一种变电现场作业违规行为检测方法技术

本发明专利技术提出一种变电现场作业违规行为检测方法：首先，采集变电现场作业违规行为图像，手动分割作业相关目标，并对图像所属的违规行为类别进行标定，建立变电现场目标分割数据集和违规行为分类数据集；然后，基于目标分割数据集对U

【技术实现步骤摘要】
一种变电现场作业违规行为检测方法


[0001]本专利技术涉及数字图像处理领域，涉及人工智能和深度学习。

技术介绍

[0002]随着国家电网的高速发展和变电设备覆盖范围的迅速扩大，变电场所工作人员的劳动强度明显增加。然而，由于工作人员的安全意识不强，加上受恶劣气象条件影响，导致违规操作行为频发，变电作业风险呈现出不断上升趋势。例如，忘记带安全帽，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。尤其是，部分电气设备的安装、调试、维护需要工作人员在高空作业，违规操作存在极大的安全隐患。因此，变电现场的违规行为检测具有重要意义。
[0003]为防范变电作业现场中出现的违规操作，传统方法需要专人在作业现场进行巡，或者通过远程摄像头进行监控，及时对工作人员的违规行为进行警示，以避免违规施工造成的人员伤亡和经济损失。这种方法费时费力，且长时间的巡检和监控易使人疲惫和枯燥，而现有基于深度学习的违规行为检测方法一般基于预处理后的图像，如灰度变换、旋转、加入噪声，进行训练和测试，很少考虑图像背景或不相关物体对检测性能的影响。
专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变电现场作业违规行为检测方法，其特征在于，检测步骤如下，S1：采集变电现场作业违规图像，并将图像转换为灰度图像，手动分割变电现场作业目标，构建变电现场作业目标分割数据集，对图像内容所属的变电现场作业行为类别进行标定，构建违规行为分类数据集；S2：基于S1中所构建的变电现场目标分割数据集训练U
‑
Net模型，对输入图像进行预处理，获得灰度图像并将该灰度图像输入到U
‑
Net网络，实现基于U
‑
Net的变电现场作业目标分割，得到二值目标图像；S3：将S2中获得的二值目标图像与预处理的输入图像进行“与”操作，去除背景区域与不相关物体，获取目标区域的灰度图像；S4：基于S1中所构建的作业现场违规行为分类数据集训练CNN模型，将S3中获取的目标区域的灰度图像输入到CNN模型，实现最终的现场作业违规行为检测。2.根据权利要求1所述的变电现场作业违规行为检测方法，其特征在于，所述变电现场作业目标包括“工作人员”、“安全帽”、“绝缘靴”、“高压设备”。3.根据权利要求1所属的变电现场作业违规行为检测方法，其特征在于，所述变电现场作业行为类别包括“未穿工作服”、“未佩戴安全帽”、“跨越临时遮拦”、“登高作业未使用安全带”、“不穿绝缘靴操作室外高压设备”、“作业过程中无人扶梯”以及“规范作业”。4....

【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，张炜，黎华，梁兆庭，周承秀，覃秋勤，刘小兰，周虹妤，胡凯博，黄新华，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，李永栈，杨芳，韦妙香，陈极万，罗小波，
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：