一种基于深度学习的电网施工进度与安全识别方法技术

本发明专利技术公开了一种基于深度学习的电网施工进度与安全识别方法，包括：预处理基建项目图像，制作数据集；将数据集进行缩放，根据设定的图像数量依次将数据集输入至识别模型；通过识别模型对输入进行前向传播计算，根据前向传播结果与标注图像中的真实框，计算损失值；分别计算损失值对识别模型各个权重矩阵和偏置参数的梯度，并对识别模型进行更新；若更新的识别模型未收敛或未达到最大训练次数，则通过更新的识别模型重新对输入进行前向传播计算，直至更新的识别模型收敛或达到最大训练次数停止训练识别模型；利用训练完成的识别模型对基建项目图像进行识别；本发明专利技术能够精准监测工地进度，为施工现场提供决策依据，实现智慧工地自动化与智能化。地自动化与智能化。地自动化与智能化。

A method of identifying power grid construction progress and safety based on deep learning

【技术实现步骤摘要】
一种基于深度学习的电网施工进度与安全识别方法


[0001]本专利技术涉及工地进度与安全识别的
，尤其涉及一种基于深度学习的电网施工进度与安全识别方法。

技术介绍

[0002]电力行业作为国计民生的重要资源、国民生活的保障和社会发展的支撑，推动着国家的发展与进步。近年来，在电网高速发展的背景下，电力施工工程众多，电力设施遍布广阔，这在推动经济发展的同时，也为工程进度与安全巡检带来挑战。
[0003]目前，对电力施工现场的进度与安全巡检工作存在两方面问题。首先，在巡检方面主要依靠人工巡检的方式，该方式浪费大量的人力、物力和财力资源，同时效率相对低下；其次，在进度与安全识别方面，主要依靠人工进行核实，自动化程度不足，不具有实时性，预警效果较差；另外，系统多采用传统管理模式，不利于各工地之间相关数据的共享。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的电网施工进度与安全识别方法，其特征在于，包括：预处理基建项目图像，制作数据集；将数据集进行缩放，根据设定的图像数量batch依次将数据集输入至识别模型；通过所述识别模型对输入进行前向传播计算，根据前向传播结果与标注图像中的真实框，计算损失值；分别计算所述损失值对识别模型各个权重矩阵和偏置参数的梯度，并通过Nesterov加速梯度下降法对识别模型进行更新；若更新的识别模型未收敛或未达到最大训练次数，则通过更新的识别模型重新对输入进行前向传播计算，直至更新的识别模型收敛或达到最大训练次数停止训练识别模型；利用训练完成的识别模型对基建项目图像进行识别。2.如权利要求1所述的基于深度学习的电网施工进度与安全识别方法，其特征在于，所述预处理，包括：标注：利用Labelme对基建项目图像中的目标进行位置、类别标注，所述目标包括基础挖坑、浇筑、组塔、放线、附件安装、已佩戴安全帽和未佩戴安全帽；转化：将标注后的文件格式转换为{label,x,y,w,h}的形式，其中，x＝x1y＝y1w＝x2
–
x1h＝y2
–
y1式中，(x1，y1)为待检测目标矩形框的左上角像素坐标，(x2，y2)为待检测目标矩形框的右下角像素坐标，w和h分别为待检测目标矩形框的宽度和高度，x和y分别基建项目图像中的目标的像素横、纵坐标；平滑：通过中值滤波算法对所有基建项目图像进行平滑处理。3.如权利要求2所述的基于深度学习的电网施工进度与安全识别方法，其特征在于，包括：缩放尺度为640*640，设定的图像数量batch＝16。4.如权利要求3所述的基于深度学习的电网施工进度与安全识别方法，其特征在于，前向传播结果包括目标预测矩形框的位置、大小以及所包含目标的类别。5.如权利要求1～4任一所述的基于深度学习的电网施工进度与安全识别方法，其特征...

【专利技术属性】
技术研发人员：石绍辉，马徐行，柯春俊，秦哲，
申请(专利权)人：广州市赛皓达智能科技有限公司，
类型：发明
国别省市：