[發明專利]一種基于深度學習的變電站安全管控平臺

在審

• 申請號: 202011243056.1
• 申請日: 2020-11-10
• 公開（公告）號: CN112381778A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 黃行星;劉偉波;童嘯霄;周登;章羽豐;張航暉;宣文雯;楊曉竹;徐暕
• 申請（專利權）人: 國網浙江嵊州市供電有限公司;國網浙江省電力有限公司紹興供電公司;國網浙江省電力有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/246;G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06Q10/06;G06Q50/06
• 代理公司: 杭州華鼎知識產權代理事務所(普通合伙) 33217
• 代理人: 秦曉剛

1.一種基于深度學習的變電站安全管控平臺，其特征在于，包括：

異物和外觀缺陷自動識別模塊：采集變電站中設備的圖像數據，并通過異物和外觀缺陷檢測的深度學習神經網絡模型自動識別圖像中各種異物和外觀缺陷，標定出異物、外觀缺陷的位置和種類；

誤闖禁區和超范圍作業自動報警模塊：采集變電站中的人員圖像數據并對其進行軌跡跟蹤，并通過誤闖禁區和超范圍作業自動報警的深度學習神經網絡模型對誤闖禁區和超范圍作業的行為進行自動檢測和報警；

站內工作人員違章行為自動檢測模塊：采集變電站中工作人員的圖像數據，并通過站內工作人員違章行為自動檢測的深度學習神經網絡模型自動檢測站內工作人員是否出現違章行為。

2.根據權利要求1所述的一種基于深度學習的變電站安全管控平臺，其特征在于:異物和外觀缺陷檢測的深度學習神經網絡模型搭建過程包括如下步驟：

S11:采集變電站中設備的圖像數據，該圖像數據至少包含異物的圖像數據、設備本身的外觀圖像數據以及當設備上有異物時的外觀圖像數據三種；

S12:對采集的相關圖像數據進行標注，制作訓練數據集，將其分為訓練集、測試集與驗證集；

S13:訓練神經網絡模型，當視頻監控中的某區域設備上有異物時，此監控區域在監控顯示屏上進行閃紅示警，并在監控視頻中標定出異物的位置及其種類；

S14:對模型訓練結果進行驗證，當模型訓練結果達到預期效果時，通過驗證，否則調整訓練參數，繼續訓練，直至達到預期效果。

3.根據權利要求2所述的一種基于深度學習的變電站安全管控平臺，其特征在于：誤闖禁區和超范圍作業自動報警的深度學習神經網絡模型搭建過程包括如下步驟：

S21:對變電站中的違禁區域進行標定，并從不同角度采集站內違禁區域的圖像數據，同時采集變電站中的人員圖像數據制作數據集，其中所采集的人員圖像數據應包含從不同角度拍攝的各種姿態的人員圖像數據；

S22:對采集的相關的違禁區域圖像數據以及相關的人員圖像數據進行標注，制作訓練數據集，將其分為訓練集、測試集與驗證集，每個標注框的中心點位為人員軌跡的追蹤點，某段時間內同一個人的移動，體現為標注框的移動，標注框中心點位的移動軌跡即認定為此人的移動軌跡，進而達到軌跡跟蹤的目的；

S23:訓練神經網絡模型，視頻監控區域中有人員存在時，區域內的人員會被標定并編號，其移動軌跡會在監控顯示屏幕上顯示；當有人員或物體誤闖入禁區時，此視頻監控區域在監控顯示屏上進行閃紅示警；

S24:對模型訓練結果進行驗證，當模型訓練結果達到預期效果時，通過驗證，否則調整訓練參數，繼續訓練，直至達到預期效果。

4.根據權利要求3所述的一種基于深度學習的變電站安全管控平臺，其特征在于：禁區內的人員識別方法具體為：人員標注框超出設定范圍已經進入禁區；超范圍作業為工作人員標注框超出設定范圍已經脫離此設備所在的監控區域。

5.根據權利要求1所述的一種基于深度學習的變電站安全管控平臺，其特征在于：站內工作人員違章行為自動檢測的深度學習神經網絡模型搭建過程包括如下步驟：

S31:采集變電站中工作人員的圖像數據，其中所采集的圖像數據應包含變電站內所有工種的圖像數據、規范佩戴安全帽與未佩戴安全帽的圖像數據、人員撐傘的圖像數據；

S32:對相關的圖像數據進行標注，制作訓練數據集，將其分為訓練集、測試集與驗證集；

S33:訓練神經網絡模型，當視頻監控中的某區域內有人員著裝不符合要求時，該類人員的標注框顯示為紅色并標注警示原因為著裝類；當視頻監控中的某區域內有人員未佩戴安全帽或者未正確佩戴安全帽時，該類人員的標注框顯示為紅色并標注警示原因為安全帽類；當視頻監控中的某區域內有人員撐傘時，該類人員的標注框顯示為紅色并標注警示原因為撐傘類；當通過人體關鍵點檢測到視頻監控中的某區域內有人員正在進行攀高動作時，該人員的標注框顯示為黃色并標注警示原因為正在進行攀爬；

S34:對模型訓練結果進行驗證，當模型訓練結果達到預期效果時，通過驗證，否則調整訓練參數，繼續訓練。