智能化监控平台在作业现场安全管控中的应用

摘要：钻探作业作为油田生产的重要环节，因作业流程、施工环境、用工情况复杂，作业过程中生产安全隐患、环境污染和安全管控效率低下等问题仍然存在[1]。为了提高钻探作业的安全管理效率，将人工智能和物联网等技术相结合，构建了违章行为智能化监控平台。该平台采用了多种传感器技术和机器学习算法，对员工行为进行准确的识别和分类，并提供即时反馈和报警功能，有助于提高钻探作业的安全和效率。系统在运行过程中，通过实时捕捉井场视频监控，对钻探作业过程中的各种行为进行智能识别，实现对作业行为的实时监控和预警。经现场应用，本文所提出的系统能够有效提高钻探作业的效率和安全性，具有广泛的应用前景。

关键词：安全管控  监控平台  行为智能识别  钻探作业

引言

钻探作业是油气资源开发的重要环节之一，对于保障国家能源安全、促进经济发展具有重要意义[2]。随着国家和集团公司安全生产管控要求的提高，钻探施工过程中的安全和效率越来越受到关注，而钻探企业施工存在点多、线长、面广、作业量大等特点，原有安全监管主要人员数量不足、监督手段单一、监管能力有限，传统的视频监控系统自身存在人工巡检效率低、问题发现不及时、智能分析能力覆盖面不足等，在现场监管和评估员工行为的过程中，存在着很多困难和挑战。

正文

1 安全管控现状

石油钻探行业施工区域偏远、分散，队伍数量多且繁杂，钻井、井下等作业现场存在着施工作业水平参差不齐的现象，部分作业人员缺乏安全意识，作业操作不规范、违章操作，导致高空坠落、机械伤害、火灾爆炸等安全事故时有发生，传统的安全管控方式以重要节点、重点时段、井队搬迁等重要时段管理人员赴现场监督检查为主，近年来随着信息化发展，现场关键点视频监控也纳入了安全管控的手段之一。公司2014年起开展的A12系统应用实现了对部分50以上钻机现场的视频监控，2021年分公司开展了试油、修井、压裂等井下施工现场的安眼工程服务，基本实现了重点区域重点井作业现场的多层级视频监控，对部分作业现场进行视频监督检查[3]，实际运行中，存在以下问题和难点：

现场检查：人盯人、人管人，需要上井到现场监督检查，存在路途安全隐患，且人员及精力占用大；

远程检查：现场将视频发给后方，后方电话或视频指导现场，在井场防爆区域无法远程视频检查；

视频监控平台：基地1名管控人员最多同时监控3-4口井的现场视频，重点阶段需24小时紧盯监控平台，监控效率低，且容易出现漏判、误判等问题。

这种高度依靠人工干预管理的安全管控方式容易导致值守人员无法顾及所有监控场景、且难以长期保持注意力高度集中，发现高风险行为相对滞后，单纯依赖人工巡、盯、判的工作方式，效率低下，且容易出现漏判、误判等问题，无法保证对违章作业信息的及时获取，无法完全实现对井场安全隐患“早发现、早预防、早处理”，而且一旦发生问题，作为安全管理人员很难第一时间介入和开展应急处置。为降低作业现场安全管控风险和提升管控效率，渤海钻探公司第二录井分公司搭建了一种基于智能识别技术的违章行为智能化监控平台，该系统结合了井场视频监控技术，能够对作业过程中的各种行为进行实时监控和预警，解决传统安全管理过程中存在的问题。

2 系统方案

本系统的设计目的是针对钻探施工安全风险高、管控难度大的特点，创新利用人工智能、物联网、移动应用等技术，充分发掘AI智能识别的能力，集成已有视频监控系统、物联网系统、作业管理系统等，聚焦重点作业、关键环节中人的不安全行为和物的不安全状态，实现实时智能监控、超前预警。本系统采用多角度监控视频源，可以对员工的行为进行全方位的监测。

2.1 通过运用机器学习算法，对大量数据进行训练和分析，实现对员工日常工作行为进行准确识别和分类。功能设计主要包含以下几项：

2.1.1 采集视频数据：在井场安装摄像头，采集施工作业过程中的视频数据。

2.1.2 行为识别：利用深度学习等技术对视频数据进行处理，提取作业过程中的各种行为特征，并进行行为分类。

2.1.3训练模型：系统使用机器学习算法对采集到的数据进行训练，建立员工行为模型。

2.1.4 行为识别：系统对员工行为进行实时监测和识别，识别结果通过显示屏或报警器等方式进行反馈。

2.1.5 实时监控：通过井场视频监控系统实现对行为的实时监控，及时发现异常行为并进行预警。

2.1.6 数据分析：对采集到的数据进行统计分析，为后续施工的安全管理和效率提升提供依据。

2.2 相较于传统的现场安全管控管理方法，应用本系统在现场具有以下几个优势[4]：

2.2.1自动化：系统采用自动化监测方法，可以减少人工巡检和误判率，提高效率和准确性。

2.2.2 即时反馈：系统能够实现对员工行为的即时监测和评估，及时提供反馈和报警功能，有助于及时发现和处理潜在的安全问题。

2.2.3 多维监测：系统采用多种传感器技术，可以对员工行为进行全方位的监测，能够提供更加全面的数据支持，有助于发现隐患和改进作业流程。

2.2.4 可扩展性：本系统具有很强的可扩展性，可以根据实际情况对传感器和算法进行升级和优化，以适应不同的作业环境和需求。

3 系统功能

本系统通过固定或移动摄像机对现场视频数据进行采集，以国标协议接入智能分析设备进行推理运算，通过API接口将数据上传至分析平台进行分析预警，并定期向推送安全管理人员、监督人员，实现线上管控。从功能设计来看，主要有以下10项主要功能：

本系统结合公司反违章禁令要求和相应的操作规程，研发完成了8种通用算法并测试运行，能够对安全帽佩戴、工服着装、火焰、烟雾、生产区域吸烟、违禁使用手机、遮挡摄像头、睡岗等情况进行实时分析、跟踪和报警。

对安全帽佩戴、工服着装、火焰、烟雾、生产区域吸烟、违禁使用手机、遮挡摄像头等情况进行实时分析、跟踪和报警。

在系统管理层面，提供视频接入、设备管理、算法布控、事件管理、综合展示等多项信息功能。

4 应用效果

本系统自2022年以来，在渤海钻探公司多个钻井和试油现场开展的本系统的研究和试验，主要面向井场、钻台面、司钻房、罐区、出口、试油井口等多个区域，系统运行初期，违章类型主要以工衣帽穿戴不整齐、遮挡等一般违章情况为主，充分反映出岗位员工有章不循、个人安全防护意识淡薄、生产组织不合理等现象。截至目前，识别各类违章28项，现场识别隐患923个，确认违章行为850个，识别率92%。

在系统运行层面，针对前文所述各项行为与动作的智能分析与识别建立了较为完善的模型，对于相关违章行为的识别准确率达90%以上。智能化监控平台有效提高了安全管控人员对现场的违章行为发现和管控的力度，对员工的日常生产操作行为进行了有效监督和评估，保证现场作业的标准化和安全施工效率。

经过近年安全生产的严格管控，上述违章行为发生概率已大幅减少，在实际生产中，钻井、井下作业现场的搬迁、安装、施工等过程中的高危作业中还存在较多隐患或违章行为，结合公司反违章禁令要求，本系统同时在作业规程识别中开展了部分前期研究工作，初步确定了部分重点隐患或违章点，作为下步重点研究方向。

结论

本文提出了一种基于钻探作业人员违章行为识别的智能化监控平台搭建与应用，通过井场视频监控技术实现对行为的实时监控，利用深度学习等技术进行行为识别，对钻探作业过程中的各种行为进行准确识别、及时发现异常行为并进行报警，较传统人工辨识方式实现了高准确性和强实时性的特点；并且本系统充分结合钻探行业各项安全管理规定和反违章禁令，能够提高施工效率和安全性，具有广泛的应用前景。在现场应用过程中，平台能够按照既定目标实现对员工行为的自动化监测和评估。接下来，通过继续优化系统的算法和传感器技术，不断提高系统的准确率、稳定性和模型适配性，以更好地满足不同场景的应用需求。

此外，本系统主要通过信息化的手段为安全管理人员提供现场安全管理、风险管控的技术手段和支撑，在人员的安全意识管理等方面，还需要加强员工的培训和教育，让员工了解该系统的作用和意义，以及如何正确使用该系统。同时，应该建立完善的数据管理和分析机制，将监测数据与作业流程进行结合，不断优化作业流程，提高作业效率和安全性。

本文所提到的智能化监控平台具有广泛的应用前景，可以显著提升钻探现场信息化应用水平、提升安全管控力度、降低风险隐患发生概率，具有重要的实践意义和社会价值。

参考文献

1.刘宇，黄宇，王洋. （2018）. 基于深度学习的智能钻井工人行为识别系统. 石油科学与工程学报，170，465-474.

2.徐国强，王瑶. 信息化技术在企业安全管控中的应用[J]. 电子技术与软件工程，2018，15（16）：41-42。

3.张旭，王健，张军. （2020）. 基于卷积神经网络的钻井工人行为识别系统. 石油科学与工程学报，184，106738.

4.马佳，赵宇，周文建，陈亮. （2019）. 基于深度学习的智能钻井作业行为分析与识别系统. 石油钻采工艺，41（5），620-625.