一种电力作业典型违章行为实时预警方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115909212A(43)申请公布日2023.04.04(21)申请号202211565004.5(51)Int.Cl.(22)申请日2022.12.07G06V20/52(2022.01)G06V20/40(2022.01)(71)申请人国网辽宁省电力有限公司阜新供电G06V40/20(2022.01)公司G06V10/82(2022.01)地址123000辽宁省阜新市海州区解放大G06V10/94(2022.01)街53号G06V10/764(2022.01)申请人国家电网有限公司G06V40/16(2022.01)(72)发明人崔颢骞于浩赵蓓蓓李天成张国庆卜洪亮常津宁王一孙庚李璐李振宇高之成陈鑫王一钦李晓乐叶青郭小娟韩美至(74)专利代理机构葫芦岛天开专利商标代理事务所(特殊普通合伙)21230专利代理师卜海慧权利要求书2页说明书5页附图2页(54)发明名称一种电力作业典型违章行为实时预警方法(57)摘要一种电力作业典型违章行为实时预警方法，包括：在作业现场布置布控球系统，对现场视频采集和存储；同时根据深度学习算法，对作业人员进行神经网络建模；采集主机根据收集到的视频译码，根据香农定理对图像信息取样和图像识别，分析出所在的区域，传递给监控主机的边缘计算模块和网络云端监控平台上；对识别的图像进行处理，对作业现场异常进行确认，通过人脸识别进行比对，最终得出违章结论；将作业现场的作业人员的违章行为情况及时记录，反馈到安全管理人员，将违章行为结果利用网络云端监控平台以手机终端APP和装置主机共同的形式提醒违章行为的工人及时做出调整。CN115909212ACN115909212A权利要求书1/2页1.一种电力作业典型违章行为实时预警方法，其特征在于，包括以下步骤：步骤1、在作业现场布置布控球系统，利用布控球系统对现场监控并对视频采集和存储；同时根据深度学习算法，对作业人员进行神经网络建模，通过长时间的训练对作业人员的工作状态和标准状态进行建模比对形成样本库；步骤2、采集主机根据布控球系统收集到的视频译码，根据香农定理对图像信息取样，根据现场施工人员的着装特点进行图像识别，分析出所在的区域，采集主机将所分析的区域以数字信号编码的方式传递给装置主机的边缘计算模块和网络云端监控平台；步骤3、装置主机通过边缘计算模块，对识别的图像进行处理，对作业现场异常进行确认，通过人脸识别进行比对，最终得出违章结论；步骤4、将作业现场的作业人员的违章行为情况及时记录，反馈到安全管理人员，通过将记录结果的信号利用网络云端监控平台，将违章行为结果以手机终端APP和装置主机共同的形式提醒违章行为的工人及时做出调整。2.根据权利要求1所述的一种电力作业典型违章行为实时预警方法，其特征在于，步骤1中根据深度学习算法对作业人员进行神经网络建模的过程是：深度学习中的深层次神经网络对目标特征进行自动提取，令wk、wk+1为k次和k+1次训练的网络权值向量，则权值调整量为Δwk＝wk+1‑wk(1)根据高斯‑牛顿法可知：T‑1Δwk＝‑[J(wk)J(wk)]J(wk)e(wk)(2)其中e(wk)表示权值误差向量，J(wk)表示误差对权值微分的雅可比矩阵。3.根据权利要求1所述的一种电力作业典型违章行为实时预警方法，其特征在于，步骤3中所述边缘计算模块的边缘计算分为加噪声、滤波、增强和检测，具体包括：1)首先对采集的图像添加服从高斯分布：的高斯噪声，其中μ，σ2为分布的参数，分别表示高斯分布的期望和方差；2)检测到图像上灰度变化最明显的地方，对可能的边缘像素点求微分、二阶微分判断是否为边缘像素点，根据图像的特点将图像的边缘类型分为阶梯状、屋顶状、脉冲状，利用高斯滤波算法：对三种不同形状的边缘滤波处理，处理掉多余的像素点；3)对剩余的像素点使用指数增强算法，并使用canny算子进行边缘检测处理，将处理之后的结果实时传递给云端监控服务器，将处理结果送入到使用异常数据训练的神经网络模型中，得到是异常数据的概率，当概率大于设定阈值时则触发报警装置，提醒在现场的工作人员；云端通过神经网络计算得到的异常数据对物理端传入数据进行反馈，在高异常数据2CN115909212A权利要求书2/2页风险时触发报警装置。4.根据权利要求1所述的一种电力作业典型违章行为实时预警方法，其特征在于，步骤2中根据香农定理对图像信息进行取样时，当采样频率满足：2umax≤us(3)2vmax≤vs(4)时进行取样，其中us、vs为信号在不是真的情况下两个方向频域上的回复模拟信号频率，umax、vmax分别为信号在两个方向的频域上的有效频谱的最高角频率。5.根据权利要求1所述的一种电力作业典型违章行为实时预警方法，其特征在于，步骤2中图像