一种基于多通道CNN的变电现场作业违规行为检测方法技术

一种基于多通道CNN的变电现场作业违规行为检测方法，属于人工智能数字图像处理领域，包括以下步骤：S1：建立变电现场作业违规行为数据库；S2：计算S1中截取违规行为区域的面积，按截取违规行为区域的面积大小分成N类并统计每一类的区域数量，然后计算面积分布概率α

【技术实现步骤摘要】
一种基于多通道CNN的变电现场作业违规行为检测方法


[0001]本专利技术属于人工智能数字图像处理领域，更具体地，涉及一种基于多通道CNN的变电现场作业违规行为检测方法。

技术介绍

[0002]近年来，随着电力工业的快速发展和电网设备不断增多，变电作业人员的工作量和工作强度明显增强。受技能水平、身体状态、恶劣气象状况等多方面因素影响，变电作业中存在的风险已呈现出越来越复杂的趋势。特别是，部分电气设备的安装、调试、维护需要工作人员在高空作业，存在极大的安全隐患。统计表明，大部分的变电系统事故与工作人员的违规操作行为有密切关系。例如，在变电现场未佩戴安全帽作业、登高未使用安全带、工作区域吸烟、不穿绝缘靴操作室外高压设备等等。因此，变电现场的违规行为检测具有重要意义。
[0003]为减少变电作业事故，传统方法依赖于人工监控或通过远程视频监控作业现场，及时制止不规范或违规行为，这种方法费时、费力，且让人容易枯燥。现有检测方法主要基于单通道提取图像特征，或者以固定权重进行通道融合，忽略了不同尺度的图像特征对检测性能的影响。r/>[0004]如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多通道CNN的变电现场作业违规行为检测方法，其特征在于，包括以下步骤：S1：建立变电现场作业违规行为数据库；S1.1：采集变电现场违规行为图像；S1.2：图像预处理；S1.3：截取违规行为区域，并对该区域所属的违规行为进行标定；S2：计算S1中截取违规行为区域的面积，按截取违规行为区域的面积大小分成N类并统计每一类的区域数量，N≥2，然后计算面积分布概率α
i
，i表示第i类区域，1≤i≤N；S3：针对S1中建立的数据库，融合面积分布概率α
i
构建多通道CNN模型，来提高不同大小目标的检测能力；S4：采用多通道CNN模型对S1中建立的数据库进行训练，将S1.2中预处理后的图像输入S3的多通道CNN模型，输出变电现场作业行为检测结果。2.根据权利要求1所述的基于多通道CNN的变电现场作业违规行为检测方法，其特征在于，所述S1.2的图像预处理方法为：将图像转换为灰度图像，图像大小归一化到M
×
M像素。3.根据权利要求2所述的基于多通道CNN的变电现场作业违规行为检测方法，其特征在于，所述M
×
M像素中M优选为2
k
，k≥7。4.根据权利要求1所述的基于多通道CNN的变电现场作业违规行为检测方法，其特征在于，所述S1.3中的违规行为类别包含未穿工作服、未佩戴安全帽、跨越临时遮栏、登高作业未使用安全带、不穿绝缘靴操作室外高压设备、作业过程中无...

【专利技术属性】
技术研发人员：朱明增，孙春日，覃剑永，岑建军，刘荣洲，胡凯博，黄新华，张炜，黎华，梁兆庭，周承秀，覃秋勤，刘小兰，周虹妤，李永栈，杨芳，韦妙香，陈极万，罗小波，杨波，谢辉，张展声，吕鸣，胡清智，朱敦森，丘浩，林翔宇，莫梓樱，陈少暖，黄承伟，陈琴，蒙亮，
申请(专利权)人：广西电网有限责任公司贺州供电局，
类型：发明
国别省市：