动发现并智能决策预警。文章将计算机视觉、深度学习相关技术结合,应用于煤矿井下员工不安全行为识别。基于YOLOv5目标检测算法、OpenPose人体姿态估计算法对视频数据中物的状态及人的行为进行分析,并提出一种行为判定方式,来识别矿工的不安全行为。将煤矿井下物的不安全状态及人的不安全行为进行结合,提出一种实时分析物的不安全状态和人的不安全行为的方法,有助于实现煤矿井下广泛场景中矿工不安全行为的自动识别,可用于应用层服务系统,实现预警等功能,为矿工不安全行为智能识别和预警提供新的思路和方法。 相似文献
4.
通过对煤矿企业井下员工不安全行为的调查分析,针对其不安全行为中冒险性行为进行深入调查,提出煤矿企业在安全生产过程中控制冒险性行为的管理对策. 相似文献
5.
我国煤矿员工不安全行为研究现状及发展方向 总被引:1,自引:0,他引:1
对目前关于我国煤矿员工不安全行为研究结果进行探讨分析,在此基础上提出未来的研究方向,应从组织视角和基层员工视角两个方面进行,应使用更为科学合理的实证研究方法,并重视提高煤矿基层员工组织承诺水平和组织支持感,重视井下班组人员的合理组合及人岗匹配. 相似文献
6.
井下作业人员的不安全行为是矿山事故发生的主要原因之一,现有的井下监控方式仍然以人工监控为主,无法快速识别作业人员的不安全行为,导致难以实时预警。设计了一种基于深度学习的井下人员不安全行为识别与预警系统开发方案,首先制作以井下环境为背景的数据集,然后采用YOLOv4网络模型对矿工及安全帽等进行识别以判断安全帽佩戴情况,再采用Open Pose算法及ST-GCN模型对监控视频中的矿工行为进行识别,最后通过系统对不安全行为进行自动预警。结合多种深度学习和计算机开发技术开发了一种井下人员不安全行为识别与预警系统,为井下人员的安全管理提供了新的思路,对于智慧矿山建设具有参考意义。 相似文献
7.
8.
瓦斯爆炸事故是煤矿各类事故中造成损失最严重的事故类型。为探究此类事故相关不安全动作发生的规律以及规范煤矿井下相关工种操作过程中的行为,对2005—2022年的116起煤矿重特大瓦斯爆炸事故进行了统计及分析;探讨了煤矿瓦斯爆炸事故中不同维度下的不安全动作分布特征,讨论了其出现的原因,并提出了针对性措施。结果表明:从工种作业类型和事故地点耦合的方面分析,爆破作业人员和瓦检作业人员分别在掘进工作面和采煤工作面不安全动作次数最多;从工种与法律法规的耦合方面分析,爆破作业人员是违反法规频数最多的作业人员,违反最多的法规为《煤矿安全规程》。 相似文献
9.