一种面向变电站场景的高精度违规行为检测方法及装置制造方法及图纸

本发明专利技术属于工业安全和劳动保护的技术领域，公开了一种面向变电站场景的高精度违规行为检测方法及装置，包括采集违规行为图像，进行预处理，构建图像数据集；对改进的目标检测模型输入所述图像数据集训练得到违规行为检测模型；将所述模型接入监控系统，实现违规行为的实时检测。通过在YOLOv7模型框架下改进信息融合优化、目标检测优化以及增添注意力机制，在提高检测精度的同时，不影响算法的高效率，具有很好的实用性。具有很好的实用性。具有很好的实用性。

【技术实现步骤摘要】
一种面向变电站场景的高精度违规行为检测方法及装置


[0001]本专利技术涉及工业安全和劳动保护的
，尤其涉及一种面向变电站场景的高精度违规行为检测方法及装置。

技术介绍

[0002]一些传统的违规行为识别方法，如高斯混合模型等，高斯混合模型容易过拟合，特别是当混合成分的数量较多时，模型更容易学习到数据中的噪声和异常值，而忽略掉真实的模式，这就使其在面临复杂的环境如变电站户外安全帽检测时表现结果较差，无法很好起到在变电站中安全帽检测的能力；方向梯度直方图(HOG)描述子生成过程冗长，导致速度慢，实时性差，较难适应安全帽检测的变电站应用场景，同时其对光照、阴影等因素比较敏感，在户外场景的识别准确度有明显下降。梯度直方图是基于图像的局部梯度特征进行计算的，而这些特征受到光照、阴影等因素的影响比较大。因此，在面对安全帽户外检测时可能出现的高强度光照场景梯度直方图的效果会明显降低，无法准确的完成检测。
[0003]随着计算机硬件的发展，图形处理器(GPU)被大规模使用，计算速度大大提高，为大型的深度学习训练提供了保障。深度学习的方法在违规行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向变电站场景的高精度违规行为检测方法，其特征在于，包括：采集违规行为图像，进行预处理，构建图像数据集；对改进的目标检测模型输入所述图像数据集训练得到违规行为检测模型；将所述模型接入监控系统，实现违规行为的实时检测。2.如权利要求1所述的面向变电站场景的高精度违规行为检测方法，其特征在于：所述违规行为包括未按照规定佩戴个人防护装备、未按照规定进行操作、操作不规范以及违反安全规定。3.如权利要求2所述的面向变电站场景的高精度违规行为检测方法，其特征在于：所述采集违规行为图像，包括：通过网络收集和线下采集违规行为图像，并从所述违规行为图像中随机选取N张图像进行图像数据增强，构建所述图像数据集。4.如权利要求3所述的面向变电站场景的高精度违规行为检测方法，其特征在于：所述改进的目标检测模型，包括对原始目标检测进行信息融合优化、目标检测优化以及增添注意力机制；所述信息融合优化包括，基于原目标检测网络，在MPConv模块中分支的最大池化层后加上一个k＝1，s＝1的卷积；在下分支k＝1，s＝1的卷积后连接一个k＝3，s＝2的卷积；对最大池化层与1x1的卷积进行级联操作，通过选择局部最大值来学习图像的边缘信息和纹理信息；另一个分支通过两个卷积级联来进一步提取图像的细节。5.如权利要求4所述的面向变电站场景的高精度违规行为检测方法，其特征在于：所述目标检测优化包括：将一张SxS像素的图片分成...

【专利技术属性】
技术研发人员：李鑫卓，许逵，张历，张俊杰，李欣，陈沛龙，张锐锋，班国邦，冯光璐，孟令雯，陈敦辉，刘君，刘斌，张后谊，祝健杨，辛明勇，付胜军，范强，王宇，毛先胤，赵超，罗显跃，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：