[发明专利]一种用于电力基建施工现场违章排查方法及系统

说明书

本发明涉及一种用于电力基建施工现场违章排查方法及系统，包括以下步骤：获取历史样本图像，建立样本库；对样本库中具有隐患的样本图像进行数据标注；对进行数据标注后的样本图像进行模型训练和调优，得到违章识别的训练模型；将采集的现场图像输入训练模型中，得到违章类型及违章位置，本发明的方法识别效率和准确率高，降低了基建安全管理工作人员的劳动强度。

技术领域

本发明涉及电力基建现场巡视技术领域，具体涉及一种用于电力基建施工现场违章排查方法及系统。

背景技术

这里的陈述仅提供与本发明相关的背景技术，而不必然地构成现有技术。

在电力设备运行现场，除遭受各种气候条件的侵袭外，还受有其它的外力破坏，如工程机械撞击杆塔，风筝等物体悬挂在导线上造成相间短路等，可能随时对电力设备的安全运行构成威胁。为了保证电力设备的安全运行，必须加强基建现场违章的巡视和检查，预见可能对电力施工产生威胁的人或物，及时发现影响电力施工的违章缺陷和危及电力设备安全运行的因素，以便快速停止违章操作或远程违章预警。

目前，电力基建现场主要采用现场巡检、远程监控等多种手段，获取了大量的监视数据，所涉及设备数量大，种类多，而每种设备可出现的故障及缺陷类型很多。发明人发现，在对违章缺陷和隐患的识别和判定方面多数依托巡检人员的经验，在巡视图像处理过程中，缺少图像智能化识别、缺陷自动化判定的算法，导致图像数据处理自动化程度低，人员工作效率低、劳动强度大，已经不能适应现代化电网建设与发展的需求。

发明内容

本发明的目的是为克服现有技术的不足，提供一种用于电力基建施工现场违章排查方法，提高了违章操作的智能识别效率和准确率，降低基建安全管理工作人员的劳动强度。

为实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供了一种用于电力基建施工现场违章排查方法，包括以下步骤：

获取历史样本图像，建立样本库；

对样本库中具有隐患的样本图像进行数据标注；

对进行数据标注后的样本图像进行模型训练和调优，得到违章识别的训练模型；

将采集的现场图像输入训练模型中，得到违章类型及违章位置。

进一步的，根据预先得到的施工隐患典型特征，判断采集的样本图像是否为具有隐患的样本图像，对具有隐患的样本图像进行数据标注。

进一步的，采用PASCAL VOC数据集格式的xml为标准对标注文件记录格式进行要求，对样本图像中缺陷及隐患的所有对象进行数据标注。

进一步的，对样本库中具有隐患的样本图像进行数据标注后，根据隐患的图像特点，对样本库中具有隐患的样本图像的典型特征进行数据标注。

进一步的，模型训练和调优过程中，模型训练和调优过程中，基于Faster-RCNN网络结构对样本图像数据进行识别，随机选择训练样本和测试样本，利用深度学习算法进行训练模型的构建和调优。

进一步的，对每类隐患的样本图像随机选择90％构建训练样本，其余10％作为测试样本，进行训练模型的构建。

进一步的，采集的现场图像输入训练模型得到违章类型及违章位置后，将图像加入样本库中，对样本库进行更新。

第二方面，本发明公开了一种用于电力基建施工现场违章排查系统，包括

样本库建立模块：用于获取历史样本图像，建立样本库；

数据标注模块：用于对样本库中具有隐患的样本图像进行数据标注；

训练模型建立模块：用于对对进行数据标注后的样本图像进行模型训练和调优，得到违章识别的训练模型；