范 vGTP傳輸協(xié)議 數(shù)據(jù)庫 附 （規(guī)范性 附 （資料性）本文件用詞說 （13號（國發(fā)〔2010〕23號（國辦發(fā)〔2015〕20號（安委辦〔2016〕3號2016（安委〔2016〕1號（安監(jiān)總廳管三〔2016〕110號）（安監(jiān)總管三〔2013〕3號）（國辦發(fā)〔2017〕3號（國辦發(fā)〔2016〕88號《危險化學品重大危險源罐區(qū)現(xiàn)場安全監(jiān)控裝備設置規(guī)范（AQ30362010AQT3034–210）（安委辦〔2017〕7號）（國辦發(fā)〔2015〕40號《國家安全監(jiān)管總局辦公廳關于印發(fā)安全生產(chǎn)信息化領域10（〔2016〕63號6號（69號（88號（安委辦〔2010〕25號）（安委辦〔2013〕8號（安監(jiān)總應急〔2012〕14號《關于加強科學施救提高生產(chǎn)安全事故災難應急救援水平的指導意見（2012147號〔2014〕95號222號（2006年版《空間數(shù)據(jù)與信息傳輸系統(tǒng)時間碼格式》GB/T《信息安全技術工業(yè)控制系統(tǒng)安全控制應用指南》GB/T《信息安全技術網(wǎng)絡安全等級保護基本要求》GB/TGB/T《計算機軟件文檔編制規(guī)范》GB/T《計算機軟件測試文檔編制規(guī)范》GB/T《軟件工程產(chǎn)品質(zhì)量》《可編輯邏輯器件軟件開發(fā)通用要求》GB/T北斗網(wǎng)格碼Beidougrid靜態(tài)屬性動態(tài)屬性dynami× 需對項目背景展開充分調(diào)研，掌握需方行業(yè)性質(zhì)與安全標準、安全組織機構(gòu)，調(diào)研相關業(yè)務 對企業(yè)/園區(qū)/管理區(qū)域的“兩重點一重大”，關鍵設施設備，環(huán)境（體等）DCS、PLC、SIS實時數(shù)據(jù)和現(xiàn)場視頻監(jiān)控為基礎，統(tǒng)一規(guī)范的數(shù)據(jù)警等功能；并通過現(xiàn)場監(jiān)控視頻的AI智能分析，對一線員工的操作行為以及周圍環(huán)境的危險識\h險和有害因素分類與代碼》（GBT_13861–2022），《危險化學品重大危險源辨識》（GB18218—2018），《職業(yè)病危害因素分類目錄》（國衛(wèi)疾控發(fā)〔2015〕92號）等辨識各種風險。依據(jù)《工作危害分析JHA評價表》，《風險評價檢查（SCL）表》，運用定性和定量分析、歷史數(shù)據(jù)、經(jīng)–––AIOT定切實有效的管控措施和手段，確保研究所運行風險可控、在控，有效防止人身、設備事故，維護系統(tǒng)安全穩(wěn)定運行。隱患排查主要包括巡查人員通過三防手機或4G/5G專網(wǎng)手機的手持APPGIS地圖、北斗網(wǎng)格碼可視其所在位置。 gitgitSIT(系統(tǒng)集成測試)測試前需站在用戶角度編寫《測試用例》，對系統(tǒng)進行測試驗證，確保 vGTPvGTP是獨立自主研發(fā)的一套實時人機交互圖像壓縮傳輸協(xié)議。該協(xié)議是一種高效率的人機界面交互協(xié)議,具有兼容性好、支持3D和廣域網(wǎng)應用等特征。vGTP協(xié)議最大特點就是，將用戶的會話以圖像的方式進行壓縮傳輸，對于用戶的操作，只傳輸變使用vGTP客戶端接收協(xié)議數(shù)據(jù)進行解碼和顯示。顯示分辨率及幀率最大支持4K60Hz或2K144Hz圖 協(xié)議整體架構(gòu) vGTPIP碼流上傳網(wǎng)絡。在園區(qū)及應急部部設圖像接收零圖 圖像傳輸基本原圖 圖像集群系統(tǒng)組成拓撲線（HDMI或?GA）物理隔離，實現(xiàn)了原始數(shù)據(jù)信息的絕對安全；傳：私有vGTP實時圖像壓縮傳輸協(xié)議，圖像信息傳輸安全。傳輸網(wǎng)絡獨立于原業(yè)務網(wǎng)絡之像信息同步、協(xié)同作戰(zhàn)；同時主干網(wǎng)只占用1路的傳輸帶寬，節(jié)省網(wǎng)絡資源； yolo系列經(jīng)驗改進的一種新型的目標檢測算法YoloX，它是目標檢測算法中新SimOTAForYOLO–Nano0.91M1.08GFLOPsCOCO25.3%APNanoDet1.8%AP；3.0%APYOLOv4CSP、YOLOv5–LYOLOX–L，?10068.9FPSCOCO50.0%APYOLOv5–L1.8%APYolox–L模型贏ONNX、TensorRT、NCNNOpenvino的部署版本。非常契APFPS值、易部署等優(yōu)勢以保證智慧yolo提高檢測識別精確率。yolov5的結(jié)構(gòu)框架圖如下所示：圖 yolovr算法框其中，Backbone是網(wǎng)絡的主干部分，在不同圖像細粒度上聚合，形成對應圖像特征的卷積神經(jīng)網(wǎng)絡，主要結(jié)構(gòu)包括了Focus，Conv，Bottleneckcsp，SPP。Focus：concat層將其進行拼接，這里的（conv）batchnorm層，將每次的梯度分布都控制在原點附近，實現(xiàn)結(jié)果歸一化，使各個batch的偏差不會過大；最后用leaky–relu激活函數(shù)輸入結(jié)果到下一層卷積。Focus模塊的設計是用來降低計算量，減少層數(shù)，以此提高速度，而并非提高mAP。Bottleneckcsp：bottleneckCSPbottleneck（瓶頸層）是一種經(jīng)典的殘1x1的卷積層，很好地減少了計算量。CSPn次bottleneck操作，再進行卷積操作，另一部分直接進行卷積操作，二者卷積操作目的都是為了使通道concat拼接后輸出。BottleneckCSP不僅減少了計算量，還提高模型的學SPP：空間金字塔池化，大體由三部分組成：conv，maxpooling，concat。先進行conv提取特征kernel–size的最大池化層進行下采樣，將各自輸出結(jié)果進行拼接融合并與其conv將輸出恢復到同初始輸入一致。Neck：網(wǎng)絡的融合部分，將特征混合組合，并傳遞到預測層。采用自頂向下傳遞強特征的FPN結(jié)構(gòu)，以便改善低層特征地傳播，以及自底向上的含有兩個PAN結(jié)構(gòu)的特征金字塔，兩者結(jié)合操作，加強網(wǎng)絡特征融合的能力。輸出端部分，yolov5采用了giou