2025智慧安全应急平台应用规范

范 vGTP传输协议 数据库 附 （规范性 附 （资料性）本文件用词说 （13号（国发〔2010〕23号（国办发〔2015〕20号（安委办〔2016〕3号2016（安委〔2016〕1号（安监总厅管三〔2016〕110号）（安监总管三〔2013〕3号）（国办发〔2017〕3号（国办发〔2016〕88号《危险化学品重大危险源罐区现场安全监控装备设置规范（AQ30362010AQT3034–210）（安委办〔2017〕7号）（国办发〔2015〕40号《国家安全监管总局办公厅关于印发安全生产信息化领域10（〔2016〕63号6号（69号（88号（安委办〔2010〕25号）（安委办〔2013〕8号（安监总应急〔2012〕14号《关于加强科学施救提高生产安全事故灾难应急救援水平的指导意见（2012147号〔2014〕95号222号（2006年版《空间数据与信息传输系统时间码格式》GB/T《信息安全技术工业控制系统安全控制应用指南》GB/T《信息安全技术网络安全等级保护基本要求》GB/TGB/T《计算机软件文档编制规范》GB/T《计算机软件测试文档编制规范》GB/T《软件工程产品质量》《可编辑逻辑器件软件开发通用要求》GB/T北斗网格码Beidougrid静态属性动态属性dynami× 需对项目背景展开充分调研，掌握需方行业性质与安全标准、安全组织机构，调研相关业务 对企业/园区/管理区域的“两重点一重大”，关键设施设备，环境（体等）DCS、PLC、SIS实时数据和现场视频监控为基础，统一规范的数据警等功能；并通过现场监控视频的AI智能分析，对一线员工的操作行为以及周围环境的危险识\h险和有害因素分类与代码》（GBT_13861–2022），《危险化学品重大危险源辨识》（GB18218—2018），《职业病危害因素分类目录》（国卫疾控发〔2015〕92号）等辨识各种风险。依据《工作危害分析JHA评价表》，《风险评价检查（SCL）表》，运用定性和定量分析、历史数据、经–––AIOT定切实有效的管控措施和手段，确保研究所运行风险可控、在控，有效防止人身、设备事故，维护系统安全稳定运行。隐患排查主要包括巡查人员通过三防手机或4G/5G专网手机的手持APPGIS地图、北斗网格码可视其所在位置。 gitgitSIT(系统集成测试)测试前需站在用户角度编写《测试用例》，对系统进行测试验证，确保 vGTPvGTP是独立自主研发的一套实时人机交互图像压缩传输协议。该协议是一种高效率的人机界面交互协议,具有兼容性好、支持3D和广域网应用等特征。vGTP协议最大特点就是，将用户的会话以图像的方式进行压缩传输，对于用户的操作，只传输变使用vGTP客户端接收协议数据进行解码和显示。显示分辨率及帧率最大支持4K60Hz或2K144Hz图 协议整体架构 vGTPIP码流上传网络。在园区及应急部部设图像接收零图 图像传输基本原图 图像集群系统组成拓扑线（HDMI或٧GA）物理隔离，实现了原始数据信息的绝对安全；传：私有vGTP实时图像压缩传输协议，图像信息传输安全。传输网络独立于原业务网络之像信息同步、协同作战；同时主干网只占用1路的传输带宽，节省网络资源； yolo系列经验改进的一种新型的目标检测算法YoloX，它是目标检测算法中新SimOTAForYOLO–Nano0.91M1.08GFLOPsCOCO25.3%APNanoDet1.8%AP；3.0%APYOLOv4CSP、YOLOv5–LYOLOX–L，٧10068.9FPSCOCO50.0%APYOLOv5–L1.8%APYolox–L模型赢ONNX、TensorRT、NCNNOpenvino的部署版本。非常契APFPS值、易部署等优势以保证智慧yolo提高检测识别精确率。yolov5的结构框架图如下所示：图 yolovr算法框其中，Backbone是网络的主干部分，在不同图像细粒度上聚合，形成对应图像特征的卷积神经网络，主要结构包括了Focus，Conv，Bottleneckcsp，SPP。Focus：concat层将其进行拼接，这里的（conv）batchnorm层，将每次的梯度分布都控制在原点附近，实现结果归一化，使各个batch的偏差不会过大；最后用leaky–relu激活函数输入结果到下一层卷积。Focus模块的设计是用来降低计算量，减少层数，以此提高速度，而并非提高mAP。Bottleneckcsp：bottleneckCSPbottleneck（瓶颈层）是一种经典的残1x1的卷积层，很好地减少了计算量。CSPn次bottleneck操作，再进行卷积操作，另一部分直接进行卷积操作，二者卷积操作目的都是为了使通道concat拼接后输出。BottleneckCSP不仅减少了计算量，还提高模型的学SPP：空间金字塔池化，大体由三部分组成：conv，maxpooling，concat。先进行conv提取特征kernel–size的最大池化层进行下采样，将各自输出结果进行拼接融合并与其conv将输出恢复到同初始输入一致。Neck：网络的融合部分，将特征混合组合，并传递到预测层。采用自顶向下传递强特征的FPN结构，以便改善低层特征地传播，以及自底向上的含有两个PAN结构的特征金字塔，两者结合操作，加强网络特征融合的能力。输出端部分，yolov5采用了giou