CN109413393A - 带电作业车安全监测方法、装置及带电作业车 - Google Patents

Abstract

本发明实施例提供一种带电作业车安全监测方法、装置及带电作业车，属于安全监控领域。该方法包括：获取图像采集器采集的目标物体的图像，该目标物体包括操作人员和工业设备中的至少一种；将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果。所以，可以通过带电作业车上的服务器实时获得操作人员和工业设备的图像，从而可以对操作人员或工业设备进行实时监控，以提高操作人员和工业设备的安全性，且无需监控人员进行实地监控，进而避免了人力物力资源的浪费问题。

Description

带电作业车安全监测方法、装置及带电作业车

技术领域

本发明涉及安全监控领域，具体而言，涉及一种带电作业车安全监测方法、装置及带电作业车。

背景技术

在电力工程领域，带电作业已经成为设备建设和维修的常规作业方式，例如，在带电作业的情况下，需要专门的监督人员实时地监视操作人员的穿着是否规范，有无出现因为动作幅度过大而出现的松落的情况，并且需要实时注意防护工具是否出现松弛、脱落的情况。这种方法往往需要大量的人力物力资源，甚至还会对人的生命造成威胁，从而无法对这些工业设备或操作人员的安全进行实时监控。

发明内容

本发明实施例的目的在于提供一种带电作业车安全监测方法、装置及带电作业车。

第一方面，本发明实施例提供了一种带电作业车安全监测方法，应用于带电作业车中的服务器，所述带电作业车还包括车体，以及设置于所述车体上的电源装置、图像采集器，所述服务器也设于所述车体上，所述电源装置分别与所述服务器、所述图像采集器连接，所述方法包括：获取所述图像采集器采集的目标物体的图像，所述目标物体包括操作人员和工业设备中的至少一种；将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

可选地，将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果，包括：将所述图像输入到预设机器学习模型中，获得所述目标物体的特征信息；根据所述目标物体的特征信息判断所述目标物体是否处于安全状态，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

可选地，所述预设机器学习模型为神经网络模型、卷积神经网络模型、深度神经网络模型中的任意一种。

可选地，当所述目标物体包括操作人员时，将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果，包括：将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备进行作业时是否处于正确的作业状态；在为是时，则获得表明所述操作人员处于安全状态的输出结果。

可选地，将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果，还包括：将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备执行对应操作任务的作业工具是否齐全；在为是时，则获得表明所述操作人员处于安全状态的输出结果。

可选地，将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果，还包括：将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备执行对应操作任务时是否正确佩戴对应操作任务的防护工具；在为是时，则获得表明所述操作人员处于安全状态的输出结果。

可选地，当所述目标物体包括工业设备时，将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果，还包括：将所述图像输入到预设机器学习模型中，识别所述图像中的所述工业设备是否处于预设安全状态；在为是时，则获得表明所述工业设备处于安全状态的输出结果。

可选地，将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果之后，还包括：在判断所述目标物体处于非安全状态时，控制所述带电作业车中的报警装置进行报警提示。

第二方面，本发明实施例提供了一种带电作业车安全监测装置，应用于带电作业车中的服务器，所述带电作业车还包括车体，以及设置于所述车体上的电源装置、图像采集器，所述服务器也设于所述车体上，所述电源装置分别与所述服务器、所述图像采集器连接，所述装置包括：图像获取模块，用于获取所述图像采集器采集的目标物体的图像，所述目标物体包括操作人员和工业设备中的至少一种；安全监测模块，用于将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

可选地，所述安全监测模块，具体用于将所述图像输入到预设机器学习模型中，获得所述目标物体的特征信息；根据所述目标物体的特征信息判断所述目标物体是否处于安全状态，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

可选地，所述预设机器学习模型为神经网络模型、卷积神经网络模型、深度神经网络模型中的任意一种。

可选地，当所述目标物体包括操作人员时，所述安全监测模块，具体用于将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备进行作业时是否处于正确的作业状态；在为是时，则获得表明所述操作人员处于安全状态的输出结果。

可选地，所述安全监测模块，用于将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备执行对应操作任务的作业工具是否齐全；在为是时，则获得表明所述操作人员处于安全状态的输出结果。

可选地，所述安全监测模块，用于将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备执行对应操作任务时是否正确佩戴对应操作任务的防护工具；在为是时，则获得表明所述操作人员处于安全状态的输出结果。

可选地，当所述目标物体包括工业设备时，所述安全监测模块，用于将所述图像输入到预设机器学习模型中，识别所述图像中的所述工业设备是否处于预设安全状态；在为是时，则获得表明所述工业设备处于安全状态的输出结果。

可选地，所述装置还用于：在判断所述目标物体处于非安全状态时，控制所述带电作业车中的报警装置进行报警提示。

第三方面，本发明实施例提供一种带电作业车，包括：车体，所述车体上设有服务器、电源装置以及图像采集器，所述电源装置分别与所述服务器、所述图像采集器连接；所述图像采集器，用于采集目标物体的图像，所述目标物体包括操作人员和工业设备中的至少一种；所述服务器，用于获取所述图像采集器发送的图像，并将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

可选地，所述车体上还设有伸缩杆，所述伸缩杆的一端固定设于所述车体上，所述伸缩杆的另一端与所述图像采集器连接。

可选地，所述伸缩杆上设有显示装置，所述显示装置与所述服务器、所述电源装置连接，所述显示装置用于显示所述图像或所述输出结果。

可选地，所述带电作业车还包括报警装置，所述报警装置与所述服务器连接。

可选地，所述电源装置为太阳能供电装置，所述太阳能供电装置包括太阳能电池板、太阳能控制器、逆变器以及蓄电池，所述太阳能控制器分别与所述太阳能电池板、所述逆变器以及所述蓄电池连接，所述逆变器分别与所述服务器以及所述图像采集器连接。

本发明实施例的有益效果是：

本发明实施例提供一种带电作业车安全监测方法、装置及带电作业车，该方法中，通过获取图像采集器采集的目标物体的图像，该目标物体包括操作人员和工业设备中的至少一种，然后将所述图像输入到预设机器学习模型中，获得的用于表征判断所述目标物体是否处于安全状态的输出结果，所以，可以通过带电作业车上的服务器实时获得操作人员和工业设备的图像，从而可以对操作人员或工业设备进行实时监控，以提高操作人员和工业设备的安全性，且无需监控人员进行实地监控，进而避免了人力物力资源的浪费问题。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了一种可应用于本申请实施例中的服务器的结构框图；

图2为本发明实施例提供的一种带电作业车的结构示意图；

图3为本发明实施例提供的一种电源装置的结构框图；

图4为本发明实施例提供的一种带电作业车安全监测方法的流程图；

图5为本发明实施例提供的一种带电作业车安全监测装置的结构框图。

图标：100-带电作业车；110-车体；120-服务器；130-电源装置；132-太阳能电池板；134-太阳能控制器；136-逆变器；138-蓄电池；140-图像采集器；150-伸缩杆；160-显示装置；170-报警装置。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参照图1，图1示出了一种可应用于本申请实施例中的服务器的结构框图。服务器可以包括带电作业车安全监测装置、存储器101、存储控制器102、处理器103、外设接口104。

所述存储器101、存储控制器102、处理器103、外设接口104各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述带电作业车安全监测装置包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中或固化在所述带电作业车安全监测装置的操作系统(operating system，OS)中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块，例如所述带电作业车安全监测装置包括的软件功能模块或计算机程序。

其中，存储器101可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器101用于存储程序，所述处理器103在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的服务器所执行的方法可以应用于处理器103中，或者由处理器103实现。

处理器103可以是一种集成电路芯片，具有信号的处理能力。上述的处理器103可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器103也可以是任何常规的处理器等。

所述外设接口104将各种输入/输出装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

所述外设接口104将各种输入/输入装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

可以理解，图1所示的结构仅为示意，所述服务器还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

请参照图2，图2为本发明实施例提供的一种带电作业车100的结构示意图，该带电作业车100包括车体110，所述车体110上设有服务器120、电源装置130以及图像采集器140，所述电源装置130分别与所述服务器120、所述图像采集器140连接。

其中，所述图像采集器140，用于采集目标物体的图像，所述目标物体包括操作人员和工业设备中的至少一种。所述服务器120，用于获取所述图像采集器140发送的图像，并将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

本实施例中，为了对工业设备或操作人员的安全状态进行监控，可以采用如图2所示的带电作业车100对其进行监控，带电作业车100可以在工业设备周围进行移动，在操作人员对工业设备进行作业过程中，带电作业车100可移动至合适的位置，例如，可以使得图像采集器140拍摄到操作人员清晰的作业图像即可，通过图像采集器140对其进行拍摄，获得目标物体的图像，然后将图像传输至服务器120中，服务器120可以对图像进行处理，即将图像输入至预设机器学习模型中，通过预设机器学习模型可以获得用于表征判断所述目标物体是否处于安全状态的输出结果。其中，预设机器学习模型预先经过训练，所以机器学习模型可以对图像进行识别，从而识别出目标物体中的特征信息，然后根据目标物体的特征信息判断目标物体是否处于安全状态，以此可以对工业设备或操作人员进行实时监控，以提高操作人员或工业设备的安全性，进而避免了人力物力资源的浪费问题。

上述的工业设备可以是安装或放置在所述带电作业车的设备，例如，太阳能电池板、逆变器等。又例如，操作人员的工作设备等。

车体110上的各个设备之间可以是有线连接，也可以是无线连接，例如，图像采集器140与服务器120之间可以是有线连接，也可以是无线连接，在为无线连接时，图像采集器140中设有无线模块，其可以与服务器120无线连接，从而服务器120可以通过无线传输实时获取图像采集器140采集的图像。图像采集器140采集的图像可以为连续时间段内采集的多张图像，服务器120可将获得的多张图像进行拼接后获得拼接图像，然后将拼接图像输入至预设机器学习模型中，通过预设机器学习模型对拼接图像进行识别，从而也可判断目标物体是否处于安全状态。

其中，图像采集器140可以为RGB图像传感器、单目图像传感器、双目图像传感器、红外图像传感器、激光点云图像传感器等。

在上述实施例中，所述预设机器学习模型为神经网络模型、卷积神经网络模型、深度神经网络模型中的任意一种。

另外，为了更好地拍摄图像，所述车体110上还设有伸缩杆150，所述伸缩杆150的一端固定设于所述车体110上，所述伸缩杆150的另一端与所述图像采集器140连接。所述伸缩杆150可在车体110上上下伸缩，即伸缩杆150的长度可随意调节，例如，在需要拍取高度较高的工业设备的图像时，可以伸长伸缩杆150的长度，以使得图像采集器140可以采集到一定高度位置的工业设备的图像，若需要拍取在地面作业的操作人员的图像时，伸缩杆150的长度可以缩短，从而可以方便图像采集器140进行图像采集。

为了便于减少带电作业车100的移动，所述图像采集器140可在伸缩杆150的另一端上进行转动，即图像采集器140可在伸缩杆150的另一端上360度旋转，使得带电作业车100至同一位置，可以通过旋转图像采集器140来采集多个角度的图像。

另外，为了方便图像的显示或者查看输出结果，所述伸缩杆150上设有显示装置160，所述显示装置160与所述服务器120、所述电源装置130连接，所述显示装置160用于显示所述图像或所述输出结果。显示装置160可以为LED显示屏，服务器120可将获取的图像或拼接图像传输至显示装置160上进行显示，服务器120也可将输出结果直接传输至显示装置160进行显示，所以，监控人员可直接通过显示装置160知晓输出结果，从而根据输出结果可知道目标物体是否安全，在目标物体不安全时，可以及时采取相应的补救措施，以保证目标物体的安全。

另外，所述带电作业车100还可包括报警装置170，所述报警装置170与所述服务器120连接，所述报警装置170用于在目标物体处于非安全状态，即危险状态时进行报警提示，从而使得监控人员可及时知晓目标物体处于非安全状态，以及时采取相应的补救措施，保证目标物体的安全。其中，所述报警装置170可以为蜂鸣器、喇叭等可以发出报警提示的装置。在一些实施例中，所述报警装置可以是设置在显示装置160中的模块，或者由显示装置160实现报警功能。

作为一种实施方式，所述电源装置130可以为插座式充电电池组。

在本实施例中，为了节约用电成本以及方便带电作业车100的供电，所述电源装置130可以为太阳能供电装置，如图3所示，所述太阳能供电装置包括太阳能电池板132、太阳能控制器134、逆变器136以及蓄电池138，所述太阳能控制器134分别与所述太阳能电池板132、所述逆变器136以及所述蓄电池138连接，所述逆变器136分别与所述服务器120以及所述图像采集器140连接。

其中，采用太阳能供电装置能吸收太阳光，将太阳能转换为电能，并为系统中的用电装置提供电能，具体的，在太阳能供电装置中，在有太阳光照射时，太阳能电池板132可以直接向所述服务器120以及所述图像采集器140供电，同时将一部分电量提供给蓄电池138，以使蓄电池138存储电量，在无日照或者阴雨天时，向用电装置供电。

其中，所述太阳能电池板132的作用是将太阳的辐射能量转换为电能，该电能一方面被传输到蓄电池138存储起来，另一方面用于推动所述服务器120以及所述图像采集器140工作。

作为一种方式，所述太阳能控制器134的作用是控制整个太阳能供电装置的工作状态，并对蓄电池138起到过充电保护、过放电保护的作用。由于太阳能电池板132的电能不是按照需求量的进行发电的，而是无法控制的，其中，该蓄电池138在处于满容量或者基本满容量时，太阳能控制器134能保护蓄电池138不过充电和保护太阳能供电装置输出的电压不超过所述服务器120以及所述图像采集器140允许的电压范围。同时，该蓄电池138在深度放电后，太阳能电池板132不会因蓄电池138需要充电而多发电，从而导致蓄电池138的使用寿命变短，即该太阳能控制器134能防止所述蓄电池138过度放电。

其中，所述蓄电池138的作用是在有光照时，将太阳能电池板132所提供的多余的电能存储起来，到需要的时候再释放出来，该蓄电池138能使其太阳能供电装置实现对所述服务器120以及所述图像采集器140的不间断供电，可以确保用电装置在阴雨天时仍然有足够的电可用。作为一种方式，该蓄电池138一般为铅酸电池，小微型系统中，也可以为镍氢电池、镍镉电池或锂电池等等。

其中，所述逆变器136的作用是将直流电转换成交流电给所述服务器120以及所述图像采集器140提供不同等级的电压。根据实际需要的耗电量，来确定提供的电压的大小，例如输出220V或者110V等不同电压的交流电。

由于带电作业车100可以协助操作人员对工业设备进行带电操作，带电作业车100具有携带放方便，操作简单，升空便利，机动性强，作业范围大，能够跨越一定的障碍从而在一处升降即可进行多点作业等优点。另外，带电作业车100具有升降平台(即伸缩杆150)，移动性好，转移场地方便的特点，且带电作业车100整车移动方便，能适合在狭窄的地段和小街小巷在不停电的情况下协助操作人员完成对工业设备的检修和测试，进二可以轻松实现减少人力、物力、财力的投入，并实现无间隙实时监测，并能及时根据监测结果给出实时有效的语音提醒，所以，通过带电作业车100可以对操作人员或工业设备的安全进行有效监控，从而保证操作人员或工业设备的安全。

请参照图4，图4为本发明实施例提供的一种带电作业车安全监测方法的流程图，该方法应用于上述带电作业车中的服务器，所述方法包括如下步骤：

步骤S110：获取所述图像采集器采集的目标物体的图像。

为了保证工业设备的运行安全以及操作人员对工业设备进行作业时操作人员的安全，需要实时对工业设备或操作人员进行监控，工业设备或操作人员在本实施例中以目标物体进行描述，即目标物体包括操作人员和工业设备中的至少一种。

带电作业车可在目标物体所在区域移动，带电作业车在移动到特定位置处时，服务器可控制图像采集器采集目标物体的图像，图像采集器可连续采集多张图像，当然，图像采集器也可只采集一张图像传输至服务器，下面先对只采集一张图像的实施方式进行说明。

步骤S120：将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

若图像采集器在某个特定位置处采集到目标物体的一张图像，服务器获取到该张图像后，将该图像输入到预设机器学习模型中，预设机器学习模型对该图像进行识别，预设机器学习模型可通过识别该图像判断目标物体是否处于安全状态，具体地，预设机器学习模型可以从图像中识别如操作人员是否操作规范，是否正确佩戴防护工具等来判断操作人员是否处于安全状态，如若操作人员操作不规范，或未佩戴防护工具以及未正确佩戴防护工具均可判断操作人员处于危险状态，如预设机器学习模型可以从图像中识别出如工业设备的种类以及该种类的工业设备是否处于对应的状态，以此可判断工业设备是否处于安全状态。

另外，为了提高判断结果的准确性，图像采集器也可在一定时间段内连续采集多张图像，然后将这多张图像发送至服务器，服务器可将每张图像分别输入至预设机器学习模型中，预设机器学习模型可对每张图像分别进行判断，从而可获得多个输出结果，然后若某个输出结果的比例超过一半时，则取该输出结果为最后的表征目标物体是否处于安全状态的结果，例如，若输出结果为目标物体处于安全状态的数量超过输出结果为目标物体处于非安全状态的数量时，则判定最后目标物体处于安全状态。

可以理解地，为了利用预设机器学习模型对图像进行识别，预先对预设机器学习模型进行训练，训练数据可以使用目标物体的相关数据，例如，在训练数据中标注目标物体，标注目标物体包括目标物体的种类，如铁塔、人、车辆、植物、动物、塑料、金属物体等，也可以标注目标物体的状态，如工业设备运行、工业设备不运行、操作人员正在作业等等，还可以标注目标物体的操作规范，是否正确佩戴防护工具等。基于以上训练数据，预设机器学习模型能够在输入的图像中识别对应的目标物体以及目标物体的相关信息，从而判断目标物体是否处于安全状态。

其中，在通过操作人员是否佩戴正确的防护工具来判断操作人员是否安全时，穿戴规范是通过对图像提取是否存在穿戴符合安全规范的目标(如防护工具)和是否存在穿戴不符合安全规范的目标(如防护工具)识别来完成的。在一种实施方式中，该识别可以是通过获得大量不同形式的符合安全规范的操作人员图像以及大量不同形式的不符合安全规范的操作人员图像，并训练上述预设机器学习模型得到的。

另外，本实施例中，表征所述目标物体是否处于安全状态的输出结果可以采用任何方式进行表示，例如输出结果为1表示目标物体处于安全状态，输出结果为0表示目标物体处于非安全状态，或者输出结果还可以是“安全”/“不安全”的提示信息。

所以，通过获取图像采集器采集的目标物体的图像，然后将图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果，由此，服务器可实时获得目标物体的图像，从而对目标物体进行实时安全性监控，以提高目标物体的安全性。

作为一种实施方式，将所述图像输入到预设机器学习模型中后，可获得所述目标物体的特征信息，然后根据所述目标物体的特征信息判断所述目标物体是否处于安全状态，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

可以理解地，目标物体的特征信息包括目标物体的种类如工业设备或操作人员，还可包括目标物体的状态信息如工业设备当前运行状态或操作人员当前操作状态，还可包括目标物体如操作人员佩戴的防护工具的状态信息等等。

具体地，当目标物体包括操作人员时，将所述图像输入到预设机器学习模型中，可以识别所述图像中的所述操作人员在对所述工业设备进行作业时是否处于正确的作业状态，若是，则获得表明所述操作人员处于安全状态的输出结果。所以，操作人员在执行带电作业时，可以判断是否有佩戴对应的作业工具，或者是否正确佩戴作业工具，以此来判断操作人员是否安全。

或者，将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备执行对应操作任务的作业工具是否齐全，若是，则获得表明所述操作人员处于安全状态的输出结果。例如，在现实的工作环境中很有可能会因为操作人员的失误导致也要的作业工具没能准备齐全，所以，操作人员在执行带电作业时，可以判断是否有佩戴对应齐全的作业工具，以此来判断操作人员是否安全。

或者，将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备执行对应操作任务时是否正确佩戴对应操作任务的防护工具，若是，则获得表明所述操作人员处于安全状态的输出结果。例如，在带电作业过程中很有可能会因为操作人员的失误或操作动作过大，从而导致防护工具的错误佩戴(如绝缘安全帽的切斜，绝缘披肩的松弛，以及绝缘手套的掉落等危险情况的发生)。此时，带电作业车可以实时监测操作人员穿戴的防护工具的完备性和规范性，以此来判断操作人员的安全性，从而提高操作人员的人身安全性，并节省监控人员的负担，进而大大提高带电作业的工作效率。

另外，例如，在进入作业点前必须对裸露的线路进行必要的绝缘遮蔽，并采用绝缘夹或绝缘绳进行绑扎，以防脱落。但是实际操作中可能因为操作人员地无意触碰或绑扎的不结实性，从而导致遮蔽罩出现脱落的情况，进而直接威胁到操作人员的生命安全。此时，带电作业车只需调整图像传感器的角度，使得捕捉到的图像包括遮蔽罩的相关部分，就能够实时监测遮蔽罩的完好性，从而保证在上述情况发生的同时给出即时的报警提醒。

当所述目标物体包括工业设备时，将所述图像输入到预设机器学习模型中，识别所述图像中的所述工业设备是否处于预设安全状态，在为是时，则获得表明所述工业设备处于安全状态的输出结果。

另外，作为另一种实施方式，在判断所述目标物体处于非安全状态(即危险状态)时，控制所述带电作业车中的报警装置进行报警提示，使得对应的监控人员可以通过报警提示知晓目标物体处于危险状态。

或者，当监控人员没有在带电作业车附近时，服务器还可将报警信息发送至与所述带电作业车距离最近的监控人员的用户终端上。具体地，服务器在判断工业设备处于危险状态时，即搜索带电作业车周围监控人员，获得带电作业车周围监控人员与带电作业车的距离信息，然后选择距离信息最近的监控人员，则向该监控人员的用户终端发送报警信息，由此，监控人员可及时排除目标物体的危险状态，进而保证目标物体的安全。

或者，若服务器将报警信息发送至距离最近的监控人员的用户终端后，若在一定时间段内，该目标物体还是处于危险状态，即该监控人员未及时排除目标物体的危险状态，则服务器可再次将报警信息发送至与带电作业车距离第二近的监控人员的用户终端，使得该监控人员对目标物体进行危险状态排除。

由此，可及时保证目标物体从危险状态转换为安全状态，确保了目标物体的安全。

请参照图5，图5为本发明实施例提供的一种带电作业车安全监测装置200的结构框图，所述装置包括：

图像获取模块210，用于获取所述图像采集器采集的目标物体的图像，所述目标物体包括操作人员和工业设备中的至少一种；

安全监测模块220，用于将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

可选地，所述安全监测模块220，具体用于将所述图像输入到预设机器学习模型中，获得所述目标物体的特征信息；根据所述目标物体的特征信息判断所述目标物体是否处于安全状态，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

可选地，所述预设机器学习模型为神经网络模型、卷积神经网络模型、深度神经网络模型中的任意一种。

可选地，当所述目标物体包括操作人员时，所述安全监测模块220，具体用于将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备进行作业时是否处于正确的作业状态；在为是时，则获得表明所述操作人员处于安全状态的输出结果。

可选地，所述安全监测模块220，用于将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备执行对应操作任务的作业工具是否齐全；在为是时，则获得表明所述操作人员处于安全状态的输出结果。

可选地，所述安全监测模块220，用于将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备执行对应操作任务时是否正确佩戴对应操作任务的防护工具；在为是时，则获得表明所述操作人员处于安全状态的输出结果。

可选地，当所述目标物体包括工业设备时，所述安全监测模块220，用于将所述图像输入到预设机器学习模型中，识别所述图像中的所述工业设备是否处于预设安全状态；在为是时，则获得表明所述工业设备处于安全状态的输出结果。

可选地，所述装置还包括：

报警模块，用于在判断所述目标物体处于非安全状态时，控制所述带电作业车中的报警装置进行报警提示。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。

综上所述，本发明实施例提供一种带电作业车安全监测方法、装置及带电作业车，该方法中，通过获取图像采集器采集的目标物体的图像，该目标物体包括操作人员和工业设备中的至少一种，然后将所述图像输入到预设机器学习模型中，获得的用于表征判断所述目标物体是否处于安全状态的输出结果，所以，可以通过带电作业车上的服务器实时获得操作人员和工业设备的图像，从而可以对操作人员或工业设备进行实时监控，以提高操作人员和工业设备的安全性，且无需监控人员进行实地监控，进而避免了人力物力资源的浪费问题。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (21)

1.一种带电作业车安全监测方法，其特征在于，应用于带电作业车中的服务器，所述带电作业车还包括车体，以及设置于所述车体上的电源装置、图像采集器，所述服务器也设于所述车体上，所述电源装置分别与所述服务器、所述图像采集器连接，所述方法包括：

获取所述图像采集器采集的目标物体的图像，所述目标物体包括操作人员和工业设备中的至少一种；

将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

2.根据权利要求1所述的方法，将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果，包括：

将所述图像输入到预设机器学习模型中，获得所述目标物体的特征信息；

根据所述目标物体的特征信息判断所述目标物体是否处于安全状态，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

3.根据权利要求1所述的方法，其特征在于，所述预设机器学习模型为神经网络模型、卷积神经网络模型、深度神经网络模型中的任意一种。

4.根据权利要求1所述的方法，其特征在于，当所述目标物体包括操作人员时，将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果，包括：

将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备进行作业时是否处于正确的作业状态；

在为是时，则获得表明所述操作人员处于安全状态的输出结果。

5.根据权利要求4所述的方法，其特征在于，将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果，还包括：

将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备执行对应操作任务的作业工具是否齐全；

在为是时，则获得表明所述操作人员处于安全状态的输出结果。

6.根据权利要求5所述的方法，其特征在于，将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果，还包括：

将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备执行对应操作任务时是否正确佩戴对应操作任务的防护工具；

在为是时，则获得表明所述操作人员处于安全状态的输出结果。

7.根据权利要求6所述的方法，其特征在于，当所述目标物体包括工业设备时，将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果，还包括：

将所述图像输入到预设机器学习模型中，识别所述图像中的所述工业设备是否处于预设安全状态；

在为是时，则获得表明所述工业设备处于安全状态的输出结果。

8.根据权利要求1-7任一所述的方法，其特征在于，将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果之后，还包括：

在判断所述目标物体处于非安全状态时，控制所述带电作业车中的报警装置进行报警提示。

9.一种带电作业车安全监测装置，其特征在于，应用于带电作业车中的服务器，所述带电作业车还包括车体，以及设置于所述车体上的电源装置、图像采集器，所述服务器也设于所述车体上，所述电源装置分别与所述服务器、所述图像采集器连接，所述装置包括：

图像获取模块，用于获取所述图像采集器采集的目标物体的图像，所述目标物体包括操作人员和工业设备中的至少一种；

安全监测模块，用于将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

10.根据权利要求9所述的装置，其特征在于，所述安全监测模块，具体用于将所述图像输入到预设机器学习模型中，获得所述目标物体的特征信息；根据所述目标物体的特征信息判断所述目标物体是否处于安全状态，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

11.根据权利要求9所述的装置，其特征在于，所述预设机器学习模型为神经网络模型、卷积神经网络模型、深度神经网络模型中的任意一种。

12.根据权利要求9所述的装置，其特征在于，当所述目标物体包括操作人员时，所述安全监测模块，具体用于将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备进行作业时是否处于正确的作业状态；在为是时，则获得表明所述操作人员处于安全状态的输出结果。

13.根据权利要求12所述的装置，其特征在于，所述安全监测模块，用于将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备执行对应操作任务的作业工具是否齐全；在为是时，则获得表明所述操作人员处于安全状态的输出结果。

14.根据权利要求13所述的装置，其特征在于，所述安全监测模块，用于将所述图像输入到预设机器学习模型中，识别所述图像中的所述操作人员在对所述工业设备执行对应操作任务时是否正确佩戴对应操作任务的防护工具；在为是时，则获得表明所述操作人员处于安全状态的输出结果。

15.根据权利要求14所述的装置，其特征在于，当所述目标物体包括工业设备时，所述安全监测模块，用于将所述图像输入到预设机器学习模型中，识别所述图像中的所述工业设备是否处于预设安全状态；在为是时，则获得表明所述工业设备处于安全状态的输出结果。

16.根据权利要求9-15任一所述的装置，其特征在于，所述装置还用于在判断所述目标物体处于非安全状态时，控制所述带电作业车中的报警装置进行报警提示。

17.一种带电作业车，其特征在于，包括：车体，所述车体上设有服务器、电源装置以及图像采集器，所述电源装置分别与所述服务器、所述图像采集器连接；

所述图像采集器，用于采集目标物体的图像，所述目标物体包括操作人员和工业设备中的至少一种；

所述服务器，用于获取所述图像采集器发送的图像，并将所述图像输入到预设机器学习模型中，获得用于表征判断所述目标物体是否处于安全状态的输出结果。

18.根据权利要求17所述的带电作业车，其特征在于，所述车体上还设有伸缩杆，所述伸缩杆的一端固定设于所述车体上，所述伸缩杆的另一端与所述图像采集器连接。

19.根据权利要求18所述的带电作业车，其特征在于，所述伸缩杆上设有显示装置，所述显示装置与所述服务器、所述电源装置连接，所述显示装置用于显示所述图像或所述输出结果。

20.根据权利要求17所述的带电作业车，其特征在于，所述带电作业车还包括报警装置，所述报警装置与所述服务器连接。

21.根据权利要求17所述的带电作业车，其特征在于，所述电源装置为太阳能供电装置，所述太阳能供电装置包括太阳能电池板、太阳能控制器、逆变器以及蓄电池，所述太阳能控制器分别与所述太阳能电池板、所述逆变器以及所述蓄电池连接，所述逆变器分别与所述服务器以及所述图像采集器连接。