[發明專利]一種帶電作業主動預警與安全監測系統

有效

• 申請號: 202110355414.6
• 申請日: 2021-04-01
• 公開（公告）號: CN113221640B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 張冬;高明;劉靈光;盧健;盛曉翔;顧禮峰
• 申請（專利權）人: 國網江蘇省電力有限公司淮安供電分公司;淮安宏能集團有限公司;億嘉和科技股份有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/28;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G01S17/86
• 代理公司: 淮安市科文知識產權事務所 32223
• 代理人: 李鋒

1.一種基于人工智能精準定位的帶電作業主動預警與安全監測系統，其特征在于，包括主動預警系統、激光雷達、慣性傳感器和攝像頭，還包括人體關鍵點識別系統、帶電體識別系統、數據融合系統以及空間位置判斷系統，所述攝像頭分別與人體關鍵點識別系統、帶電體識別系統、數據融合系統電連接，所述激光雷達、慣性傳感器分別與數據融合系統電連接，所述人體關鍵點識別系統輸出端、帶電體識別系統輸出端以及數據融合系統輸出端分別與所述空間位置判斷系統輸入端連接；

所述人體關鍵點識別系統包括人體肢體關鍵點位置識別模塊、關鍵點安全防護判斷模塊；所述人體肢體關鍵點位置識別模塊接收攝像頭圖像并基于改進后的卷積位姿機網絡對人體肢體關鍵點位置快速識別；所述關鍵點安全防護判斷模塊接收攝像頭圖像以及所述人體肢體關鍵點位置識別模塊的輸出數據，其中設有安全帽識別模塊、防護服和防護手套識別模塊，分別用于判斷作業人員是否佩戴安全帽、是否佩戴防護服與防護手套；

所述帶電體識別系統包括帶電體圖像識別模塊和帶電體測量儀器，所述帶電體圖像識別模塊通過人工智能神經網絡對帶電體語義分割和識別并結合帶電體測量儀器輔助判斷其是否帶電；

所述融合系統獲取攝像頭、激光雷達以及慣性傳感器數據，并對其進行融合后傳輸至所述空間位置判斷系統；

所述空間位置判斷系統分別通過攝像頭、激光雷達以及慣性傳感器并經人體關鍵點識別系統、帶電體識別系統、數據融合系統獲取帶電體空間位置以及作業人員空間位置，判斷空間位置是否正常；

所述人體關鍵點識別系統、帶電體識別系統以及空間位置判斷系統均與所述主動預警系統連接，分別用于控制主動預警系統進行報警；

所述人體肢體關鍵點位置識別模塊基于改進后的卷積位姿機網絡對人體肢體關鍵點位置快速識別，其具體為：選擇四階段網絡的卷積位姿機，引入四階段跳躍連接設計結構，當前階段網絡的輸入來源包括：MultiBlock_1操作后輸出的特征數據、小中心圖特征數據、上一階段網絡輸出的特征數據以及所述上一階段網絡之前的一個階段網絡輸出的特征數據，其中，中心圖為獲取的攝像頭圖像原圖與高斯函數模板進行卷積操作，生成的中心圖，中心圖池化后為小中心圖；

改進后的卷積位姿機網絡對人體肢體關鍵點位置快速識別的具體步驟為：

Step1： 獲取的攝像頭圖像原圖與高斯函數模板進行卷積操作，生成中心圖；

Step2：中心圖池化為小中心圖，并送入第二，第三和第四階段網絡；

Step3： 獲取的攝像頭圖像原圖經過MultiBlock_1操作后，送入第二、第三和第四階段網絡；

Step4： 獲取的攝像頭圖像原圖經過MultiBlock_0操作后，送入第二和第三階段網絡；

Step5：第二階段網絡操作后的特征數據，送入第三和第四階段網絡；

Step6：在第四階段網絡，特征數據經過匯合后，經過ConvBlock操作后輸出64*64*18的特征數據；

MultiBlock_0的內部結構為9×9卷積、2×池化、9×9卷積、2×池化、9×9卷積、2×池化、5×5卷積、9×9卷積、1×1卷積、1×1卷積；

MultiBlock_1的內部結構為9×9卷積、2×池化、9×9卷積、2×池化、9×9卷積、2×池化、5×5卷積；

ConvBlock的內部結構為11×11卷積、11×11卷積、11×11卷積、1×1卷積、1×1卷積。

2.根據權利要求1所述的基于人工智能精準定位的帶電作業主動預警與安全監測系統，其特征在于，所述關鍵點安全防護判斷模基于改進后YOLO網絡實現在帶電作業中的目標安全監測，包括是否佩戴安全帽、是否佩戴防護服與防護手套，所述改進后YOLO網絡具體為：選擇了YOLO模型作為檢測基礎模型，聯合網絡DensetNet和ResNet網絡，并采用遷移學習方法，構建目標識別網絡；選取公共數據集與施工現場環境圖像集對目標識別網絡模型進行離線訓練，進而得到一個泛化模型；在所述泛化模型基礎上，通過制作的帶有標注的帶電作業的安全監測圖片，利用半監督學習方式進行再次訓練學習。