一种高空电力作业场景下的安全带佩戴检测方法及系统技术方案

本发明专利技术公开了一种高空电力作业场景下的安全带佩戴检测方法及系统，涉及目标检测技术领域，包括采集电力作业场景下的数据集，并进行预处理；优化损失函数和构建安全带佩戴检测网络结构；使用预处理后的数据集和优化后的损失函数进行训练，获得安全带佩戴检测模型；实时检测现场采集的图像，进行高空电力作业场景下的安全带佩戴检测。本发明专利技术引入了数据增强和注意力机制，显著提升网络的学习能力，更有效地从监测图像中提取关键信息。提高了对远距离小目标的检测效果，增强系统在复杂高空电力作业场景下的适用性。大幅度减少人工成本，通过自动化的安全带检测系统，为后续高空电力作业提供便利与方便。

【技术实现步骤摘要】

本专利技术涉及目标检测，特别是一种高空电力作业场景下的安全带佩戴检测方法及系统。

技术介绍

1、近年来，随着计算机视觉计算的日益成熟，尤其是神经网络技术的迅猛发展，深度学习技术在各类生产环境中得到广泛应用。深度学习的理念最初源自西方数学家和计算机科学家对人工神经网络的研究。人工神经网络是一种模仿动物神经网络行为特征的算法模型，通过调整内部大量节点之间相互连接的关系，实现分布式并行信息处理，从而达到处理信息的目的。深度学习的引入不仅在生活中产生了巨大影响，同时也逐渐应用于高空电力作业场景。

2、在高空电力作业现场，存在特殊带电设备等危险因素，环境复杂，容易发生安全事故。若未达到电力工作要求的人员进入施工现场，可能导致严重的人员伤亡事故。为了减少此类潜在危险，需要在日常电力作业中对作业人员的安全带佩戴情况进行监测。然而，由于作业人员的自身安全意识不足，容易出现未规范佩戴或未佩戴安全带的情况。监护人员时刻在场监督不仅劳动强度大，而且智能化水平相对较低，使得人工检测是否规范佩戴安全带效率低下。

技术实现思路

<本文档来自技高网...

【技术保护点】

1.一种高空电力作业场景下的安全带佩戴检测方法，其特征在于：包括，

2.如权利要求1所述的高空电力作业场景下的安全带佩戴检测方法，其特征在于：所述预处理包括以下步骤，

3.如权利要求2所述的高空电力作业场景下的安全带佩戴检测方法，其特征在于：所述损失函数包括佩戴检测损失和规范化正则损失，

4.如权利要求3所述的高空电力作业场景下的安全带佩戴检测方法，其特征在于：所述规范化正则损失用于规范模型参数的，避免过度拟合，相关定义式如下：

5.如权利要求4所述的高空电力作业场景下的安全带佩戴检测方法，其特征在于：所述构建安全带佩戴检测网络结构包括以下...

【技术特征摘要】

1.一种高空电力作业场景下的安全带佩戴检测方法，其特征在于：包括，

2.如权利要求1所述的高空电力作业场景下的安全带佩戴检测方法，其特征在于：所述预处理包括以下步骤，

3.如权利要求2所述的高空电力作业场景下的安全带佩戴检测方法，其特征在于：所述损失函数包括佩戴检测损失和规范化正则损失，

4.如权利要求3所述的高空电力作业场景下的安全带佩戴检测方法，其特征在于：所述规范化正则损失用于规范模型参数的，避免过度拟合，相关定义式如下：

5.如权利要求4所述的高空电力作业场景下的安全带佩戴检测方法，其特征在于：所述构建安全带佩戴检测网络结构包括以下步骤，

6.如权利要求5所述的高空电力作业场景下的安全带佩戴检测方法，其特...

【专利技术属性】
技术研发人员：李鑫卓，许逵，张历，张俊杰，李欣，曹雷，班国邦，冯光璐，孟令雯，刘君，杨旗，陈敦辉，祝健杨，唐赛秋，付胜军，范强，毛先胤，陈沛龙，罗显跃，刘斌，付渊，李翔，冯起辉，欧阳泽宇，余昌皓，何沛林，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：