加油站ai视觉识别系统 CNN

加油站ai视觉识别系统采用视频智能分析技术，加油站ai视觉识别系统对加油站监控画面中人员打电话抽烟等违规行为，还有现场出现明火烟雾等危险状态，及时抓拍预警并同步推给后台人员提醒值班人员及时处理。除此之外，加油站ai视觉识别系统还可以对卸油作业时灭火器未正确摆放、人员离岗不在现场、卸油过程静电释放时间不足等不规范情形进行智能识别记录报警。因为加油站摄像头数量比较多，更换智能摄像头成本太高。加油站ai视觉识别系统可以通过不更换原有摄像头前提下，同时增加AI视频智能分析预警功能，增效降本。

在CNN出现之前，对于图像的处理一直都是一个很大的问题，一方面因为图像处理的数据量太大，比如一张512 x 512的灰度图，它的输入参数就已经达到了252144个，更别说1024x1024x3之类的彩色图，这也导致了它的处理成本十分昂贵且效率极低。另一方面，图像在数字化的过程中很难保证原有的特征，这也导致了图像处理的准确率不高。

而CNN网络能够很好的解决以上两个问题。对于第一个问题，CNN网络它能够很好的将复杂的问题简单化，将大量的参数降维成少量的参数再做处理。也就是说，在大部分的场景下，我们使用降维不会影响结果。比如在日常生活中，我们用一张1024x1024x3表示鸟的彩色图和一张100x100x3表示鸟的彩色图，我们基本上都能够用肉眼辨别出这是一只鸟而不是一只狗。这也是卷积神经网络在图像分类里的一个重要应用。

随着经济发展和人们生活水平的快速进步，大家的生活中私家车越来越普遍，所以大家也越来越重视加油站加油过程的规范作业行为。油品属于高危产品，碰撞引起的明火。所以，加油站经营环境存在一定的风险，比如现场有顾客违规吸烟或者人员违规打电话手机无线电波都可能造成很大损失引起爆炸以及火灾。更有危险的情况多次造成人员伤亡。而传统安防监控系统无法做到自动化全天候风险监控预警。

import torch
from torch import nn
from d2l import torch as d2l


class Reshape(torch.nn.Module):
    def forward(self, x):
        # 通过view函数把图像展成标准的Tensor接收格式，即(样本数量，通道数，高，宽)
        return x.view(-1, 1, 28, 28)

net = torch.nn.Sequential(
    Reshape(),
    # 第一个卷积块，这里用到了padding=2
    nn.Conv2d(1, 6, kernel_size=5, padding=2), 
    nn.Sigmoid(),
    nn.AvgPool2d(kernel_size=2, stride=2),
    
    # 第二个卷积块
    nn.Conv2d(6, 16, kernel_size=5), 
    nn.Sigmoid(),
    nn.AvgPool2d(kernel_size=2, stride=2),
    
    # 稠密块（三个全连接层）
    nn.Flatten(),
    nn.Linear(16 * 5 * 5, 120), nn.Sigmoid(),
    nn.Linear(120, 84), nn.Sigmoid(),
    nn.Linear(84, 10))

加油站ai视觉识别系统通过AI视觉识别技术，加油站ai视觉识别系统在加油站现场比如加油区、卸油区两个区域通过加油站ai视觉识别系统，对现场画面中人员违规吸烟检测、打电话识别、明火烟雾，进行自动分析预警。加油站ai视觉识别系统通过人员值守的全流程“七步卸油”算法，增强对现场安全规范作业的预警监控，通过AI技术保障加油站现场监控区域内的全流程安全卸油作业。