[发明专利]一种电力基建施工现场违章识别方法及系统

说明书

本公开提供了一种电力基建施工现场违章识别方法及系统，获取电力基建施工现场视频帧图像数据；利用第一神经网络模型对视频帧图像进行设备特征提取，得到设备特征图；根据得到的设备特征图，利用预设候选区域生成网络得到多种尺度和宽高比的特征候选区域；利用预设分类回归网络，根据得到的设备特征图和特征候选区域，得到设备识别结果，根据设备识别结果进行现场违章判断；本公开采用人工智能深度学习算法实现了对电力基建施工现场各类违章的快速识别，提高了违章操作的智能识别效率和准确率。

技术领域

本公开涉及电力工程技术领域，特别涉及一种电力基建施工现场违章识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

随着社会经济的飞速发展及技术发展，电力基建施工不断，传统运检模式仍以大量人力投入为主，信息获取方式传统、来源单一，较多依靠电话和现场勘察等人工方式获取设备相关信息，单一人工作业的精益化程度陷入瓶颈，无法充分满足未来的精益化管理要求。

发明人发现，输变电设备规模逐年增长，设备种类越来越多，管控要求也越来越细，生产运检现场对安全管控要求高、责任重，专业化程度高，工作量大。运检作业前仅能通过图纸等纸张物理承载方式进行相关的作业施工方案的讨论与研究，需通过现场踏勘校核并建立可信的场景还原。由于缺乏可靠的高精度空间三维实景做技术支撑，对危险区域缺乏准确识别与划分的手段。在大型工机具进场的流程管控方面，对摆放位置和高度限制条件等方面缺乏精确评估的措施和推演展示工具，容易造成安全隐患。同时，随着电网建设与改造工程开工，作业现场点多面广，施工队伍众多，安全风险管控压力日渐增大。

从主观角度来说，由于个人的业务素质、安全意识、追求便捷性等原因，容易造成习惯性违章；客观的方面来说，由于人员繁多，作业人员构成较为复杂，运行人员数量不够等问题，导致作业过程中的执行、监管的力度不到位，从而容易加剧安全风险；变电站巡视中涉及的设置种类、设备参数、设备状态，种类繁多，依靠完全人工的巡视方式会带来巨大的工作量，同时不可避免的会出现各种纰漏，并进而带来较大的安全隐患。

发明内容

为了解决现有技术的不足，本公开提供了一种电力基建施工现场违章识别方法及系统，采用人工智能深度学习算法实现了对电力基建施工现场各类违章的快速识别，提高了违章操作的智能识别效率和准确率，进而引导施工建设队伍快速开展安全防护，能够降低基建安全管理工作人员的劳动强度，缩短违章识别管理周期，促进电力基建安全管理模式向智能运检模式转变。

为了实现上述目的，本公开采用如下技术方案：

本公开第一方面提供了一种电力基建施工现场违章识别方法。

一种电力基建施工现场违章识别方法，包括以下步骤：

获取电力基建施工现场视频帧图像数据；

利用第一神经网络模型对视频帧图像进行设备特征提取，得到设备特征图；

根据得到的设备特征图，利用预设候选区域生成网络得到多种尺度和宽高比的特征候选区域；

利用预设分类回归网络，根据得到的设备特征图和特征候选区域，得到设备识别结果，根据设备识别结果进行现场违章判断。

作为可能的一些实现方式，第一神经网络模型为Faster-RCNN神经网络时，预设候选区域生成网络采用卷积神经网络，包括：

使用一个滑动窗口在特征图上进行滑动，将滑动窗口经过的每个位置上的特征映射成一个多维的特征向量；

将每个特征向量输入到两个全连接层当中，一个全连接层用于输出多2N个分数，另一个全连接层用于输出2N个修正参数；