电力作业场景违章行为识别模型、方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种电力作业场景违章行为识别模型、方法、装置及存储介质，该模型包括：卷积层，用于对输入的电力作业场景图片进行特征提取，得到多个特征图；显著性最大池化层，用于对多个特征图进行最大池化操作；显著性部件定位学习层，用于对池化结果进行加权求和，得到求和结果；分类层，用于根据求和结果输出识别结果。通过实施本发明专利技术，在模型中采用显著性最大池化层取代全连接层，解决了卷积神经网络中参数量过大、容易过拟合的问题，采用显著性最大池化层连接卷积层，直接赋予了每个通道实际的类别意义，剔除了全连接层中黑箱的特征，使网络结构具有可解释性。设置显著性部件学习层，使得电力作业场景下的违章行为识别变得可溯因。溯因。溯因。

【技术实现步骤摘要】
电力作业场景违章行为识别模型、方法、装置及存储介质


[0001]本专利技术涉及电力作业违章检测
，具体涉及一种电力作业场景违章行为识别模型、方法、装置及存储介质。

技术介绍

[0002]电网作业场景下施工环境相对复杂，存在众多不安全因素，如进入作业现场未按规定正确佩戴安全帽、作业现场未按要求设置围栏等，这些不安全因素对作业现场人员的人身安全构成了潜在威胁。
[0003]与此同时，随着深度学习方法的不断改进，人工智能系统在越来越多的复杂任务上取得了超越人类的水平，基于深度学习的系统已经广泛应用于电网、医疗、自动驾驶等领域。然而，尽管这些算法在大部分任务中发挥着卓越的表现，但在进行电力作业场景下违章行为识别时，产生的结果却不可解释、不可溯因，甚至在有些情况下不可控。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了涉及一种电力作业场景违章行为识别模型、方法、装置及存储介质，以解决现有技术中采用深度学习进行电力作业场景下违章行为识别时结果可解释性较差的技术问题。
[0005]本专利技术提出的技术方案如下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力作业场景违章行为识别模型，其特征在于，包括：卷积层，用于对输入的电力作业场景图片进行特征提取，得到多个特征图；显著性最大池化层，用于对所述多个特征图进行最大池化操作，得到池化结果；显著性部件定位学习层，用于对所述池化结果进行加权求和，得到求和结果；分类层，用于根据所述求和结果输出对所述电力作业场景图片的违章行为识别结果。2.根据权利要求1所述的电力作业场景违章行为识别模型，其特征在于，所述显著性最大池化层的操作采用如下公式表示：F
k
＝Max(f
k
(x,y))式中，f
k
(x,y)表示第k个特征图上(x，y)位置的值。3.根据权利要求2所述的电力作业场景违章行为识别模型，其特征在于，所述显著性部件定位学习层的操作采用如下公式表示：式中，c表示类别，w表示第k个特征图的权重。4.根据权利要求3所述的电力作业场景违章行为识别模型，其特征在于，所述分类层的操作采用如下公式表示：式中，P
c
表示类别c对应的分类值。5.根据权利要求3所述的电力作业场景违章行为识别模型，其特征在...

【专利技术属性】
技术研发人员：郑敏，吴春鹏，张国梁，林龙，刘卫卫，初宗博，周飞，
申请(专利权)人：国网智能电网研究院有限公司，
类型：发明
国别省市：