一种电缆通道防外破智能前端监控及预警系统技术方案

本发明专利技术公开了一种电缆通道防外破智能前端监控及预警系统，包括：在线监控子系统，采用多个集成了边缘计算盒子的智能监控设备实时获取电缆运行状态时空分布信息，对所获取的电缆运行状态时空分布信息进行特征提取和行为识别；风险评估子系统，用于接收和处理所述在线监控子系统所输出的数据信息，并输出风险评估结果；智能预警子系统，用于接收所述风险评估子系统所输出的风险评估结果，依据所接收到的风险评估结果判断是否发出预警；所述智能预警子系统与所述在线监控子系统相连接。本发明专利技术解决了传统地埋电缆防外破手段无法全时段、智能化预警等问题。能化预警等问题。能化预警等问题。

【技术实现步骤摘要】
一种电缆通道防外破智能前端监控及预警系统


[0001]本专利技术涉及电缆通道运维领域，具体涉及一种电缆通道防外破智能前端监控及预警系统。

技术介绍

[0002]电缆是输电线路的主要铺设方式之一，其防外破手段主要依靠人工巡检。由于电缆位于地下，人工巡检难以及时发现危害电缆运行的外破行为。同时，城市的快速发展和野外地形地貌的变化易造成电缆通道走向的标识与电缆实际位置存在偏差，易导致输电线路被施工机械破坏。电缆遭受外力破坏的情况已成为严重影响电网安全运行的因素。因此，将视频监控技术运用于电缆的防外破是当前的研究热点。国内外的研究机构、企事业单位开展了大量的研究工作，但仍存在以下主要问题：
[0003]1.在不影响电缆运行的条件下，电缆路径标识牌与电缆实际位置的偏差难以确定。依靠标识牌无法准确判定电缆通道走向，存在人工巡检难以及时预防和发现危害电缆运行的情况。
[0004]2.现有的视频监控技术多应用于架空线路，行为识别主要针对通道大型机械，不能有效识别针对电缆的外破行为，无法直接作为输电电缆的防外破有效手段。
[0005]3.现有输电线路视频监控的图像识别功能在后台实现，存在响应速度慢，时效性差的问题，且精准识别距离短，识别准确度较低。

技术实现思路

[0006]为此，为了解决现有技术中的上述问题，本专利技术提出一种电缆通道防外破智能前端监控及预警系统。
[0007]本专利技术通过以下技术手段解决上述问题：
[0008]一种电缆通道防外破智能前端监控及预警系统，包括：
[0009]在线监控子系统，采用多个集成了边缘计算盒子的智能监控设备实时获取电缆运行状态时空分布信息，对所获取的电缆运行状态时空分布信息进行特征提取和行为识别，并输出经过特征提取和行为识别后的数据信息；
[0010]风险评估子系统，用于接收和处理所述在线监控子系统所输出的数据信息，并输出风险评估结果；
[0011]智能预警子系统，用于接收所述风险评估子系统所输出的风险评估结果，依据所接收到的风险评估结果判断是否发出预警；且对接收到的所有风险评估结果进行再分析，并输出各种风险评估结果的发生率；
[0012]视频综合管理平台，用于所述在线监控至系统、风险评估子系统和智能预警子系统相互之间的信息接入、存储和转发；
[0013]所述边缘计算盒子搭载有神经网络模型。
[0014]进一步的，所述在线监控子系统实时获取电缆运行状态时空分布信息采用原位非
破坏技术采集电缆地理坐标数据，并联合基于无线射频识别技术(RFID)的电缆通道数字化标签与视频监控智能识别算法，动态识别电缆及其附属设施的地理位置信息及状态信息。
[0015]进一步的，所述在线监控子系统对所获取的电缆运行状态时空分布信息进行特征提取和行为识别采用Faster RCNN网络构建目标特征及行为识别模型，利用该模型构建特征提取及行为识别算法，其具体流程为：
[0016]S1、获取所需输入图像；
[0017]S2、通过区域生成网络RPN生成候选区域；
[0018]S3、提取S2中候选区域特征；
[0019]S4、对S3中所提取的特征进行分类；
[0020]S5、回归器回归并进行位置调整。
[0021]进一步的，所述S3中采用基于注意力机制的空间转换模型提取特征，其具体步骤为：
[0022]S31、使用CNN网络提取图像的特征图；
[0023]S32、根据S31中的特征图，使用一个回归网络计算特征图在原图的坐标信息；
[0024]S33、新建一幅空白图，根据S32的坐标信息重建物体的关键部位的图像。
[0025]进一步的，本专利技术还包括：
[0026]电子围栏，用于接收所述在线监控子系统内所获取的实时信息，并对该信息进行处理，输出该信息对应的标签，所述风险评估子系统接收该标签，并判断是否为危险物体，进而判断是否启动电子围栏。
[0027]与现有技术相比，本专利技术的有益效果至少包括：
[0028]本专利技术通过在线电子监控子系统、风险评估子系统、智能预警子系统和视频综合管理平台的互相联动，解决传统标识方法对地埋电缆走向定位不准确、无法同步记录信息更新的问题；解决传统视频监控缺乏对地埋电缆外破行为的有效识别、识别率低的问题；解决传统视频监控完全依赖后台信息处理的识别效率低、时效性差的问题；解决传统视频监控识别范围有限，存在监控盲区的问题；解决传统地埋电缆防外破手段无法全时段、智能化预警的问题。
附图说明
[0029]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030]图1是本专利技术所提供的一种电缆通道防外破智能前端监控及预警系统的系统框图；
[0031]图2是本专利技术所提供的在线监控子系统内构建特征提取和行为识别算法的流程图；
[0032]图3是图2中S3的具体步骤流程图。
具体实施方式
[0033]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面将结合附图和具体的实施例对本专利技术的技术方案进行详细说明。需要指出的是，所描述的实施例子仅仅是本专利技术一部分实施例，而不是全部的实施例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0034]如图1所示，一种电缆通道防外破智能前端监控及预警系统，包括：
[0035]在线监控子系统，采用集成了边缘计算盒子的智能监控设备实时获取电缆运行状态时空分布信息，对所获取的电缆运行状态时空分布信息进行特征提取和行为识别，并输出经过特征提取和行为识别后的数据信息。
[0036]在本专利技术中，所述智能监控设备主要依托于前端摄像头(未图示)，每个前端摄像头内都集成了边缘计算盒子(未图示)，所述边缘计算盒子搭载有神经网络模型，本专利技术设计通过在神经网络结构HRnet的Bottleneck部分引入SE模块，以及低分辨率子网中使用改进的激活函数L-swish，并结合基于优化神经网络结构Pose-HRnet改进模型，从而提高模型的计算精度，实现对目标对象运动轨迹、行为姿态的精确监测与追踪。并基于该改进模型在TensorFlow人工智能框架中编写模型代码，用于模型训练、模型测试，并将模型部署与边缘计算盒子中，实现前端摄像头对包括但不限于钻机、钩机、炮机、顶管、打桩机、施工围蔽及人体等电缆通道外破目标运动轨迹的精确监测和行为分析。
[0037]在整个电缆通道范围内按需安装一个或多个前端摄像头，每个前端摄像头之间都是联动的。目前市面上视频监控识别方法主要以单摄像头独立进行识别分析，识别距离有限，且在极限距离对目标行为的判别有效度差。因此本专利技术设计以智能监控设备联调控制为关键环节，结合基于目标检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电缆通道防外破智能前端监控及预警系统，其特征在于，包括：在线监控子系统，采用集成了边缘计算盒子的智能监控设备实时获取电缆运行状态时空分布信息，对所获取的电缆运行状态时空分布信息进行特征提取和行为识别，并输出经过特征提取和行为识别后的数据信息；风险评估子系统，用于接收和处理所述在线监控子系统所输出的数据信息，并输出风险评估结果；智能预警子系统，用于接收所述风险评估子系统所输出的风险评估结果，依据所接收到的风险评估结果判断是否发出预警；且对接收到的所有风险评估结果进行再分析，并输出各种风险评估结果的发生率；视频综合管理平台，用于所述在线监控子系统、风险评估子系统和智能预警子系统相互之间的信息接入、存储和转发；所述边缘计算盒子搭载有神经网络模型。2.根据权利要求1所述的电缆通道防外破智能前段监控及预警系统，其特征在于，所述在线监控子系统实时获取电缆运行状态时空分布信息采用原位非破坏技术采集电缆地理坐标数据，并联合基于无线射频识别技术(RFID)的电缆通道数字化标签与视频监控智能识别算法，动态识别电缆及其附属设施的地理位置信息及状态信息。3.根据权利要求2所述的电缆通道...

【专利技术属性】
技术研发人员：刘敏，郭焕，庄师强，李海良，
申请(专利权)人：暨南大学，
类型：发明
国别省市：