[职场] 高温津贴和防暑降温费是一样的吗? #职场发展#知识分享

高温津贴和防暑降温费是一样的吗?

进入八月三伏天,已到了中伏后半段高温日常。出门一分钟,流汗两小时,户外工作的劳动者,尤其在辛苦高温环境下,如何有效保护劳动者?专“暑"权益快收好!

一、高温津贴、防暑降温费傻傻分不清?

对于高温天气作业很多人会想到高温津贴和防暑降温费,但二者是有区别的。

第一,针对人群不同

高温津贴针对室内外高温作业一线职工;防暑降温费针对高温期工作的所有职工。

第二,支付方式不同

高温津贴仅可现金支付;防暑降温费可现金支付或发放物品。

第三,归属类型不同

高温津贴属于职工工资组成部分;防暑降温费属于福利不计入工资总额√

二、不同省份发放的高温津贴—样吗?

我国南北气候差异大,不同省份发放高温津贴的标准和时间都不一样。据不完全统计,目前全国已经有28个省份明确了本地区的高温津贴发放标准。从2021年6月1日起广东省高温津贴标准由原来的每人每月150元调整至每人每月300元。

在广东省,有以下两种情形之一的用人单位应当向劳动者发放高温津贴。

1、从事露天岗位作业;

2、用人单位不能采取有效措施将工作场所温度降低到33℃以下的。

三、高温天气作业,劳动者权益如何保障?

除了高温津贴之外,《广东省高温天气劳动保护办法》还对劳动者在高温天气期间工作的做出了很多详细规定,一起来看!

01合理布局生产现场

用人单位应根据国家有关规定合理布局生产现场,改进生产工艺和操作流程,采用良好的隔热、通风、降温措施保证生产现场符合国家标准。

02合理安排作业时间

日最高气温达到39℃以上,当日应当停止户外露天工作;

日最高气温达到37℃以上至39℃以下(不含39℃),全天户外露天工作时间不得超

过6小时,12时至16时应当暂停户外露天工作;

日最高气温达到35℃以上至37°℃以下(不含37℃),用人单位应当采取换班轮休等

方式,缩短连续作业时间,并且不得安排户外露天作业劳动者加班;

用人单位不得安排怀孕的女职工和未成年工在35℃以上的高温天气露天工作及温度在33°℃以上的作业场所工作;

用人单位不得因高温天气停止工作、缩短工作时间而扣除或者降低劳动者工资。

03发放防暑物资

每年6月至10月的高温天气期间,用人单位应当向从事露天工作和室内高温工作的劳动者免费提供符合食品安全标准的清凉饮料;

用人单位应当在高温天气期间配备常用防暑药品。劳动者出现中暑时,应当立即采取救助措施;病情严重的,应当立即送医院治疗;

用人单位应当向劳动者提供高温天气必需的劳动防护设施和用品,并加强对劳动防护设施和用品的维护和管理;

用人单位应当在高温工作环境下设立休息场所,并设有座椅,保持通风良好或者配备空调等防暑降温设施;

用人单位对患有不适合在高温天气露天工作或者室内高温工作疾病的劳动者,应当在高温天气期间调整其工作地点或者工作岗位。

文章来源:51社保网公众号

  • 5
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值