基于图像识别的施工人员安全作业行为监测方法及系统技术方案

本发明专利技术涉及一种基于图像识别的施工人员安全作业行为监测方法及系统，至少包括：S1、对配电室中配电柜的图像进行采集；S2、图像处理；具体为：S201、将训练的图像素材上传至AI开放平台；S202、用户对图像素材进行分类与标注，形成训练样本；S203、利用AI开放平台进行算法模型训练；S204、利用AI开放平台输出算法模型；S205、通过素材对算法模型进行评估；S206、用户选择模型部署方式；所述模型部署方式为萤石边或边缘设备；S207、用户通过萤石边或边缘设备使用AI开放平台提供的算法服务；S3、结果反馈，当处于布防状态下的柜门被打开，则实现向控制中心平台发送报警提醒通知。

Method and system of safety operation behavior monitoring of construction personnel based on image recognition

【技术实现步骤摘要】
基于图像识别的施工人员安全作业行为监测方法及系统
本专利技术属于施工安全辅助设备
，具体涉及一种基于图像识别的施工人员安全作业行为监测方法及系统。
技术介绍
众所周知，国家电网是以建设和运营电网为核心业务，承担着保障更安全、更经济、更清洁、可持续的电力供应的基本使命，国家电网的安全正常运营关系着国民生活的方方面面，为了保证国家电网的正常运营，需要对国家电网进行定期检修和维护，比如对变电站进行检修是其中一个重要的方面，目前，在国家电网对变电站检修过程中，时有发生由于作业人员的违规作业导致事故的发生，上述违规作业之一就是配电柜的柜门未正常关闭，为了防止柜门未正常关闭，需要人工巡检的方式进行完成，这种传统的方式浪费人力物力，同时效率也比较低，为此，设计开发一种快速高效的基于图像识别的施工人员安全作业行为监测方法显得是尤为重要。
技术实现思路
本专利技术为解决公知技术中存在的技术问题，提供一种基于图像识别的施工人员安全作业行为监测方法及系统，该基于图像识别的施工人员安全作业行为监测方法及系统通过图像处理进而对配电柜门开关状态进行分析，通过柜门的状态判定施工是否规范。本专利技术的第一目的是提供一种基于图像识别的施工人员安全作业行为监测方法，至少包括：S1、对配电室中配电柜的图像进行采集；S2、图像处理；具体为：S201、将训练的图像素材上传至AI开放平台；S202、用户对图像素材进行分类与标注，形成训练样本；S203、利用AI开放平台进行算法模型训练；<br>S204、利用AI开放平台输出算法模型；S205、通过素材对算法模型进行评估；S206、用户选择模型部署方式；所述模型部署方式为萤石边或边缘设备；S207、用户通过萤石边或边缘设备使用AI开放平台提供的算法服务；S3、结果反馈，当处于布防状态下的柜门被打开，则实现向控制中心平台发送报警提醒通知。进一步：所述S1具体为：对配电室中每个配电柜的图像进行逐一采集。进一步：所述S1具体为：对配电室中每个区域内配电柜的整体图像进行逐一采集，每个区域内柜门数量为3*3。本专利技术的第二目的是提供一种基于图像识别的施工人员安全作业行为监测系统，至少包括：图像采集模块、对配电室中配电柜的图像进行采集；图像处理模块；具体为：A、将训练的图像素材上传至AI开放平台；B、用户对图像素材进行分类与标注，形成训练样本；C、利用AI开放平台进行算法模型训练；D、利用AI开放平台输出算法模型；E、通过素材对算法模型进行评估；F、用户选择模型部署方式；所述模型部署方式为萤石边或边缘设备；G、用户通过萤石边或边缘设备使用AI开放平台提供的算法服务；结果输出模块，当处于布防状态下的柜门被打开，则实现向控制中心平台发送报警提醒通知。进一步：所述S1具体为：对配电室中每个配电柜的图像进行逐一采集。进一步：所述S1具体为：对配电室中每个区域内配电柜的整体图像进行逐一采集，每个区域内柜门数量为3*3。本专利技术具有的优点和积极效果是：通过采用上述技术方案，本专利技术通过AI开放平台训练图像素材，利用算法模型对采集到的实际配电柜门进行分析，当分析结果为柜门未关闭时，及时发出报警或者是通知；防患于未然。附图说明图1为本专利技术优选实施例的流程图；图2为本专利技术优选实施例中图像素材的视图A；图3为本专利技术优选实施例中图像素材的视图B。具体实施方式下面结合附图并通过具体实施例对本专利技术作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本专利技术的保护范围：请参阅图1，一种基于图像识别的施工人员安全作业行为监测方法，包括：S1、对配电室中配电柜的图像进行采集；S2、图像处理；具体为：S201、将训练的图像素材上传至AI开放平台的通用基础模型里；图片素材如图2和图3所示：S202、用户对图像素材进行分类与标注，形成训练样本；如图框选每个门，并标注柜门的开关状态信息，使每个图像素材都具备其所覆盖的15个柜门及其开关的状态信息；S203、利用AI开放平台进行算法模型训练；训练过程如下：1、随机初始化网格参数(卷积层、全连接层、softnax层等)；2、提取样本特征预测样本类别、位置；与样本真值比较计算损失函数；3、根据损失函数更新网络参数；4、重复迭代直到精度满足要求或者达到最大迭代次数停止训练。S204、利用AI开放平台输出算法模型；S205、通过素材对算法模型进行评估；本素材指的是二次采集柜门图像进行算法验证，并比较训练结果和实际结果的误差值；S206、用户将成果模型部署在算法分析服务器中；S207、用户通过萤石边或边缘设备使用AI开放平台提供的算法服务；S3、结果反馈，当处于布防状态下的柜门被打开，则实现向控制中心平台发送报警提醒通知。进一步：所述S1具体为：对配电室中每个配电柜的图像进行逐一采集。进一步：所述S1具体为：对配电室中每个区域内配电柜的整体图像进行逐一采集，每个区域内柜门数量为3*3。在柜门开关的检测过程中，因为摄像机安装位置不同目标尺度大小差别较大，存在大目标的情况和小目标的情况。为了解决这个问题，本申请采用Yolov3并进行了验证；在整个Yolov3模型设计中，分别设计8倍和16倍的采样特征图，分别对不同尺度目标进行学习与预测，8倍特征图主要用于进行小目标的检测，16倍特征组进行大目标的检测；整体全面提升大、小目标的检测性能。性能提升也是非常明显的。针对柜门的目标检测，采用了boundingbox的坐标预测方式。yolo_v3构建测试模型如下：Pr(object)*IOU(b，object)＝σ(to)；Cx和Cy表示gridcell的坐标，比如某层的featuremap大小是13*13，那么gridcell就有13*13个，第0行第1列的gridcell的坐标Cx就是0，Cy就是1。pw和ph表示预测前boundingbox的size。bx、by。bw和bh就是预测得到的boundingbox的中心的坐标和size。坐标的损失采用的是平方误差损失。如下表1通过测试示。整个算法模型的选择做到了最优解。表1为测试结果比较图测试内容检出率检准率柜门开关检测90.2％97.08同时对网络主干(backbone)进行了重点优化处理。通过NAS网络自动搜索技术搜索得到最匹配的网络主干。第一个阶段在ImageNet数据集上训练超级网络，再在检测数据集上训练超级网络；第二个阶段在检测验证数据集上搜索网络结构，得到目标模型；本文档来自技高网...

【技术保护点】
1.一种基于图像识别的施工人员安全作业行为监测方法，其特征在于，至少包括：/nS1、对配电室中配电柜的图像进行采集；/nS2、图像处理；具体为：/nS201、将训练的图像素材上传至AI开放平台；/nS202、用户对图像素材进行分类与标注，形成训练样本；/nS203、利用AI开放平台进行算法模型训练；/nS204、利用AI开放平台输出算法模型；/nS205、通过素材对算法模型进行评估；/nS206、用户选择模型部署方式；所述模型部署方式为萤石边或边缘设备；/nS207、用户通过萤石边或边缘设备使用AI开放平台提供的算法服务；/nS3、结果反馈，当处于布防状态下的柜门被打开，则实现向控制中心平台发送报警提醒通知。/n

【技术特征摘要】
1.一种基于图像识别的施工人员安全作业行为监测方法，其特征在于，至少包括：
S1、对配电室中配电柜的图像进行采集；
S2、图像处理；具体为：
S201、将训练的图像素材上传至AI开放平台；
S202、用户对图像素材进行分类与标注，形成训练样本；
S203、利用AI开放平台进行算法模型训练；
S204、利用AI开放平台输出算法模型；
S205、通过素材对算法模型进行评估；
S206、用户选择模型部署方式；所述模型部署方式为萤石边或边缘设备；
S207、用户通过萤石边或边缘设备使用AI开放平台提供的算法服务；
S3、结果反馈，当处于布防状态下的柜门被打开，则实现向控制中心平台发送报警提醒通知。


2.根据权利要求1所述的基于图像识别的施工人员安全作业行为监测方法，其特征在于：所述S1具体为：对配电室中每个配电柜的图像进行逐一采集。


3.根据权利要求1所述的基于图像识别的施工人员安全作业行为监测方法，其特征在于：所述S1具体为：对配电室中每个区域内配电柜的整体图像进行逐一采集，每个区域内柜门数量为...

【专利技术属性】
技术研发人员：薛磊，曹旌，李尧，郭铁峰，梁刚，华铸，
申请(专利权)人：国网天津市电力公司，
类型：发明
国别省市：天津;12