CN113673334A - 电力现场作业中的安全绳检测算法 - Google Patents
电力现场作业中的安全绳检测算法 Download PDFInfo
- Publication number
- CN113673334A CN113673334A CN202110804307.7A CN202110804307A CN113673334A CN 113673334 A CN113673334 A CN 113673334A CN 202110804307 A CN202110804307 A CN 202110804307A CN 113673334 A CN113673334 A CN 113673334A
- Authority
- CN
- China
- Prior art keywords
- data set
- safety rope
- field operation
- training
- power field
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000012549 training Methods 0.000 claims abstract description 26
- 230000006870 function Effects 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000004519 manufacturing process Methods 0.000 claims abstract description 6
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims abstract description 5
- 238000013526 transfer learning Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 5
- 230000005684 electric field Effects 0.000 abstract 1
- 238000010276 construction Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Helmets And Other Head Coverings (AREA)
Abstract
一种电力现场作业中的安全绳检测算法，包括以下步骤：S1：通过python3.6.5+keras工程环境搭建yolov3，其中backbone使用Darknet53，损失函数使用交叉熵损失函数，使用迁移学习加载预训练参数；S2：通过电力现场监控视频或者现场拍照获取待检测电力现场图片数据，将图片数据中的安全绳部分通过labelimg打标，然后将图片数据制作成可喂入网络的训练集；S3：获取开源数据集，将开源数据集与训练集合并成总数据集，将总数据集过数据增强的方式进行扩充；S4：将总数据集喂入网络后使用Adam优化器进行优化，使用总数据集进行训练，获得最终模型；S5：通过模型对实时电力现场作业中的安全绳进行检测。该电力现场作业中的安全绳检测算识别率高且识别效率优异。
Description
技术领域
本发明涉及电力现场目标检测领域，特别是涉及一种电力现场作业中的安全绳检测算法。
背景技术
随着电网规模的快速发展，现场施工作业出现点多面广、作业环境复杂多样的情况。在施工作业中，人的不安全行为、物的不安全状态和环境的不安全因素总是客观存在的，这些不安全因素在生产活动中就形成了风险，且一旦失控就可能导致不安全事故的发生。
为了避免不安全事故的发生，目前电网现场施工作业都会使用摄像头实时监控施工现场，摄像头主要是对工人进行监控。监控工人主要是检测工人所佩戴的安全绳，但是目前配合摄像头检测头盔方法，检测准确率较低，工人的不安全行为仍然不能被完全检测，还是会导致一些不安全事故的发生。
因此，针对现有技术不足，提供一种电力现场作业中的安全绳检测算法以克服现有技术不足甚为必要。
发明内容
本发明的目的在于避免现有技术的不足之处而提供一种电力现场作业中的安全绳检测算法，识别率高，且识别效率优异。
本发明的目的通过以下技术措施实现。
提供一种电力现场作业中的安全绳检测算法，包括以下步骤：
S1：通过python3.6.5+keras工程环境搭建yolov3，其中backbone使用Darknet53，损失函数使用交叉熵损失函数，使用迁移学习加载预训练参数。
S2：通过电力现场监控视频或者现场拍照获取待检测电力现场图片数据，将图片数据中的安全绳部分通过labelimg打标，然后将图片数据制作成可喂入网络的训练集。
S3：获取开源数据集，将开元数据集与训练集合并成总数据集，将总数据集过数据增强的方式进行扩充。
S4：将总数据集喂入网络后使用Adam优化器进行优化，使用总数据集进行模型训练，获得最终模型。
S5：通过模型对实时电力现场作业中的安全绳进行检测。
优选的，S4中使用总数据集进行模型训练时采用衰减学习率的方式进行。
优选的，模型训练过程中通过通过准确率来评价模型。
本发明的一种电力现场作业中的安全绳检测算法，包括以下步骤：S1：通过python3.6.5+keras工程环境搭建yolov3，其中backbone使用Darknet53，损失函数使用交叉熵损失函数，使用迁移学习加载预训练参数；S2：通过电力现场监控视频或者现场拍照获取待检测电力现场图片数据，将图片数据中的安全绳部分通过labelimg打标，然后将图片数据制作成可喂入网络的训练集；S3：获取开源数据集，将开源数据集与训练集合并成总数据集，将总数据集过数据增强的方式进行扩充；S4：将总数据集喂入网络后使用Adam优化器进行优化，使用总数据集进行训练，获得最终模型；S5：通过模型对实时电力现场作业中的安全绳进行检测。该电力现场作业中的安全绳检测算识别率高且识别效率优异，有利于提高电力现场作业的安全性。
具体实施方式
结合以下实施例对本发明作进一步说明。
实施例1。
一种电力现场作业中的安全绳检测算法，电力现场作业中的安全绳检测算法，包括以下步骤：S1：通过python3.6.5+keras工程环境搭建yolov3，其中backbone使用Darknet53，损失函数使用交叉熵损失函数，使用迁移学习加载预训练参数。S2：通过电力现场监控视频或者现场拍照获取待检测电力现场图片数据，将图片数据中的安全绳部分通过labelimg打标，然后将图片数据制作成可喂入网络的训练集。S3：获取开源数据集，将开元数据集与训练集合并成总数据集，将总数据集过数据增强的方式进行扩充。S4：将总数据集喂入网络后使用Adam优化器进行优化，使用总数据集进行模型训练，获得最终模型。S5：通过模型对实时电力现场作业中的安全绳进行检测。本实施例中，S4中使用总数据集进行模型训练时采用衰减学习率的方式进行。模型训练过程中通过通过准确率来评价模型。该电力现场作业中的安全绳检测算识别率高且识别效率优异。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (3)
1.一种电力现场作业中的安全绳检测算法，其特征在于，包括以下步骤：
S1：通过python3.6.5+keras工程环境搭建yolov3，其中backbone使用Darknet53，损失函数使用交叉熵损失函数，使用迁移学习加载预训练参数；
S2：通过电力现场监控视频或者现场拍照获取待检测电力现场图片数据，将图片数据中的安全绳部分通过labelimg打标，然后将图片数据制作成可喂入网络的训练集；
S3：获取开源数据集，将开源数据集与训练集合并成总数据集，将总数据集过数据增强的方式进行扩充；
S4：将总数据集喂入网络后使用Adam优化器进行优化，使用总数据集进行模型训练，获得最终模型；
S5：通过模型对实时电力现场作业中的安全绳进行检测。
2.根据权利要求1所述的电力现场作业中的安全绳检测算法，其特征在于：S4中使用总数据集进行模型训练时采用衰减学习率的方式进行。
3.根据权利要求1所述的电力现场作业中的安全绳检测算法，其特征在于：模型训练过程中通过通过准确率来评价模型。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010796694X | 2020-08-10 | ||
| CN202010796694 | 2020-08-10 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113673334A true CN113673334A (zh) | 2021-11-19 |
Family
ID=78539416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110804307.7A Pending CN113673334A (zh) | 2020-08-10 | 2021-07-16 | 电力现场作业中的安全绳检测算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113673334A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113657165A (zh) * | 2020-08-10 | 2021-11-16 | 广东电网有限责任公司 | 电力现场作业中的危险攀登行为识别算法 |
| CN115497054A (zh) * | 2022-11-17 | 2022-12-20 | 安徽深核信息技术有限公司 | 一种高空作业安全绳挂钩悬挂状态检测方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103745226B (zh) * | 2013-12-31 | 2015-03-18 | 国家电网公司 | 一种电力设施作业现场人员着装安全检测方法 |
| CN111199200A (zh) * | 2019-12-27 | 2020-05-26 | 深圳供电局有限公司 | 基于电力防护装备的佩戴检测方法、装置和计算机设备 |
-
2021
- 2021-07-16 CN CN202110804307.7A patent/CN113673334A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103745226B (zh) * | 2013-12-31 | 2015-03-18 | 国家电网公司 | 一种电力设施作业现场人员着装安全检测方法 |
| CN111199200A (zh) * | 2019-12-27 | 2020-05-26 | 深圳供电局有限公司 | 基于电力防护装备的佩戴检测方法、装置和计算机设备 |
Non-Patent Citations (1)
| Title |
|---|
| 徐桂涛: "煤矿视频监控系统中人员目标跟踪算法的研究与实现", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》, no. 9, 15 September 2019 (2019-09-15), pages 021 - 360 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113657165A (zh) * | 2020-08-10 | 2021-11-16 | 广东电网有限责任公司 | 电力现场作业中的危险攀登行为识别算法 |
| CN115497054A (zh) * | 2022-11-17 | 2022-12-20 | 安徽深核信息技术有限公司 | 一种高空作业安全绳挂钩悬挂状态检测方法及装置 |
| CN115497054B (zh) * | 2022-11-17 | 2023-02-28 | 安徽深核信息技术有限公司 | 一种高空作业安全绳挂钩悬挂状态检测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113673334A (zh) | 电力现场作业中的安全绳检测算法 | |
| CN113344326A (zh) | 多信息融合特殊作业现场动态隐患识别和风险评估系统和方法 | |
| CN113673333A (zh) | 电力现场作业中的跌落检测算法 | |
| CN113903081A (zh) | 一种水电厂图像视觉识别人工智能报警方法及装置 | |
| CN116246407A (zh) | 一种基于人工智能的农林区域火灾预警监管系统 | |
| CN106383463A (zh) | 一种基于安全帽的施工环境监测系统及方法 | |
| CN112488879A (zh) | 一种基于bim模型的智慧工地管理系统 | |
| CN112396017B (zh) | 一种基于图像识别的工程安全隐患识别方法及系统 | |
| CN113657165A (zh) | 电力现场作业中的危险攀登行为识别算法 | |
| CN113033393A (zh) | 基于机器视觉的火电站人员操作安全监控系统及方法 | |
| CN113673335A (zh) | 电力现场作业中的危险越界行为识别算法 | |
| CN106815831B (zh) | 一种钢丝绳磨损的检测方法及装置 | |
| CN103446698A (zh) | 一种火源自动排序的方法 | |
| CN116258343A (zh) | 一种建筑物施工监测方法 | |
| CN115100592A (zh) | 一种输电通道外破隐患识别方法、装置及存储介质 | |
| CN115685908A (zh) | 一种基于物联网的电焊机焊接监控方法及系统 | |
| CN112784706B (zh) | 一种基于图像智能识别的试油测试作业区安全控制方法 | |
| CN108399389B (zh) | 机器视觉的多机监管系统、方法及客户机、服务器、存储介质 | |
| CN113960958A (zh) | 一种基于多源多要素信息自感知石油钻机电控装置的智能消防方法 | |
| CN113869712A (zh) | 一种规模化工业气体生产智能系统 | |
| CN114926155B (zh) | 一种建筑工程施工过程的智慧安全管理平台和方法 | |
| CN111476922A (zh) | 输电线路巡检人员到岗判断方法及装置 | |
| TWM608616U (zh) | 智能影像安全辨識系統 | |
| CN114943884B (zh) | 基于深度学习的设备保护方法 | |
| CN108363371B (zh) | 一种大型建筑用联合控制系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |