融合AI技术的智能安全帽及其控制方法与流程

本发明涉及安全帽，特别涉及一种融合ai技术的智能安全帽及其控制方法。背景技术：1、作业人员在矿井工作时需要佩戴安全帽，安全帽作为井下作业必不可少的装备，随着科技技术的发展，其配备了很多功能，包括定位功能、语音交互功能、通讯功能等等。2、随着科技的迅猛发展，本司为了适应新的发展方向，即考虑将ai技术结合应用到安全帽。3、然而，受限于安全帽通常的作业环境，其很难很好地将ai技术应用在安全帽上，因为ai技术必须要安全帽具备很强的通讯能力，以与外界保持即刻的通讯，但是，在很多情况，因为受限于硬件网络的布设亦或者地下矿井的恶劣环境的问题、亦或者特殊极端情况的事故坍塌风险，ai技术很难很好地应用到安全帽。4、鉴于此，本司设计人员不断地尝试或者设计一些改进方案，以至少部分解决该技术问题。技术实现思路1、本发明的主要目的是提出一种融合ai技术的智能安全帽及其控制方法，以提供一种解决方案在一定的程度上能够解决该等技术问题。2、为实现上述目的，本发明提供一种融合ai技术的智能安全帽的控制方法，所述融合ai技术的智能安全帽包括帽体、安装于所述帽体的通讯模块、第一检测系统、和第二检测系统、执行系统、以及与所述通讯模块、第一检测系统、第二检测系统、执行系统电性连接的控制器，所述通讯模块用以与包括服务端在内的外界通讯连接，所述第一检测系统用以检测危险状态参数，所述第二检测系统用以检测改善性参数，所述融合ai技术的智能安全帽的控制方法包括以下步骤：3、步骤s10、在矿井工作时，获取所述矿井的工作状态参数，所述工作状态参数包括危险状态参数以及改善性参数；4、步骤s20、将所述危险状态参数和所述改善性参数通过通讯模块发送给服务端，以在服务端根据通过危险状态参数对危险监控模型进行训练，以得到训练后的危险监控模型，同时在服务端通过改善性参数对改善监控模型进行训练，同时根据改善监控模型对改善状态进行分析，以得到改善信息；5、步骤s30、将所述危险状态参数输入至控制器，以通过控制器中存储的危险监控模型，对其在本地进行分析，以得到第一危险信息；6、步骤s40、根据所述第一危险信息，控制所述执行系统按照与所述第一危险信息匹配的第一工作策略进行工作；7、步骤s50、在接收到所述改善信息后，根据所述改善信息，控制所述执行系统按照与所述第一危险信息匹配的第二工作策略进行工作；8、步骤s60、在接收到来自服务端发送的危险监控模型后，根据所述发送的危险监控模型与所述控制器存储的危险监控模型的区别，以确定是否对所述控制器的危险监控模型进行更新。9、在一实施例中，所述危险状态参数包括烟雾参数、振动参数以及人员疲劳参数；和/或，10、所述改善性参数包括环境的温度参数、湿度参数、以及人员操作姿势参数。11、在一实施例中，所述执行系统包括多个执行器件；12、在步骤s40中，所述第一工作策略包括对应需要工作的执行器件以及其工作参数；13、步骤s50中，所述第二工作策略包括对应需要工作的执行器件以及其工作参数。14、在一实施例中，步骤s60的步骤包括：15、步骤s61、在接收到来自服务端发送的危险监控模型后，通过所述发送的危险监控模型对最新接收到的危险状态参数进行分析，以得到第二危险信息；16、步骤s62、通过所述控制器存储的危险监控模型对最新接收到的危险状态参数进行分析，以得到第三危险信息；17、步骤s63、根据所述第二危险信息和所述第三危险信息的区别大小，以判定是否对所述控制器的危险监控模型进行更新。18、进一步地，步骤s63之后，还包括：19、步骤s64、在对所述控制器的危险监控模型进行更新之后，对更新之前的20、危险监控模型以及相关信息进行删除。21、本发明还提供一种融合ai技术的智能安全帽，包括帽体、安装于所述帽体的通讯模块、第一检测系统、和第二检测系统、执行系统、以及与所述通讯模块、第一检测系统、第二检测系统、执行系统电性连接的控制器，所述通讯模块用以与包括服务端在内的外界通讯连接，所述第一检测系统用以检测危险状态参数，所述第二检测系统用以检测改善性参数；22、所述控制器包括存储器、处理器以及存储在所述存储器的融合ai技术的智能安全帽的控制程序，所述处理器执行所述融合ai技术的智能安全帽的控制程序实现如上述任一项所述的融合ai技术的智能安全帽的控制方法的步骤。23、在一实施例中，所述第一检测系统包括烟雾传感器、振动传感器以及连续工作时长计时器；和/或，24、所述第二检测系统包括温度传感器、湿度传感器、以及摄像装置。25、在一实施例中，所述执行系统包括多个执行器件。26、进一步地，所述多个执行器件包括uwb定位装置、报警装置、语音交互装置、所述通讯模块、以及风扇。27、本发明提供一种所述融合ai技术的智能安全帽的控制方法包括以下步骤：步骤s10、在矿井工作时，获取所述矿井的工作状态参数，所述工作状态参数包括危险状态参数以及改善性参数；步骤s20、将所述危险状态参数和所述改善性参数通过通讯模块发送给服务端，以在服务端根据通过危险状态参数对危险监控模型进行训练，以得到训练后的危险监控模型，同时在服务端通过改善性参数对改善监控模型进行训练，同时根据改善监控模型对改善状态进行分析，以得到改善信息；步骤s30、将所述危险状态参数输入至控制器，以通过控制器中存储的危险监控模型，对其在本地进行分析，以得到第一危险信息；步骤s40、根据所述第一危险信息，控制所述执行系统按照与所述第一危险信息匹配的第一工作策略进行工作；步骤s50、在接收到所述改善信息后，根据所述改善信息，控制所述执行系统按照与所述第一危险信息匹配的第二工作策略进行工作；步骤s60、在接收到来自服务端发送的危险监控模型后，根据所述发送的危险监控模型与所述控制器存储的危险监控模型的区别，以确定是否对所述控制器的危险监控模型进行更新。28、发明人考虑不同的信息对于网络时延要求不同，进而，将工作参数划分为危险状态参数以及改善性参数，其中，危险状态参数是指该参数的异常会产生危险，为此，该等参数必须不能存在时延，其必须要求是及时性，而对于改善性参数其一般不会马上产生危险，而该参数的不同，只会存在舒适性不同、或者操作不规范等等，相应地，其对时延要求没有那么高。29、故而，在本技术中，对于危险状态参数和改善性参数其处理方式不一样：30、对于危险状态参数，对于危险状态参数在本地端即控制器进行ai计算分析，以能够保证对于危险信息（即第一危险信息）的即刻获得，以避免因为时延而造成处理不及时而带来的危险，且在服务端通过危险状态参数对危险状态参数进行训练，以保证危险状态参数能够不断更新，以能够更好地进行计算和分析，并且通过服务端对本地端的危险监控模型进行更新，以保证本地端的危险监控模型能够定时进行更新；31、对于改善性参数因为如前述可知，其对于时延要求没有那么高，故而，可以在服务端直接完成模型（改善监控模型）训练和分析，以将最终的分析结果即改善信息发送给本地端，以方便本地端的控制，如此，可以减轻对于本地端的消耗。32、由此可见，本发明提供的融合ai技术的智能安全帽的控制方法，可以能够结合矿井的情况，将ai技术应用到安全帽，以解决上述提出的技术问题。