【技术实现步骤摘要】
本专利技术属于电力系统安全识别，具体公开了一种基于改进yolov4的变电站作业现场异物入侵检测方法。
技术介绍
1、随着电力体制改革的深化和宏观经济新常态的形成，电能使用市场竞争日趋激烈，外部环境对电网经营企业和供电企业服务要求逐步提升，变电站的稳定高质量运行供电是供电局在不断完善的目标之一，变电站现有的管理监控模式为借助传感器、视频监控、人工分析、机器人巡检等，还有较大的提升改进空间。而随着“互联网+”时代来临以及人工智能技术的发展，变电站可引入人工智能技术并利用该技术提高变电站自动化管理监控水平，从而为用户提供更好的供电服务。目前，部分变电站的设备及安防监测手段较为落后，缺少智能化监控分析手段，可能没法及时准确地反映出异常情况信息。
2、cn113506416a公开了一种基于智能视觉分析的工程异常预警方法及系统，其系统包括客户端平台、数据传输平台、智能视觉分析平台；客户端通过加入无线局域网或者宽带的方式，在本地远程访问智能视觉分析平台；数据传输平台实现客户端和智能视觉分析平台之间的数据的传输；智能视觉分析平台包括监控摄像...
【技术保护点】
1.基于改进yolov4的变电站作业现场异物入侵检测方法，其特征在于所述检测方法包含有以下步骤：
2.根据权利要求1所述的基于改进yolov4的变电站作业现场异物入侵检测方法，其特征在于：构建变电站作业现场异物入侵检测识别框架步骤中：通过边缘计算平台接入变电站视频流，对指定区域进行异物入侵监控，针对与小老鼠等异物的入侵，对视频帧进行选帧处理，小目标检测、分类识别，当异常侵入被侦测到后，通过图像捕捉其形状，进而做出大体的类别判断，发送相应的警报供值班人员参考，减少因老鼠等小动物误入变电站带来的安全事故，具体为：
3.根据权利要求1所述的基于改进y...
【技术特征摘要】
1.基于改进yolov4的变电站作业现场异物入侵检测方法，其特征在于所述检测方法包含有以下步骤：
2.根据权利要求1所述的基于改进yolov4的变电站作业现场异物入侵检测方法，其特征在于：构建变电站作业现场异物入侵检测识别框架步骤中：通过边缘计算平台接入变电站视频流，对指定区域进行异物入侵监控，针对与小老鼠等异物的入侵，对视频帧进行选帧处理，小目标检测、分类识别，当异常侵入被侦测到后，通过图像捕捉其形状，进而做出大体的类别判断，发送相应的警报供值班人员参考，减少因老鼠等小动物误入变电站带来的安全事故，具体为：
3.根据权利要求1所述的基于改进yolov4的变电站作业现场异物入侵检测方法，其特征在于：对yolov4模型进行策略改进步骤中：yolov4通过主干特征提取网络cspdarknet53实现输入图像的特征提取，利用panet实现不同输出层之间的特征融合，在分类回归层沿用yolov3的结构；基于yolov4算法建立的变电站作业现场异物入侵检测识别模型由以下4个模块构成：csp模块将原来残差块的堆叠划分成两部分，一部分继续进行残差块的堆叠，另一部分只经少量处理再与输出相连，能够提高网络的学习能力，cbm模块用来提取输入图像特征，包括卷积、标准化和mish激活函数处理，cbl模块同样用来提取图像特征，与cbm模块不同的是，该模块的激活函数为leakyrelu，spp模块利用不同尺度的最大池化对输入特征层进行池化后再进行堆叠。
4.根据权利要求1所述的基于改进yolov4的变电站作业现场异物入侵检测方法，其特征在于：对yolov4模型网络结构的策略进行改进步骤中：将输入图像进行放缩为608×608的像素大小作为网络的输入，在3个不同尺度内通过卷积的方式实现局部特征的提取，输出的3个不同大小的特征图19×19、38×38和76×76分别对应尺度1、尺度2和尺度3，其中，尺度19×19是在辅助基础网络之后通过增加卷积块再卷积输出检测框信息，尺度38×38是在尺度1的末尾之前的卷积基础上再引入新的一轮卷积块并且进行上采样之后配合cspdarknet53网络的前五层的输入共同以张量的形式进行最终的卷积输出检测框信息，此时尺度增加了1倍，同理尺度76×76输出检测框也增加了1倍，然后基于交互层输出的特征图进行类别和位置的回归判断，使用逻辑回归来预测每个bounding box...
【专利技术属性】
技术研发人员：李楠，杨志远，马富齐，王波，刘勇，刘森，皮志勇，马恒瑞，
申请(专利权)人：国网湖北省电力有限公司荆门供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。