CN115600805A - 基于人工智能的输电隐患数据的智能处理方法及装置 - Google Patents
基于人工智能的输电隐患数据的智能处理方法及装置 Download PDFInfo
- Publication number
- CN115600805A CN115600805A CN202211227182.7A CN202211227182A CN115600805A CN 115600805 A CN115600805 A CN 115600805A CN 202211227182 A CN202211227182 A CN 202211227182A CN 115600805 A CN115600805 A CN 115600805A
- Authority
- CN
- China
- Prior art keywords
- hidden danger
- data
- target
- power transmission
- processing
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 256
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 95
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 307
- 238000004458 analytical method Methods 0.000 claims abstract description 175
- 238000007781 pre-processing Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims description 52
- 238000004088 simulation Methods 0.000 claims description 43
- 238000012216 screening Methods 0.000 claims description 41
- 238000012797 qualification Methods 0.000 claims description 40
- 238000012795 verification Methods 0.000 claims description 5
- 238000005538 encapsulation Methods 0.000 description 8
- 238000013024 troubleshooting Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 235000005770 birds nest Nutrition 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 239000012212 insulator Substances 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 235000005765 wild carrot Nutrition 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004397 blinking Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Water Supply & Treatment (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于人工智能的输电隐患数据的智能处理方法及装置，该方法包括：获取目标输电数据，目标输电数据为针对目标输电线路的视频数据；根据人工智能算法，对目标输电数据执行预处理操作，得到对应的预处理结果，预处理结果包括目标输电数据中目标隐患数据的隐患类型；根据该隐患类型，确定对应的输电隐患处理组件，并根据输电隐患处理组件，对目标隐患数据执行隐患分析操作，得到对应的隐患分析结果，隐患分析结果包括针对目标隐患数据的分析信息，分析信息用于确定针对目标隐患数据的隐患处理操作，以对目标隐患数据执行与该目标隐患数据匹配的隐患处理操作。可见，实施本发明能够提高输电隐患数据的确定准确性及可靠性。
Description
技术领域
本发明涉及输电数据处理技术领域，尤其涉及一种基于人工智能的输电隐患数据的智能处理方法及装置。
背景技术
在电网配电的管控任务中，除了监管维护用户用电数据之外，电网配电的监控任务还包括有输电线路的配电运维，诸如输电线路的隐患排查工作。
虽然主流的输电线路都会配置有相应的监控设备用以监控该输电线路的输电状况，并通过人工定期的线路巡查来实现输电线路隐患的排查、维护。然而，传统的输电线路的监控手段是通过人工一个个查看输电线路的监控视频，或者是通过现场勘查的方式来实现输电线路隐患的排查，两者针对输电线路的隐患的发现效率极低，而且通过人工进行输电线路隐患排查的过程中，若是输电隐患的排查人员的隐患排查经验不足或是排查人员在进行隐患排查时一时疏忽，致使输电线路隐患排查不够全面准确，无法实现输电线路隐患的精准排查。可见，提供一种提高输电线路隐患的排查效率以及排查准确性的方法显得尤为重要。
发明内容
本发明所要解决的技术问题在于，提供一种基于人工智能的输电隐患数据的智能处理方法及装置，能够提高目标隐患数据的确定准确性以及提高处理目标隐患数据的处理效率以及处理准确性。
为了解决上述技术问题，本发明第一方面公开了一种基于人工智能的输电隐患数据的智能处理方法，所述方法包括：
获取目标输电数据，所述目标输电数据为针对目标输电线路的视频数据；
根据预先确定的人工智能算法，对所述目标输电数据执行预处理操作，得到所述目标输电数据对应的预处理结果，所述预处理结果包括所述目标输电数据中目标隐患数据的隐患类型，所述目标隐患数据的隐患类型包括第一类型和/或第二类型，所述第一类型为所述目标隐患数据对应的视频场景中存在目标人员的类型，所述第二类型为所述目标隐患数据对应的视频场景中存在除所述目标人员之外且满足预设输电隐患要求的监控目标对应的类型；
根据所述目标隐患数据的隐患类型，确定针对所述隐患类型的输电隐患处理组件，并根据所述输电隐患处理组件，对所述目标隐患数据执行隐患分析操作，得到所述目标隐患数据对应的隐患分析结果，所述隐患分析结果包括针对目标隐患数据的分析信息，所述分析信息用于确定针对所述目标隐患数据的隐患处理操作，以对所述目标隐患数据执行与该目标隐患数据匹配的隐患处理操作。
作为一种可选的实施方式，在本发明第一方面中，所述根据预先确定的人工智能算法，对所述目标输电数据执行预处理操作，得到所述目标输电数据对应的预处理结果，包括：
根据预先确定的人工智能算法，对所述目标输电数据对应的监控场景执行场景分析操作，得到所述目标输电数据对应的场景分析结果，所述场景分析结果包括所述目标输电数据对应的监控场景中每个画面要素的要素分析结果；
按照预设的输电隐患筛选要求，确定与所述目标输电数据对应的监控场景对应的至少一个隐患筛选要素；
根据所有所述隐患筛选要素对每个所述要素分析结果执行要素配对操作，得到每个所述要素分析结果与所有所述隐患筛选要素对应的配对结果；
将所有所述配对结果中满足所述输电隐患筛选要求的配对结果确定为所述目标输电数据对应的预处理结果。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述输电隐患处理组件，对所述目标隐患数据执行隐患分析操作，得到所述目标隐患数据对应的隐患分析结果，包括：
当所述目标隐患数据的隐患类型包括所述第一类型时，根据所述人工智能算法分析所述目标隐患数据，得到所述目标隐患数据中所述目标人员对应的作业资质结果，所述目标人员对应的作业资质结果包括表示所述目标人员符合预设的作业资质要求的第一资质结果或表示所述目标人员不符合预设的作业资质要求的第二资质结果；
根据预设的人脸分析算法，确定所述目标隐患数据中所述目标人员对应的人脸数据，并根据所述目标人员对应的作业资质结果以及所述人脸数据，生成针对所述目标人员的分析数据，作为所述目标隐患数据对应的隐患分析结果。
作为一种可选的实施方式，在本发明第一方面中，所述根据预设的人脸分析算法，确定所述目标隐患数据中所述目标人员对应的人脸数据，包括：
根据预设的人脸分析算法，提取所述目标隐患数据中所述目标人员的人脸数据，所述目标人员的人脸数据包括多个子数据，每个所述子数据对应一种确定出的人脸识别动作；
根据所述人脸分析算法，对所述目标人员的人脸数据执行动作校验操作，得到每个所述子数据与该子数据对应的人脸识别动作对应的动作配对数值；
根据所有所述子数据对应的动作配对数值、该目标人员的人脸数据，生成针对所述目标人员综合人脸数据，作为所述目标隐患数据中所述目标人员对应的人脸数据。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述输电隐患处理组件，对所述目标隐患数据执行隐患分析操作，得到所述目标隐患数据对应的隐患分析结果，包括：
当所述目标隐患数据的隐患类型包括所述第二类型时，根据所述人工智能算法分析所述目标隐患数据，得到所述目标隐患数据中所述监控目标对应的归属分类，每个所述归属分类对应一种确定出的隐患类型；
根据所述人工智能算法以及所述监控目标对应的归属分类，对所述监控目标执行预设的归属分析操作，得到所述监控目标对应的隐患信息，作为所述目标隐患数据对应的隐患分析结果。
作为一种可选的实施方式，在本发明第一方面中，述方法还包括：
根据所述隐患分析结果以及所述输电隐患处理组件，生成针对所述目标隐患数据的隐患处理方案；
根据所述目标隐患数据的分析信息以及所述人工智能算法，按照所述隐患处理方案对所述目标隐患数据执行模拟隐患处理操作，得到所述目标隐患数据对应的模拟处理结果，所述模拟处理结果包括对所述目标隐患数据执行隐患处理操作对应的模拟处理成功率；
当所述模拟处理成功率表示按照所述隐患处理方案对所述目标隐患数据执行所述隐患处理操作对应的模拟处理成功率大于等于预设成功阈值时，根据所述模拟处理结果以及所述隐患处理方案，对所述目标隐患数据执行隐患处理操作。
作为一种可选的实施方式，在本发明第一方面中，当所述模拟处理成功率表示按照所述隐患处理方案对所述目标隐患数据执行所述隐患处理操作对应的模拟处理成功率小于预设成功阈值时，所述方法还包括：
获取历史处理数据，所述历史处理数据为已记录的所述目标输电线路中存在历史隐患数据时对应的处理数据，所述历史隐患数据包括与所述目标输电数据的隐患类型相同的数据；
从所有所述历史处理数据中筛选出目标历史处理方案，所述目标历史处理方案为所述历史处理数据中处理与所述目标输电数据的隐患类型相同的数据的方案，所述目标历史处理方案对应的方案执行成功率高于所述成功阈值；
根据所述历史处理方案更新所述隐患处理方案，以根据更新后的所述隐患处理方案对所述目标隐患数据执行隐患处理操作。
本发明第二方面公开了一种基于人工智能的输电隐患数据的智能处理装置，所述装置包括：
获取模块，用于获取目标输电数据，所述目标输电数据为针对目标输电线路的视频数据；
预处理模块，用于根据预先确定的人工智能算法，对所述目标输电数据执行预处理操作，得到所述目标输电数据对应的预处理结果，所述预处理结果包括所述目标输电数据中目标隐患数据的隐患类型，所述目标隐患数据的隐患类型包括第一类型和/或第二类型，所述第一类型为所述目标隐患数据对应的视频场景中存在目标人员的类型，所述第二类型为所述目标隐患数据对应的视频场景中存在除所述目标人员之外且满足预设输电隐患要求的监控目标对应的类型；
确定模块，用于根据所述目标隐患数据的隐患类型，确定针对所述隐患类型的输电隐患处理组件；
隐患分析模块，用于根据所述输电隐患处理组件，对所述目标隐患数据执行隐患分析操作，得到所述目标隐患数据对应的隐患分析结果，所述隐患分析结果包括针对目标隐患数据的分析信息，所述分析信息用于确定针对所述目标隐患数据的隐患处理操作，以对所述目标隐患数据执行与该目标隐患数据匹配的隐患处理操作。
作为一种可选的实施方式，在本发明第二方面中，所述预处理模块根据预先确定的人工智能算法，对所述目标输电数据执行预处理操作，得到所述目标输电数据对应的预处理结果的方式具体包括：
根据预先确定的人工智能算法，对所述目标输电数据对应的监控场景执行场景分析操作，得到所述目标输电数据对应的场景分析结果，所述场景分析结果包括所述目标输电数据对应的监控场景中每个画面要素的要素分析结果；
按照预设的输电隐患筛选要求，确定与所述目标输电数据对应的监控场景对应的至少一个隐患筛选要素；
根据所有所述隐患筛选要素对每个所述要素分析结果执行要素配对操作，得到每个所述要素分析结果与所有所述隐患筛选要素对应的配对结果；
将所有所述配对结果中满足所述输电隐患筛选要求的配对结果确定为所述目标输电数据对应的预处理结果。
作为一种可选的实施方式，在本发明第二方面中，所述隐患分析模块，包括：
分析子模块，用于当所述目标隐患数据的隐患类型包括所述第一类型时，根据所述人工智能算法分析所述目标隐患数据，得到所述目标隐患数据中所述目标人员对应的作业资质结果，所述目标人员对应的作业资质结果包括表示所述目标人员符合预设的作业资质要求的第一资质结果或表示所述目标人员不符合预设的作业资质要求的第二资质结果；
确定子模块，用于根据预设的人脸分析算法，确定所述目标隐患数据中所述目标人员对应的人脸数据；
生成子模块，用于根据所述目标人员对应的作业资质结果以及所述人脸数据，生成针对所述目标人员的分析数据，作为所述目标隐患数据对应的隐患分析结果。
作为一种可选的实施方式，在本发明第二方面中，所述确定子模块根据预设的人脸分析算法，确定所述目标隐患数据中所述目标人员对应的人脸数据的方式具体包括：
根据预设的人脸分析算法，提取所述目标隐患数据中所述目标人员的人脸数据，所述目标人员的人脸数据包括多个子数据，每个所述子数据对应一种确定出的人脸识别动作；
根据所述人脸分析算法，对所述目标人员的人脸数据执行动作校验操作，得到每个所述子数据与该子数据对应的人脸识别动作对应的动作配对数值；
根据所有所述子数据对应的动作配对数值、该目标人员的人脸数据，生成针对所述目标人员综合人脸数据，作为所述目标隐患数据中所述目标人员对应的人脸数据。
作为一种可选的实施方式，在本发明第二方面中，所述分析子模块，还用于当所述目标隐患数据的隐患类型包括所述第二类型时，根据所述人工智能算法分析所述目标隐患数据，得到所述目标隐患数据中所述监控目标对应的归属分类，每个所述归属分类对应一种确定出的隐患类型；
所述隐患分析模块还包括：
归属分析子模块根据所述人工智能算法以及所述监控目标对应的归属分类，对所述监控目标执行预设的归属分析操作，得到所述监控目标对应的隐患信息，作为所述目标隐患数据对应的隐患分析结果。
作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：
生成模块，用于根据所述隐患分析结果以及所述输电隐患处理组件，生成针对所述目标隐患数据的隐患处理方案；
模拟模块，用于根据所述目标隐患数据的分析信息以及所述人工智能算法，按照所述隐患处理方案对所述目标隐患数据执行模拟隐患处理操作，得到所述目标隐患数据对应的模拟处理结果，所述模拟处理结果包括对所述目标隐患数据执行隐患处理操作对应的模拟处理成功率；
隐患处理模块，用于当所述模拟处理成功率表示按照所述隐患处理方案对所述目标隐患数据执行所述隐患处理操作对应的模拟处理成功率大于等于预设成功阈值时，根据所述模拟处理结果以及所述隐患处理方案，对所述目标隐患数据执行隐患处理操作。
作为一种可选的实施方式，在本发明第二方面中，所述获取模块，还用于当所述模拟处理成功率表示按照所述隐患处理方案对所述目标隐患数据执行所述隐患处理操作对应的模拟处理成功率小于预设成功阈值时，获取历史处理数据，所述历史处理数据为已记录的所述目标输电线路中存在历史隐患数据时对应的处理数据，所述历史隐患数据包括与所述目标输电数据的隐患类型相同的数据；
所述装置还包括：
筛选模块，用于从所有所述历史处理数据中筛选出目标历史处理方案，所述目标历史处理方案为所述历史处理数据中处理与所述目标输电数据的隐患类型相同的数据的方案，所述目标历史处理方案对应的方案执行成功率高于所述成功阈值；
更新模块，用于根据所述历史处理方案更新所述隐患处理方案，以根据更新后的所述隐患处理方案对所述目标隐患数据执行隐患处理操作。
本发明第三方面公开了另一种基于人工智能的输电隐患数据的智能处理装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于人工智能的输电隐患数据的智能处理方法。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于人工智能的输电隐患数据的智能处理方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，提供了一种基于人工智能的输电隐患数据的智能处理方法，该方法包括：获取目标输电数据，目标输电数据为针对目标输电线路的视频数据；根据预先确定的人工智能算法，对目标输电数据执行预处理操作，得到目标输电数据对应的预处理结果，预处理结果包括目标输电数据中目标隐患数据的隐患类型，目标隐患数据的隐患类型包括第一类型和/或第二类型，第一类型为目标隐患数据对应的视频场景中存在目标人员的类型，第二类型为目标隐患数据对应的视频场景中存在除目标人员之外且满足预设输电隐患要求的监控目标对应的类型；根据目标隐患数据的隐患类型，确定针对隐患类型的输电隐患处理组件，并根据输电隐患处理组件，对目标隐患数据执行隐患分析操作，得到目标隐患数据对应的隐患分析结果，隐患分析结果包括针对目标隐患数据的分析信息，分析信息用于确定针对目标隐患数据的隐患处理操作，以对目标隐患数据执行与该目标隐患数据匹配的隐患处理操作。可见，实施本发明能够自动确定目标输电数据对应的隐患类型，从而确定出与该隐患类型对应的隐患处理组件，进而根据该隐患处理组件实现对该目标隐患数据的精准分析，提高了针对目标输电数据中的目标隐患数据的确定确定准确性以及可靠性，还能够提高后续对该目标隐患数据执行隐患处理操作的处理效率以及处理准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1是本发明实施例公开的一种基于人工智能的输电隐患数据的智能处理方法的流程示意图；
图2是本发明实施例公开的另一种基于人工智能的输电隐患数据的智能处理方法的流程示意图；
图3是本发明实施例公开的一种基于人工智能的输电隐患数据的智能处理装置的结构示意图；
图4是本发明实施例公开的另一种基于人工智能的输电隐患数据的智能处理装置的结构示意图；
图5是本发明实施例公开的又一种基于人工智能的输电隐患数据的智能处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于人工智能的输电隐患数据的智能处理方法及装置，能够自动确定目标输电数据对应的隐患类型，从而确定出与该隐患类型对应的隐患处理组件，进而根据该隐患处理组件实现对该目标隐患数据的精准分析，提高了针对目标输电数据中的目标隐患数据的确定确定准确性以及可靠性，还能够提高后续对该目标隐患数据执行隐患处理操作的处理效率以及处理准确性。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种基于人工智能的输电隐患数据的智能处理方法的流程示意图。其中，图1所描述的基于人工智能的输电隐患数据的智能处理方法可以应用于基于人工智能的输电隐患数据的智能处理装置中，本发明实施例不做限定。如图1所示，该基于人工智能的输电隐患数据的智能处理方法可以包括以下操作：
101、获取目标输电数据，目标输电数据为针对目标输电线路的视频数据。
102、根据预先确定的人工智能算法，对目标输电数据执行预处理操作，得到目标输电数据对应的预处理结果，预处理结果包括目标输电数据中目标隐患数据的隐患类型。
本发明实施例中，目标隐患数据的隐患类型包括第一类型和/或第二类型，第一类型为目标隐患数据对应的视频场景中存在目标人员的类型，第二类型为目标隐患数据对应的视频场景中存在除目标人员之外且满足预设输电隐患要求的监控目标对应的类型。
本发明实施例中，需要说明的是，监控目标具体可以包括在目标输电线路上存在鸟巢、蜂窝等被确定为目标输电线路的输电隐患的物体，该监控目标也可以包括处于损坏状态的绝缘子、防振锤等电路器件，本发明实施例不做限定，进一步的，该监控目标为确定为目标输电线路的输电隐患的物品。
103、根据目标隐患数据的隐患类型，确定针对隐患类型的输电隐患处理组件。
本发明实施例中，具体的，当隐患类型包括第一类型时，对应的输电隐患处理组件为人员分析组件，进一步的，该人员分析组件包括人脸抓拍处理组件、人员资质分析组件、活体检测组件；其中，人脸抓拍处理组件用于输出符合人脸提取调价的人脸抓拍照片，人员资质分析组件用于检测作业人员是否具备作业资质，活体检测组件用于通过眨眼、张嘴、摇头、点头等组合动作验证用户是否为真实活体本人。
本发明实施例中，当隐患类型包括第二类型时，对应的输电隐患处理组件为输电线路隐患分析组件，进一步的，该输电线路隐患分析组件包括鸟巢分析组件、蜂巢分析组件、绝缘子自爆分析组件、防振锤破损分析组件以及防振锤位移分析组件；其中，该输电线路隐患分析组件依次用于识别提取出目标输电数据中的鸟巢、蜂巢、绝缘子自爆、防振锤破损、防振锤位移对应的画面，本发明实施例不做限定。
104、根据输电隐患处理组件，对目标隐患数据执行隐患分析操作，得到目标隐患数据对应的隐患分析结果。
本发明实施例中，隐患分析结果包括针对目标隐患数据的分析信息，分析信息用于确定针对目标隐患数据的隐患处理操作，以对目标隐患数据执行与该目标隐患数据匹配的隐患处理操作。
可见，实施图1所描述的基于人工智能的输电隐患数据的智能处理方法，能够自动确定目标输电数据对应的隐患类型，从而确定出与该隐患类型对应的隐患处理组件，进而根据该隐患处理组件实现对该目标隐患数据的精准分析，提高了针对目标输电数据中的目标隐患数据的确定确定准确性以及可靠性，还能够提高后续对该目标隐患数据执行隐患处理操作的处理效率以及处理准确性。
在一个可选的实施例中，上述根据预先确定的人工智能算法，对目标输电数据执行预处理操作，得到目标输电数据对应的预处理结果的方式具体可以包括以下操作：
根据预先确定的人工智能算法，对目标输电数据对应的监控场景执行场景分析操作，得到目标输电数据对应的场景分析结果，场景分析结果包括目标输电数据对应的监控场景中每个画面要素的要素分析结果；
按照预设的输电隐患筛选要求，确定与目标输电数据对应的监控场景对应的至少一个隐患筛选要素；
根据所有隐患筛选要素对每个要素分析结果执行要素配对操作，得到每个要素分析结果与所有隐患筛选要素对应的配对结果；
将所有配对结果中满足输电隐患筛选要求的配对结果确定为目标输电数据对应的预处理结果。
在该可选的实施例中，当隐患类型包括第一类型时，目标输电数据对应的监控场景对应的隐患筛选要素具体为该监控场景中出现的所有被识别为人员的画面；当隐患类型包括第二类型时，目标输电数据对应的监控场景对应的隐患筛选要素具体为该监控场景中出现的所有被识别为监控目标的画面。
在该可选的的实施例中，通过隐患筛选要素，能够实现目标输电数据的冗余排查，从大量的目标输电数据中筛选掉不包括隐患筛选要素的数据，减少了后续视频数据的处理量，提高了针对目标隐患数据的确定效率以及提高了确定的该出目标隐患数据的可靠性和准确性。
可见，在该可选的实施例中，能够智能化分析目标输电数据对应的监控场景，同时结合确定出的该监控场景对应的隐患筛选要素，对每个要素分析结果执行要素配对操作，得到满足输电隐患筛选要求的配对结果，提高了从目标输电数据中筛选出符合输电隐患要求的目标隐患数据的确定准确性以及可靠性。
在另一个可选的实施例中，上述根据输电隐患处理组件，对目标隐患数据执行隐患分析操作，得到目标隐患数据对应的隐患分析结果的方式具体可以包括以下操作：
当目标隐患数据的隐患类型包括第一类型时，根据人工智能算法分析目标隐患数据，得到目标隐患数据中目标人员对应的作业资质结果，目标人员对应的作业资质结果包括表示目标人员符合预设的作业资质要求的第一资质结果或表示目标人员不符合预设的作业资质要求的第二资质结果；
根据预设的人脸分析算法，确定目标隐患数据中目标人员对应的人脸数据，并根据目标人员对应的作业资质结果以及人脸数据，生成针对目标人员的分析数据，作为目标隐患数据对应的隐患分析结果。
进一步的，上述根据预设的人脸分析算法，确定目标隐患数据中目标人员对应的人脸数据的方式具体可以包括以下操作：
根据预设的人脸分析算法，提取目标隐患数据中目标人员的人脸数据，目标人员的人脸数据包括多个子数据，每个子数据对应一种确定出的人脸识别动作；
根据人脸分析算法，对目标人员的人脸数据执行动作校验操作，得到每个子数据与该子数据对应的人脸识别动作对应的动作配对数值；
根据所有子数据对应的动作配对数值、该目标人员的人脸数据，生成针对目标人员综合人脸数据，作为目标隐患数据中目标人员对应的人脸数据。
在该可选的实施例中，可选的，当目标隐患数据的隐患类型包括第二类型时，根据人工智能算法分析目标隐患数据，得到目标隐患数据中监控目标对应的归属分类，每个归属分类对应一种确定出的隐患类型；
根据人工智能算法以及监控目标对应的归属分类，对监控目标执行预设的归属分析操作，得到监控目标对应的隐患信息，作为目标隐患数据对应的隐患分析结果。
可见，在该可选的实施例中，针对隐患类型为第一类型，能够自动分析目标隐患数据中目标人员的作业资质、目标人员的综合人脸数据，作为目标隐患数据对应的隐患分析结果；针对隐患类型为第二型，能够自动确定该监控目标的归属分析，从而精准细致分析出该归属分类对应的隐患信息；以上，提供了针对不同隐患类型的目标隐患数据的分析方案，提高了确定出的目标隐患数据对应的分析信息的准确性，进一步的，准确可靠的分析信息有利于提高后续针对该目标隐患数据执行隐患处理操作的处理效率以及处理可靠性。
实施例二
请参阅图2，图2是本发明实施例公开的另一种基于人工智能的输电隐患数据的智能处理方法的流程示意图。其中，图2所描述的基于人工智能的输电隐患数据的智能处理方法可以应用于基于人工智能的输电隐患数据的智能处理装置中，本发明实施例不做限定。如图2所示，该基于人工智能的输电隐患数据的智能处理方法可以包括以下操作：
201、获取目标输电数据，目标输电数据为针对目标输电线路的视频数据。
202、根据预先确定的人工智能算法，对目标输电数据执行预处理操作，得到目标输电数据对应的预处理结果，预处理结果包括目标输电数据中目标隐患数据的隐患类型。
203、根据目标隐患数据的隐患类型，确定针对隐患类型的输电隐患处理组件。
204、根据输电隐患处理组件，对目标隐患数据执行隐患分析操作，得到目标隐患数据对应的隐患分析结果。
本发明实施例中，针对步骤201-步骤204的其他描述请参阅实施例一中针对步骤101-步骤104的其他具体描述，本发明实施例不再赘述。
205、根据隐患分析结果以及输电隐患处理组件，生成针对目标隐患数据的隐患处理方案。
206、根据目标隐患数据的分析信息以及人工智能算法，按照隐患处理方案对目标隐患数据执行模拟隐患处理操作，得到目标隐患数据对应的模拟处理结果。
本发明实施例中，模拟处理结果包括对目标隐患数据执行隐患处理操作对应的模拟处理成功率
207、当模拟处理成功率表示按照隐患处理方案对目标隐患数据执行隐患处理操作对应的模拟处理成功率大于等于预设成功阈值时，根据模拟处理结果以及隐患处理方案，对目标隐患数据执行隐患处理操作。
本发明实施例中，可选的，当模拟处理成功率表示按照隐患处理方案对目标隐患数据执行隐患处理操作对应的模拟处理成功率小于预设成功阈值时，方法还包括：
获取历史处理数据，历史处理数据为已记录的目标输电线路中存在历史隐患数据时对应的处理数据，历史隐患数据包括与目标输电数据的隐患类型相同的数据；
从所有历史处理数据中筛选出目标历史处理方案，目标历史处理方案为历史处理数据中处理与目标输电数据的隐患类型相同的数据的方案，目标历史处理方案对应的方案执行成功率高于成功阈值；
根据历史处理方案更新隐患处理方案，以根据更新后的隐患处理方案对目标隐患数据执行隐患处理操作。
可见，实施图2所描述的基于人工智能的输电隐患数据的智能处理方法，在通过隐患分析结构及输电隐患处理组件处理目标隐患数据之前，能够先行对生成的隐患处理方案执行模拟隐患处理操作，在确定模拟处理成功率大于等于预设成功阈值后再通过该隐患处理方案执行针对目标隐患数据的隐患处理操作，提高了针对目标隐患数据执行隐患处理操作的操作成功率；还能够针对模拟处理成功率小于预设成功阈值，自动获取历史处理数据来更新该隐患处理方案，提高了隐患处理方案的准确性和可靠性，也即提高了后续针对目标隐患数据执行隐患处理操作的操作成功率。
在一个可选的实施例中，在确定隐患处理方案对应的方案执行成功率高于预设成功阈值后，该方法还可以包括以下操作：
根据该隐患处理方案、目标隐患数据、输电隐患处理组件以及隐患分析结果，生成针对该目标隐患数据的封装数据，该封装数据用于提供给处理该目标隐患数据的处理人员或用于存储至预设的封装数据库，以在确定需要针对该目标隐患数据对应的目标输电线路执行隐患排查工作时作为隐患排查工作的辅助数据。
进一步的，根据预设的隐患划分标准，对该封装数据执行隐患等级划分，得到该封装数据对应的隐患等级，该隐患等级包括用于表示该封装数据的隐患处理紧急程度大于等于预设隐患阈值的第一隐患等级或用于表示该封装数据的隐患处理紧急程度小于预设隐患阈值的第二隐患等级；
当判断出该封装数据对应的隐患等级为第一隐患等级时，生成用于表示该封装数据为第一隐患等级的紧急标识，并根据该紧急标识将该封装发送至负责该封装数据的处理人员，以使该处理人员在该第一隐患等级对应的第一处理周期内处理该封装数据对应的线路隐患；
当判断出该封装数据对应的隐患等级为第二隐患等级时，根据该第二隐患等级确定该封装数据的第二处理周期，以使该处理人员在该第二隐患等级对应的第二处理周期内处理该封装数据对应的线路隐患；
其中，第一处理周期短于第二处理周期。
可见，在该可选的实施例中，能够在确定出处理目标隐患数据的封装数据后，自动按照隐患划分标准对封装数据的隐患等级进行划分，并针对不同的隐患等级执行匹配的处理操作：实现第一隐患等级(紧急)的输电隐患进行优先处理，提高了针对输电隐患的处理效率。
实施例三
请参阅图3，图3是本发明实施例公开的一种基于人工智能的输电隐患数据的智能处理装置的结构示意图。其中，该基于人工智能的输电隐患数据的智能处理装置可以是基于人工智能的输电隐患数据的智能处理终端、基于人工智能的输电隐患数据的智能处理设备、基于人工智能的输电隐患数据的智能处理系统或者基于人工智能的输电隐患数据的智能处理服务器，基于人工智能的输电隐患数据的智能处理服务器可以是本地服务器，也可以是远端服务器，还可以是云服务器(又称云端服务器)，当基于人工智能的输电隐患数据的智能处理服务器为非云服务器时，该非云服务器能够与云服务器进行通信连接，本发明实施例不做限定。如图3所示，该基于人工智能的输电隐患数据的智能处理装置可以包括获取模块301、预处理模块302、确定模块303以及隐患分析模块304，其中：
获取模块301，用于获取目标输电数据，目标输电数据为针对目标输电线路的视频数据。
预处理模块302，用于根据预先确定的人工智能算法，对目标输电数据执行预处理操作，得到目标输电数据对应的预处理结果，预处理结果包括目标输电数据中目标隐患数据的隐患类型，目标隐患数据的隐患类型包括第一类型和/或第二类型，第一类型为目标隐患数据对应的视频场景中存在目标人员的类型，第二类型为目标隐患数据对应的视频场景中存在除目标人员之外且满足预设输电隐患要求的监控目标对应的类型。
确定模块303，用于根据目标隐患数据的隐患类型，确定针对隐患类型的输电隐患处理组件。
隐患分析模块304，用于根据输电隐患处理组件，对目标隐患数据执行隐患分析操作，得到目标隐患数据对应的隐患分析结果，隐患分析结果包括针对目标隐患数据的分析信息，分析信息用于确定针对目标隐患数据的隐患处理操作，以对目标隐患数据执行与该目标隐患数据匹配的隐患处理操作。
可见，实施如图3所示的基于人工智能的输电隐患数据的智能处理装置，能够自动确定目标输电数据对应的隐患类型，从而确定出与该隐患类型对应的隐患处理组件，进而根据该隐患处理组件实现对该目标隐患数据的精准分析，提高了针对目标输电数据中的目标隐患数据的确定确定准确性以及可靠性，还能够提高后续对该目标隐患数据执行隐患处理操作的处理效率以及处理准确性。
在一个可选的实施例中，可选的，预处理模块302根据预先确定的人工智能算法，对目标输电数据执行预处理操作，得到目标输电数据对应的预处理结果的方式具体包括：
根据预先确定的人工智能算法，对目标输电数据对应的监控场景执行场景分析操作，得到目标输电数据对应的场景分析结果，场景分析结果包括目标输电数据对应的监控场景中每个画面要素的要素分析结果；
按照预设的输电隐患筛选要求，确定与目标输电数据对应的监控场景对应的至少一个隐患筛选要素；
根据所有隐患筛选要素对每个要素分析结果执行要素配对操作，得到每个要素分析结果与所有隐患筛选要素对应的配对结果；
将所有配对结果中满足输电隐患筛选要求的配对结果确定为目标输电数据对应的预处理结果。
可见，在该可选的实施例中，能够能够智能化分析目标输电数据对应的监控场景，同时结合确定出的该监控场景对应的隐患筛选要素，对每个要素分析结果执行要素配对操作，得到满足输电隐患筛选要求的配对结果，提高了从目标输电数据中筛选出符合输电隐患要求的目标隐患数据的确定准确性以及可靠性。
在另一个可选的实施例中，如图4所示，隐患分析模块304，包括：
分析子模块3041，用于当目标隐患数据的隐患类型包括第一类型时，根据人工智能算法分析目标隐患数据，得到目标隐患数据中目标人员对应的作业资质结果，目标人员对应的作业资质结果包括表示目标人员符合预设的作业资质要求的第一资质结果或表示目标人员不符合预设的作业资质要求的第二资质结果。
确定子模块3042，用于根据预设的人脸分析算法，确定目标隐患数据中目标人员对应的人脸数据。
生成子模块3043，用于根据目标人员对应的作业资质结果以及人脸数据，生成针对目标人员的分析数据，作为目标隐患数据对应的隐患分析结果。
进一步的，确定子模块3042根据预设的人脸分析算法，确定目标隐患数据中目标人员对应的人脸数据的方式具体包括：
根据预设的人脸分析算法，提取目标隐患数据中目标人员的人脸数据，目标人员的人脸数据包括多个子数据，每个子数据对应一种确定出的人脸识别动作；
根据人脸分析算法，对目标人员的人脸数据执行动作校验操作，得到每个子数据与该子数据对应的人脸识别动作对应的动作配对数值；
根据所有子数据对应的动作配对数值、该目标人员的人脸数据，生成针对目标人员综合人脸数据，作为目标隐患数据中目标人员对应的人脸数据。
在该可选的实施例中，可选的，分析子模块3041，还用于当目标隐患数据的隐患类型包括第二类型时，根据人工智能算法分析目标隐患数据，得到目标隐患数据中监控目标对应的归属分类，每个归属分类对应一种确定出的隐患类型。
隐患分析模块304还包括：
归属分析子模块3044根据人工智能算法以及监控目标对应的归属分类，对监控目标执行预设的归属分析操作，得到监控目标对应的隐患信息，作为目标隐患数据对应的隐患分析结果。
可见，实施如图4所示的基于人工智能的输电隐患数据的智能处理装置，能够针对隐患类型为第一类型，能够自动分析目标隐患数据中目标人员的作业资质、目标人员的综合人脸数据，作为目标隐患数据对应的隐患分析结果；针对隐患类型为第二型，能够自动确定该监控目标的归属分析，从而精准细致分析出该归属分类对应的隐患信息；以上，提供了针对不同隐患类型的目标隐患数据的分析方案，提高了确定出的目标隐患数据对应的分析信息的准确性，进一步的，准确可靠的分析信息有利于提高后续针对该目标隐患数据执行隐患处理操作的处理效率以及处理可靠性。
在又一个可选的实施例中，如图4所示，该装置还可以包括生成模块305、模拟模块306，其中：
生成模块305，用于根据隐患分析模块304得到的隐患分析结果以及确定模块303确定出的输电隐患处理组件，生成针对目标隐患数据的隐患处理方案。
模拟模块306，用于根据隐患分析模块304得到的目标隐患数据的分析信息以及人工智能算法，按照生成模块305生成的隐患处理方案对获取模块301获取到的目标隐患数据执行模拟隐患处理操作，得到目标隐患数据对应的模拟处理结果，模拟处理结果包括对目标隐患数据执行隐患处理操作对应的模拟处理成功率。
隐患处理模块307，用于当模拟处理成功率表示按照隐患处理方案对目标隐患数据执行隐患处理操作对应的模拟处理成功率大于等于预设成功阈值时，根据模拟模块306得到的模拟处理结果以及生成模块305生成的隐患处理方案，对获取模块301获取到的目标隐患数据执行隐患处理操作。
在该可选的实施例中，可选的，获取模块301，还用于当模拟处理成功率表示按照隐患处理方案对目标隐患数据执行隐患处理操作对应的模拟处理成功率小于预设成功阈值时，获取历史处理数据，历史处理数据为已记录的目标输电线路中存在历史隐患数据时对应的处理数据，历史隐患数据包括与目标输电数据的隐患类型相同的数据。
如图4所示，该装置还可以包括筛选模块308、更新模块309，其中：
筛选模块308，用于从所有历史处理数据中筛选出目标历史处理方案，目标历史处理方案为历史处理数据中处理与目标输电数据的隐患类型相同的数据的方案，目标历史处理方案对应的方案执行成功率高于成功阈值。
更新模块309，用于根据历史处理方案更新生成模块305生成的隐患处理方案，以根据更新后的隐患处理方案对目标隐患数据执行隐患处理操作。
可见，实施如图4所示的基于人工智能的输电隐患数据的智能处理装置，在通过隐患分析结构及输电隐患处理组件处理目标隐患数据之前，能够先行对生成的隐患处理方案执行模拟隐患处理操作，在确定模拟处理成功率大于等于预设成功阈值后再通过该隐患处理方案执行针对目标隐患数据的隐患处理操作，提高了针对目标隐患数据执行隐患处理操作的操作成功率；还能够针对模拟处理成功率小于预设成功阈值，自动获取历史处理数据来更新该隐患处理方案，提高了隐患处理方案的准确性和可靠性，也即提高了后续针对目标隐患数据执行隐患处理操作的操作成功率。
实施例四
请参阅图5，图5是本发明实施例公开的又一种基于人工智能的输电隐患数据的智能处理装置的结构示意图。如图5所示，该基于人工智能的输电隐患数据的智能处理装置可以包括：
存储有可执行程序代码的存储器401；
与存储器401耦合的处理器402；
处理器402调用存储器401中存储的可执行程序代码，执行本发明实施例一或本发明实施例二所描述的基于人工智能的输电隐患数据的智能处理方法中的步骤。
实施例五
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一或本发明实施例二所描述的基于人工智能的输电隐患数据的智能处理方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的基于人工智能的输电隐患数据的智能处理方法中的步骤。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机存储介质中,存储介质包括只读存储器(Read-OnlyMemory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种基于人工智能的输电隐患数据的智能处理方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种基于人工智能的输电隐患数据的智能处理方法，其特征在于，所述方法包括：
获取目标输电数据，所述目标输电数据为针对目标输电线路的视频数据；
根据预先确定的人工智能算法，对所述目标输电数据执行预处理操作，得到所述目标输电数据对应的预处理结果，所述预处理结果包括所述目标输电数据中目标隐患数据的隐患类型，所述目标隐患数据的隐患类型包括第一类型和/或第二类型，所述第一类型为所述目标隐患数据对应的视频场景中存在目标人员的类型，所述第二类型为所述目标隐患数据对应的视频场景中存在除所述目标人员之外且满足预设输电隐患要求的监控目标对应的类型；
根据所述目标隐患数据的隐患类型，确定针对所述隐患类型的输电隐患处理组件，并根据所述输电隐患处理组件，对所述目标隐患数据执行隐患分析操作，得到所述目标隐患数据对应的隐患分析结果，所述隐患分析结果包括针对目标隐患数据的分析信息，所述分析信息用于确定针对所述目标隐患数据的隐患处理操作，以对所述目标隐患数据执行与该目标隐患数据匹配的隐患处理操作。
2.根据权利要求1所述的基于人工智能的输电隐患数据的智能处理方法，其特征在于，所述根据预先确定的人工智能算法，对所述目标输电数据执行预处理操作，得到所述目标输电数据对应的预处理结果，包括：
根据预先确定的人工智能算法，对所述目标输电数据对应的监控场景执行场景分析操作，得到所述目标输电数据对应的场景分析结果，所述场景分析结果包括所述目标输电数据对应的监控场景中每个画面要素的要素分析结果；
按照预设的输电隐患筛选要求，确定与所述目标输电数据对应的监控场景对应的至少一个隐患筛选要素；
根据所有所述隐患筛选要素对每个所述要素分析结果执行要素配对操作，得到每个所述要素分析结果与所有所述隐患筛选要素对应的配对结果；
将所有所述配对结果中满足所述输电隐患筛选要求的配对结果确定为所述目标输电数据对应的预处理结果。
3.根据权利要求1或2所述的基于人工智能的输电隐患数据的智能处理方法，其特征在于，所述根据所述输电隐患处理组件，对所述目标隐患数据执行隐患分析操作，得到所述目标隐患数据对应的隐患分析结果，包括：
当所述目标隐患数据的隐患类型包括所述第一类型时，根据所述人工智能算法分析所述目标隐患数据，得到所述目标隐患数据中所述目标人员对应的作业资质结果，所述目标人员对应的作业资质结果包括表示所述目标人员符合预设的作业资质要求的第一资质结果或表示所述目标人员不符合预设的作业资质要求的第二资质结果；
根据预设的人脸分析算法，确定所述目标隐患数据中所述目标人员对应的人脸数据，并根据所述目标人员对应的作业资质结果以及所述人脸数据，生成针对所述目标人员的分析数据，作为所述目标隐患数据对应的隐患分析结果。
4.根据权利要求3所述的基于人工智能的输电隐患数据的智能处理方法，其特征在于，所述根据预设的人脸分析算法，确定所述目标隐患数据中所述目标人员对应的人脸数据，包括：
根据预设的人脸分析算法，提取所述目标隐患数据中所述目标人员的人脸数据，所述目标人员的人脸数据包括多个子数据，每个所述子数据对应一种确定出的人脸识别动作；
根据所述人脸分析算法，对所述目标人员的人脸数据执行动作校验操作，得到每个所述子数据与该子数据对应的人脸识别动作对应的动作配对数值；
根据所有所述子数据对应的动作配对数值、该目标人员的人脸数据，生成针对所述目标人员综合人脸数据，作为所述目标隐患数据中所述目标人员对应的人脸数据。
5.根据权利要求3所述的基于人工智能的输电隐患数据的智能处理方法，其特征在于，所述根据所述输电隐患处理组件，对所述目标隐患数据执行隐患分析操作，得到所述目标隐患数据对应的隐患分析结果，包括：
当所述目标隐患数据的隐患类型包括所述第二类型时，根据所述人工智能算法分析所述目标隐患数据，得到所述目标隐患数据中所述监控目标对应的归属分类，每个所述归属分类对应一种确定出的隐患类型；
根据所述人工智能算法以及所述监控目标对应的归属分类，对所述监控目标执行预设的归属分析操作，得到所述监控目标对应的隐患信息，作为所述目标隐患数据对应的隐患分析结果。
6.根据权利要求1所述的基于人工智能的输电隐患数据的智能处理方法，其特征在于，所述方法还包括：
根据所述隐患分析结果以及所述输电隐患处理组件，生成针对所述目标隐患数据的隐患处理方案；
根据所述目标隐患数据的分析信息以及所述人工智能算法，按照所述隐患处理方案对所述目标隐患数据执行模拟隐患处理操作，得到所述目标隐患数据对应的模拟处理结果，所述模拟处理结果包括对所述目标隐患数据执行隐患处理操作对应的模拟处理成功率；
当所述模拟处理成功率表示按照所述隐患处理方案对所述目标隐患数据执行所述隐患处理操作对应的模拟处理成功率大于等于预设成功阈值时，根据所述模拟处理结果以及所述隐患处理方案，对所述目标隐患数据执行隐患处理操作。
7.根据权利要求6所述的基于人工智能的输电隐患数据的智能处理方法，其特征在于，当所述模拟处理成功率表示按照所述隐患处理方案对所述目标隐患数据执行所述隐患处理操作对应的模拟处理成功率小于预设成功阈值时，所述方法还包括：
获取历史处理数据，所述历史处理数据为已记录的所述目标输电线路中存在历史隐患数据时对应的处理数据，所述历史隐患数据包括与所述目标输电数据的隐患类型相同的数据；
从所有所述历史处理数据中筛选出目标历史处理方案，所述目标历史处理方案为所述历史处理数据中处理与所述目标输电数据的隐患类型相同的数据的方案，所述目标历史处理方案对应的方案执行成功率高于所述成功阈值；
根据所述历史处理方案更新所述隐患处理方案，以根据更新后的所述隐患处理方案对所述目标隐患数据执行隐患处理操作。
8.一种基于人工智能的输电隐患数据的智能处理装置，其特征在于，所述装置包括：
获取模块，用于获取目标输电数据，所述目标输电数据为针对目标输电线路的视频数据；
预处理模块，用于根据预先确定的人工智能算法，对所述目标输电数据执行预处理操作，得到所述目标输电数据对应的预处理结果，所述预处理结果包括所述目标输电数据中目标隐患数据的隐患类型，所述目标隐患数据的隐患类型包括第一类型和/或第二类型，所述第一类型为所述目标隐患数据对应的视频场景中存在目标人员的类型，所述第二类型为所述目标隐患数据对应的视频场景中存在除所述目标人员之外且满足预设输电隐患要求的监控目标对应的类型；
确定模块，用于根据所述目标隐患数据的隐患类型，确定针对所述隐患类型的输电隐患处理组件；
隐患分析模块，用于根据所述输电隐患处理组件，对所述目标隐患数据执行隐患分析操作，得到所述目标隐患数据对应的隐患分析结果，所述隐患分析结果包括针对目标隐患数据的分析信息，所述分析信息用于确定针对所述目标隐患数据的隐患处理操作，以对所述目标隐患数据执行与该目标隐患数据匹配的隐患处理操作。
9.一种基于人工智能的输电隐患数据的智能处理装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的基于人工智能的输电隐患数据的智能处理方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的基于人工智能的输电隐患数据的智能处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211227182.7A CN115600805A (zh) | 2022-10-09 | 2022-10-09 | 基于人工智能的输电隐患数据的智能处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211227182.7A CN115600805A (zh) | 2022-10-09 | 2022-10-09 | 基于人工智能的输电隐患数据的智能处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115600805A true CN115600805A (zh) | 2023-01-13 |
Family
ID=84846525
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211227182.7A Pending CN115600805A (zh) | 2022-10-09 | 2022-10-09 | 基于人工智能的输电隐患数据的智能处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115600805A (zh) |
-
2022
- 2022-10-09 CN CN202211227182.7A patent/CN115600805A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108011782B (zh) | 用于推送告警信息的方法和装置 | |
| CN113095132B (zh) | 基于神经网络燃气现场识别方法、系统、终端及存储介质 | |
| CN111476191B (zh) | 基于智慧交通的人工智能图像处理方法及大数据云服务器 | |
| CN113176978A (zh) | 基于日志文件的监控方法、系统、设备及可读存储介质 | |
| CN113270197A (zh) | 一种基于人工智能的健康预测方法、系统及存储介质 | |
| CN112688434A (zh) | 输配电线路的监测预警方法、装置、计算机设备和介质 | |
| CN111860187A (zh) | 一种高精度的佩戴口罩识别方法及系统 | |
| CN112199805B (zh) | 一种输电线路隐患识别模型评估方法及装置 | |
| CN114143734A (zh) | 一种用于5g物联网卡流量采集的数据处理方法及装置 | |
| CN115620243B (zh) | 基于人工智能的污染源监测方法、系统及云平台 | |
| CN115600805A (zh) | 基于人工智能的输电隐患数据的智能处理方法及装置 | |
| CN115494871A (zh) | 一种输电线路异常的无人机巡检方法、装置以及系统 | |
| CN115567618A (zh) | 一种多元视频协议的智能化适配方法及装置 | |
| CN114550046A (zh) | 火灾隐患识别方法、装置、处理器、存储介质和电子设备 | |
| CN114241401A (zh) | 异常判定方法、装置、设备、介质及产品 | |
| CN109427177B (zh) | 一种监控报警方法及装置 | |
| CN111859370A (zh) | 识别服务的方法、装置、电子设备和计算机可读存储介质 | |
| CN111259689A (zh) | 用于发送信息的方法和装置 | |
| CN115001941B (zh) | 一种通信网管故障的确定方法及装置 | |
| CN116993297B (zh) | 基于电子会议记录的任务数据生成方法及系统 | |
| CN117119434B (zh) | 人员识别的方法、装置、设备及存储介质 | |
| CN110210048B (zh) | 建立巡察分析模型的方法和装置 | |
| CN118097543A (zh) | 基于ai的预警方法、装置、存储介质及电子设备 | |
| CN114896653A (zh) | 一种基于bim的建筑物数据监测方法及其系统 | |
| CN113887303A (zh) | 前端监控设备管理方法、装置和设备及存储介质 |
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 |