一种基于机器视觉的电力作业现场违章判断方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115049893A(43)申请公布日2022.09.13(21)申请号202210558837.2(51)Int.Cl.(22)申请日2022.05.21G06V10/774(2022.01)G06V10/764(2022.01)(71)申请人国网浙江省电力有限公司杭州供电G06V10/82(2022.01)公司G06T5/50(2006.01)地址310000浙江省杭州市上城区解放东G06T7/00(2017.01)路59号G06N5/00(2006.01)申请人国网浙江省电力有限公司G06N20/20(2019.01)(72)发明人孙智卿屠永伟樊立波韩荣杰宣羿向新宇黄佳斌金旻昊蒋建王忆陈益芳来益博方响黄晓波吴靖徐翔海倪展徐国丰余丰董超文徐通(74)专利代理机构杭州华鼎知识产权代理事务所(普通合伙)33217专利代理师俞宏涛权利要求书1页说明书5页附图1页(54)发明名称一种基于机器视觉的电力作业现场违章判断方法(57)摘要本发明公开了一种基于机器视觉的电力作业现场违章判断方法，包括以下步骤：S1：获取作业现场相关历史作业图像信息；S2：利用无缝融合算法进行图像样本的生成，以扩充原始图像数据集，并采用XGBoost算法对扩充后的数据集分类，进行质量评定筛选；S3：利用目标检测方法对电力作业现场人员进行分类识别，对违章行为进行识别和研判，识别结果联动中心报警记录。本发明的实质性效果包括：具有较好的违章行为识别性能，能明显提高违章行为的识别准确率，能够根据违章行为识别结果实现作业人员违章行为类别识别、违章行为分类告警、识别结果联动中心报警等电力安全管控功能。CN115049893ACN115049893A权利要求书1/1页1.一种基于机器视觉的电力作业现场违章判断方法，其特征在于，包括以下步骤：S1：获取作业现场相关历史作业图像信息；S2：利用无缝融合算法进行图像样本的生成，以扩充原始图像数据集，并采用XGBoost算法对扩充后的数据集分类，进行质量评定筛选；S3：利用目标检测方法对电力作业现场人员进行分类识别，对违章行为进行识别和研判，识别结果联动中心报警记录。2.根据权利要求1所述的一种基于机器视觉的电力作业现场违章判断方法，其特征在于，步骤S2包括：S21：对于样本稀缺的图像数据集，将作业人员违章行为图像与正常作业现场实地图像进行融合，形成新的作业现场人员违规图像，增加原始图像样本数据，无缝融合算法通过保留作业人员违规行为图像梯度信息的同时，融合作业人员违规行为图像与正常作业现场实地图像的背景，利用最小化方程式方法，实现梯度域上的联系，实现边界处的无缝融合，该方程式如下：其中，f表示无缝融合后图像区域Ω；▽表示梯度算子；V表示被融合的目标引导梯度；f*是融合图像区域的边界的值；S22：采用XGBoost算法的模型对图像内容进行训练确定质量评定的标准后，对扩充的图像数据集进行质量评定并筛选分类；S23：对经过分类筛选后的数据集中低质量的图像进行删除，保留高质量的数据图像，达到优化扩充的图像数据集目的。3.根据权利要求2所述的一种基于机器视觉的电力作业现场违章判断方法，其特征在于，步骤S22包括：通过人工对部分图像进行标注和筛选，将标注和筛选后的图像利用XGBoost算法进行训练后对扩充样本分类，并对扩充数据集中的图像质量评定和筛选；XGBoost的优化集成树模型如下：其中，z’i是第i个图像的预测值，K是模型中树的数目，F是树的集合空间，di表示第i个图像的特征向量，fk与第k个独立树的结构和叶权重对应。4.根据权利要求1或2或3所述的一种基于机器视觉的电力作业现场违章判断方法，其特征在于，步骤S3包括：S31：对作业人员违规打伞、未佩戴安全帽、未佩戴面罩、攀爬扶梯无保护、违规吸烟和作业现场无标识牌的违章行为，利用目标检测进行作业人员行为违章的识别和研判；S32：构建包括违章行为告警信号、就地报警和联动中心报警的三级智能预警体系，将目标检测识别的违规结果联动中心报警记录。2CN115049893A说明书1/5页一种基于机器视觉的电力作业现场违章判断方法技术领域[0001]本发明涉及电力现场作业领域，特别涉及一种基于机器视觉的电力作业现场违章判断方法。背景技术[0002]电力现场作业中的违章行为的研判对电力安全有重要的意义，影响着电力现场作业内容的准确和电力安全的要求。[0003]常见的电力作业现场违章行为通常包括作业人员违规打伞、未佩戴安全帽、未佩戴面罩、攀爬扶梯无保护、违规吸烟和作业现场无标识牌等，由于不同的违章行为的特点和发生的地点不同，其识别的难度也往往不同。同时由于当前对于电力安全的强调和重点管控，作业现场中的违章行为图像较少，导致原始数据集中的样本稀