[发明专利]基于图像识别的施工安全隔离设施合规性监测方法

说明书

本发明涉及输变电施工技术领域，尤其涉及基于图像识别的施工安全隔离设施合规性监测方法，其包括如下流程：确定安全隔离设施种类和标准样式，并提取图像特征；确定每种安全隔离设施的使用场景，并提取场景图像特征；确定隔离设施加应用场景特征及其反向特征；形成cascade‑mask‑rcnn‑dconv网络模型；图像素材的收集；对素材进行人工标注，并生成数据集；进行迁移学习；对模型训练结果进行验证，并获得mAP和召回率等测试指标；形成成熟的图像识别监测方法。本发明提供的方法，能够适用于大部分环境的输变电工程现场安全隔离设施合规性识别及监测，极大地提升了输变电工程施工现场的管理水平。

技术领域

本发明涉及输变电施工技术领域，尤其涉及基于图像识别的施工安全隔离设施合规性监测方法。

背景技术

现有技术中，主流图像识别算法有Faster-rcnn、Mask-rcnn、Cascade-rcnn、DCN-net、Yolo算法等，主要应用领域包括交通、通讯、遥感卫星、生物医学、机器视觉等领域。而随着国家对安全生产重视程度的不断提升，在输变电施工安全监管领域，图像识别技术也已经开始了初步研究，但目前针对输变电施工安全监管领域的图像识别仅限于人脸识别、是否佩戴安全帽、区域入侵等简单的识别场景，究其原因有如下：

1)输变电工程现场环境复杂，从地理特点上来说，有山地和平原；从建筑特点来说，有地上站和地下站，还有隧道工程；从地质环境来说，有红土地、黄土地和黑土地；面向不同的现场环境，很难形成一套统一的图像识别标准算法；

2)从技术角度分析，图像识别需要海量的图片作为深度学习的基础数据，同时传统的互联网架构在内存容量和带宽上很难满足输变电工程全时段、全业务场景的图像识别需求。

因此，从实现难易角度分析，需要首先筛选出适用于大部分环境的图像识别需求，并且逐步完善输变电工程图像识别的其他业务场景；同时需要开发一套基于现场局域网络的图象识别方法。

发明内容

本发明所要解决的技术问题是提供基于图像识别的施工安全隔离设施合规性监测方法，能够适用于大部分环境的输变电工程现场安全隔离设施合规性识别及监测，以提升输变电工程施工现场的管理水平。

本发明是通过以下技术方案予以实现：

基于图像识别的施工安全隔离设施合规性监测方法，其包括如下流程：

——确定安全隔离设施的种类和标准样式，并提取图像特征；

——确定每种安全隔离设施的使用场景，并提取场景图像特征；

——结合安全隔离设施的特征和使用场景特征，确定隔离设施加应用场景特征及其反向特征；

——搭建图像识别模型，采用了级联结构，构成Cascade-Mask-Rcnn网络结构，采用可变形的卷积计算方法，形成cascade-mask-rcnn-dconv网络模型；

——基于输变电工程现场，通过视频监控设备进行合规图像素材的收集和不合规图像素材的收集；

——对合规素材和不合规素材分别进行人工标注，并将标注后的素材生成两套数据集：合规素材数据集和不合规素材数据集；

——使用基于pytorch的统一的训练框架，应用faster-rcnn和mask-rcnn目标检测算法进行训练，并通过使用在ImageNet数据集预训练的模型来进行迁移学习；

——应用测试工具，对模型训练结果进行验证，并获得mAP和召回率等测试指标；

——形成成熟的图像识别监测方法。

进一步，安全隔离设施的种类和样式包含钢管扣件组装式安全围栏、门形组装式安全围栏、安全隔离网、提示遮拦，安全隔离设施的图像特征包括形状、颜色和纹理特征。