本发明涉及洗选煤安全监测领域，具体涉及一种应用于洗选煤系统的不安全行为识别方法及系统。
背景技术：
1、洗选煤系统是煤炭生产过程中的重要环节，其目的是通过物理或化学方法将原煤中的杂质去除，提高煤炭的质量。然而，在洗选煤过程中，由于操作环境恶劣、设备复杂等原因，存在许多不安全行为，如操作不当、设备维护不及时等，这些不安全行为会导致生产事故，影响生产效率和工人安全。
2、目前，洗选煤系统中的不安全行为识别主要依靠人工观察和报告，这种方式存在以下问题，识别速度慢：人工观察和报告需要时间，无法实时识别不安全行为。数据不足：人工观察只能获取有限的数据，无法全面了解洗选煤系统中的不安全行为。
3、因此，亟需一种能够实时、准确识别洗选煤系统中的不安全行为的方法和系统。
技术实现思路
1、为解决上述背景中的技术问题，本发明供了一种应用于洗选煤系统的不安全行为识别方法及系统，采用机器学习，对洗选煤过程中的数据进行分析和处理，实现实时、准确识别不安全行为。
2、为实现上述目的，本发明提供了一种应用于洗选煤系统的不安全行为识别方法，步骤包括：
3、采集工作人员在操作洗选煤系统时的图像数据；
4、对所述图像数据进行预处理，得到处理后数据；
5、基于所述处理后数据，构建行为识别模型；
6、优化所述行为识别模型，得到最终模型；
7、利用所述最终模型，完成不安全行为的识别。
8、优选的，进行所述预处理的方法包括：将所述图像数据使用自动色彩均衡来进行亮度与色彩的调整，使所述图像数据色彩呈现更为饱满，对比度更高；之后，采用翻转、旋转、均分后随机拼接的方式进行扩充，得到所述处理后数据。
9、优选的，构建所述行为识别模型的方法包括：将所述处理后数据按照7：3的比例划分训练集和测试集，并基于所述测试集，采用神经网络构建所述行为识别模型。
10、优选的，所述神经网络由三维卷积层、三维池化层、全连接层和输出层构成；具体包括：3个三维卷积层、3个三维池化层，1个全连接层以及1个softmax输出层。
11、优选的，优化所述行为识别模型的方法包括：采用relu损失函数替换传统神经网络中的gelu损失函数，公式包括：
12、
13、式中，yi是第i个样本的真实标签；pi表示模型预测的概率。
14、本发明还提供了一种应用于洗选煤系统的不安全行为识别系统，所述系统用于实现上述方法，包括：采集模块、处理模块、构建模块、优化模块和检测模块；
15、所述采集模块用于采集工作人员在操作洗选煤系统时的图像数据；
16、所述处理模块用于对所述图像数据进行预处理，得到处理后数据；
17、所述构建模块用于基于所述处理后数据，构建行为识别模型；
18、所述优化模块用于优化所述行为识别模型，得到最终模型；
19、所述检测模块用于利用所述最终模型，完成不安全行为的识别。
20、优选的，所述处理模块的工作流程包括：将所述图像数据使用自动色彩均衡来进行亮度与色彩的调整，使所述图像数据色彩呈现更为饱满，对比度更高；之后，采用翻转、旋转、均分后随机拼接的方式进行扩充，得到所述处理后数据。
21、优选的，所述构建模块的工作流程包括：将所述处理后数据按照7：3的比例划分训练集和测试集，并基于所述测试集，采用神经网络构建所述行为识别模型。
22、与现有技术相比，本发明的有益效果如下：
23、本发明能够实时识别洗选煤系统中的不安全行为，提高生产安全性。同时，采用机器学习提高识别准确性。此外，本发明基于现有技术和设备，易于在实际生产中推广应用。
1.一种应用于洗选煤系统的不安全行为识别方法，其特征在于，步骤包括：
2.根据权利要求1所述的应用于洗选煤系统的不安全行为识别方法，其特征在于，进行所述预处理的方法包括：将所述图像数据使用自动色彩均衡来进行亮度与色彩的调整，使所述图像数据色彩呈现更为饱满，对比度更高；之后，采用翻转、旋转、均分后随机拼接的方式进行扩充，得到所述处理后数据。
3.根据权利要求1所述的应用于洗选煤系统的不安全行为识别方法，其特征在于，构建所述行为识别模型的方法包括：将所述处理后数据按照7：3的比例划分训练集和测试集，并基于所述测试集，采用神经网络构建所述行为识别模型。
4.根据权利要求3所述的应用于洗选煤系统的不安全行为识别方法，其特征在于，所述神经网络由三维卷积层、三维池化层、全连接层和输出层构成；具体包括：3个三维卷积层、3个三维池化层，1个全连接层以及1个softmax输出层。
5.根据权利要求1所述的应用于洗选煤系统的不安全行为识别方法，其特征在于，优化所述行为识别模型的方法包括：采用relu损失函数替换传统神经网络中的gelu损失函数，公式包括：
6.一种应用于洗选煤系统的不安全行为识别系统，所述系统用于实现权利要求1-5任一项所述的方法，其特征在于，包括：采集模块、处理模块、构建模块、优化模块和检测模块；
7.根据权利要求6所述的应用于洗选煤系统的不安全行为识别系统，其特征在于，所述处理模块的工作流程包括：将所述图像数据使用自动色彩均衡来进行亮度与色彩的调整，使所述图像数据色彩呈现更为饱满，对比度更高；之后，采用翻转、旋转、均分后随机拼接的方式进行扩充，得到所述处理后数据。
8.根据权利要求6所述的应用于洗选煤系统的不安全行为识别系统，其特征在于，所述构建模块的工作流程包括：将所述处理后数据按照7：3的比例划分训练集和测试集，并基于所述测试集，采用神经网络构建所述行为识别模型。
