一种基于高动态目标增强的复杂变电站环境安全监测方法技术

本发明专利技术公开了一种基于高动态目标增强的复杂变电站环境安全监测方法。包括获取变电站在各种工况下的视频和图像数据，作为标准样本数据集；对标准样本数据集进行基础数据处理，将标准样本数据集分为训练集、测试集和验证集；构建目标检测模型，将训练集的数据输入目标检测模型进行训练，并通过验证集和测试集优化目标检测模型参数；使用训练完成的目标检测模型对变电站内的实时图像进行分析，输出检测结果。本发明专利技术能够监控变电站在各种工况下的状态，具有识别率高、准确性强的优点。

【技术实现步骤摘要】

本专利技术涉及变电站环境安全监测，具体是一种基于高动态目标增强的复杂变电站环境安全监测方法。

技术介绍

1、随着电网规模的扩展和用电需求的增长，确保电网的安全、可靠和稳定运行变得尤为重要。变电站作为连接主干网与配电网的关键节点，其安全状况直接影响电网的可靠性。变电站内常见的安全隐患包括火灾、人员未佩戴安全帽及仪表异常等，这些问题如果未能及时处理，可能导致严重的经济损失和人员伤亡。传统火灾报警系统通常依赖特定阈值的传感器反应，例如温度或烟雾传感器，但这些系统存在反应滞后且无法及时捕捉火灾初期的缺陷。随着深度学习技术的快速发展，基于视频的火灾监控技术逐渐变得可行。

2、卷积神经网络(cnn)等深度学习模型在火焰检测和安全帽识别方面显著提升了精确度。这些模型能够自动学习复杂场景中的特征表示，准确区分火焰与类似火焰的物体，减少误检和漏检。此外，深度学习还可以进行人体姿态估计和特征提取，即使没有正面人脸或完整人体信息，也能准确判断工人是否佩戴安全帽，从而克服了传统方法的局限性。

3、然而，深度学习模型的效果在很大程度上依赖于训练数据的多样性和本文档来自技高网...

【技术保护点】

1.一种基于高动态目标增强的复杂变电站环境安全监测方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于高动态目标增强的复杂变电站环境安全监测方法，其特征在于：步骤S1中，利用变电站内的摄影设备以及现有数据库，收集变电站在各种工况下的视频和图像数据，作为标准样本数据集。

3.根据权利要求1所述的一种基于高动态目标增强的复杂变电站环境安全监测方法，其特征在于：步骤S1中，所述标准样本数据集包括火焰的图像数据、人员安全帽佩戴情况的图像数据和仪表状态的图像数据。

4.根据权利要求1所述的一种基于高动态目标增强的复杂变电站环境安全监测方法，其特征在...

【技术特征摘要】

1.一种基于高动态目标增强的复杂变电站环境安全监测方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于高动态目标增强的复杂变电站环境安全监测方法，其特征在于：步骤s1中，利用变电站内的摄影设备以及现有数据库，收集变电站在各种工况下的视频和图像数据，作为标准样本数据集。

3.根据权利要求1所述的一种基于高动态目标增强的复杂变电站环境安全监测方法，其特征在于：步骤s1中，所述标准样本数据集包括火焰的图像数据、人员安全帽佩戴情况的图像数据和仪表状态的图像数据。

4.根据权利要求1所述的一种基于高动态目标增强的复杂变电站环境安全监测方法，其特征在于：步骤s2中，所述基础数据处理包括提升的图像的清晰度、去除图像的噪声和标准化图像的尺寸。

5.根据权利要求1所述的一种基于高动态目标增强的复杂变电站环境安全监测方法，其特征在于：步骤s2中，所述将标准样本数据集分为训练集、测试集和验证集包括自动筛选标准样本数据集，剔除过于模糊的图像后使用labelimg软件进行手动矫正并标注标签文件；将标准样本数据集按照8：1：1的比例划分为训练集、验证集和测试集，以确保图像数据分布的均衡性和代表性。

6.根据权利要求1所述的一种基于高动态目标增强的复杂变电站环境安全监测方法，其特征在于：步骤s3中，所述实施在线动态图像增强动态方法调整训练集中训练图像的属性包括如下步骤：首先载入标注好的标准样本数据集的图像，提取火焰图像及其标签文件，细化火焰形态；然后将火焰图像叠加到目标背景的图像上，进行图像融合处理，根据火焰在融合后图像中的新位置和尺寸更新相应的标签文件；最后为每个火...

【专利技术属性】
技术研发人员：蒋俊杰，张永琪，万安平，程晓民，
申请(专利权)人：浙大城市学院，
类型：发明
国别省市：