一种基于云边端协同的智能安全帽设计与实现

王 宁 鲁法明＊ 包云霞

（山东科技大学，山东 青岛 266590）

0 引言

安全帽是一种保护人体头部不受坠落物或其他因素伤害的劳保用具，选择合格、适宜的安全帽是施工安全的重要保障。 传统安全帽仅能通过壳体设计优化头部防护，作用单一，智能安全帽由传统安全帽和智能硬件模块组成，具有数据采集、行为检测、无线通信、后台管理、智能预警等功能，根据施工安全需求科学设计功能模块。

本文设计了一款基于“云—边—端”协同的智能安全帽，融合物联网、移动互联网、边缘计算、云计算和AI 技术， 在传统安全帽上嵌入边缘计算设备和信息采集终端，完成施工环境信息、人员信息和视频的实施感知、采集与智能分析，人员生命体征和室内外定位、人员通讯、低亮度环境下人员违规行为和异常情况的视频图像检测等功能，还可以应用于矿业生产作业井下瓦斯气体和粉尘浓度检测。 云边端协同架构使井上井下即使通讯中断仍能保证井下人员基于边缘计算设备进行局部环境信息的感知预警和搭建通信子网，同时，边缘侧的处理能有效降低云端服务器的载荷，降低云端服务器建设成本。

1 基于云边端协同的智能安全帽工作原理

本文提到的智能安全帽整体采用 “云—边—端”三级架构，如图1 所示。

图1 “云—边—端”协同的技术架构

云指服务器端，包括视频服务器、数据库数据库，可以对采集到的视频数据和传感器数据进行异常检测，用于跌倒检测、未佩戴安全帽检测的视频异常智能分析软件、点对点通信的语音通信软件；嵌入到安全帽中，可以进行视频采集与传输、语音通信，并进行跌倒报警、脱帽报警；端部署在煤矿井下环境中，可以采集环境信息，协助室内定位。

管理员可通过PC 终端实时查看作业现场数据，包括佩戴者体温、 心率等信息， 当前环境的光照、湿度、气体信息，人员的室内外位置以及安全帽佩戴和工作服穿着情况，根据大数据的预测预警及时与井下工作人员进行语音通信、指挥人员作出处置。

本文提到的智能安全帽集成了各类功能模块，根据需要将各模块分别部署在安全帽壳体与施工环境中，实现了如图2 所示的不同功能。

图2 云边端协同的智能安全帽功能模块

1.1 定位模块

室外定位模块：支持GPS、北斗定位，水平定位精度优于2.5 m， 按照用户预设的时间间隔向管理平台发送位置信息，用于实时获取人员运动轨迹。

室内定位模块：智能安全帽采用RSSI 三角定位原理， 在环境中部署一个Zigbee 协调器作为已知坐标、两个Zigbee 路由器作为参考坐标，计算在智能安全帽中安装Zigbee 终端节点的坐标。定位采用不跨路由组播，Zigbee 终端节点接收来自路由器的数据， 再将数据以数据帧的形式传递给协调器， 协调器根据RSSI与距离的换算关系，可以获得终端节点的坐标。

1.2 点对点语音通话模块

采用语音识别技术和UDP 协议下的套接字技术，语音通话模块工作时，由麦克风采集语音信息，通过语音识别模块获取语音中的联系人姓名及动作词汇，将识别结果上传数据库服务器，在数据库的员工表中搜索该联系人，若联系人存在，则查询联系人Ip地址实现点对点双向语音通话功能，否则调用智能语音模块播报联系人不存在的语音提示。

“云—边—端”协同架构使井上井下作业时，即使通讯中断仍能保证井下工作人员基于边缘计算设备进行局部环境信息的感知预警和搭建通信子网

1.3 跌倒、脱帽检测模块

MPU6050 可读取人体加速度和角度的变化，分析人体中心点的加速度和角度特征，从而检测是否发生跌倒事件，排除误检和漏检，提高准确率；通过实施监控人体体征数据，当数据偏离人体合理范围，或者检测不到数据，则认为帽子已经被脱下。

1.4 传感器采集模块

智能安全帽上微处理器和传感器搭载红外测温模块、心率检测模块、光照传感器、环境温湿度检测、环境气体检测模块，能够实现对人体信息和部分环境信息的采集。 所用Zigbee 采集器采用CC2530 芯片。

1.5 图像采集模块

图像采集模块工作时， 由摄像头获取视频信息，通过树莓派模块进行初次检测，并将存在行人的图像上传至视频服务器， 通过视频服务器进行深度检测，将安全帽佩戴情况上传至数据库服务器并对违规情况做出智能警报。

2 智能安全帽硬件设计

智能安全帽由云端服务器、智能安全帽、环境信息处理端三部分组成，如图3 所示。 智能安全帽上集成了Zigbee 接收节点、树莓派、微处理器、传感器、麦克风、GPS 定位模块、高清摄像头等硬件模块。 环境信息处理模块则包括Zigbee 采集模块、Zigbee 路由器、Zigbee 协调器等模块。 云端服务器由数据库服务器、视频服务器组成。 智能安全帽与环境信息处理端间可通过WiFi 和Zigbee 自组网通信，使用无线网络，解决了施工环境不易布线的问题，方便通信与作业。 智能安全帽端利用WiFi 与云端服务器通信。

图3 智能安全帽硬件部署

3 智能安全帽软件设计与架构

智能安全帽的树莓派和视频服务器内置未佩戴安全帽检测的视频异常智能分析软件，工作时由摄像头采集施工现场视频信息， 使用小型RFBnet 网络识别视频图像中是否存在行人，并将存在行人的图像上传至云端视频服务器，再通过YOLOv5 目标检测算法进行深度检测， 识别图像中人员安全帽佩戴情况，将结果上传数据库服务器并作出语音警报。

树莓派和云端服务器内置点对点通信的语音通信软件，工作时由麦克风采集音频信息，由树莓派内语音识别模块识别语音中联系人姓名及其他关键因素，将识别结果上传至数据库服务器，采用UDP 协议下的套接字技术查询结果对应的Ip 地址，实现与指定用户的双向语音通话功能。

云端服务器上部署后台服务器软件，软件用于实现数据传输存储、 智能预警分析、Web 前端数据展示等功能。 其中系统界面软件负责实时展示作业现场数据，包括安全帽佩戴检测，在Web 端可以查看近期违规图像情况，对任意时间段进行查询并使用轮播图进行动态展示； 对数据库服务器中数据的可视化呈现；环境信息服务器端可视化呈现与预警预测，服务器分析来自树莓派的信息，并对其未来可能的变化做出预测与提示，并在系统界面上做出可视化呈现。

4 工作对比与展望

本文采用“云—边—端”协同的智能安全帽设计方法， 在安全帽上嵌入边缘计算设备和信息采集终端，进行环境人员信息的实施感知、采集与智能分析，在云边端协同、局部通信子网构建、低光照强度下人员跌倒等异常行为的识别等方面具有一定优势；能保证在极端情况下安全帽仍然能为使用者提供决策支持和端到端的通信服务；边缘侧的加入有效解决了云服务器载荷过重、智能安全帽传感器集成过于笨重等智能安全帽市场现有痛点，架起了现场施工人员与后台管理人员沟通的桥梁，提高了施工安全生产装备的智慧化水平，推动智慧工地建设迈上新的台阶。