[发明专利]基于深度学习的变电站安全监控方法及装置

说明书

本申请实施例提供一种基于深度学习的变电站安全监控方法及装置，方法包括：通过设置在变电站内的图像采集装置对员工进行图像采集，得到当前员工图像；根据预设员工合规检查模型对所述当前员工图像进行合规判断；若所述合规判断结果为不通过，则向设置在所述变电站内的告警装置发送告警指令；本申请能够有效提高变电站的安全监控效率和可靠性，从而降低安全事故发生的概率。

技术领域

本申请涉及深度学习领域，具体涉及一种基于深度学习的变电站安全监控方法及装置。

背景技术

目前，国内变电站大多数采用无人值守或巡维管理模式，进入变电站的人员一旦发生事故，很容易危及工作人员的健康乃至生命。虽然变电站管理具有明确的安全规定，比如任何人进入变电站生产现场都必须佩戴安全帽、穿着工作装，但是时常有不少临时工、民工等外单位人员进入变电站时安全意识薄弱，同时，运行值班人员在运检人员进站时必须耗费大量时间进行严格监督和检查，严重耗费人力物力，一旦有所疏忽就可能造成很大的安全隐患。

发明内容

针对现有技术中的问题，本申请提供一种基于深度学习的变电站安全监控方法及装置，能够有效提高变电站的安全监控效率和可靠性，从而降低安全事故发生的概率。

为了解决上述问题中的至少一个，本申请提供以下技术方案：

第一方面，本申请提供一种基于深度学习的变电站安全监控方法，包括：

通过设置在变电站内的图像采集装置对员工进行图像采集，得到当前员工图像；

根据预设员工合规检查模型对所述当前员工图像进行合规判断；

若所述合规判断结果为不通过，则向设置在所述变电站内的告警装置发送告警指令。

进一步地，在所述根据预设员工合规检查模型对所述当前员工图像进行合规判断之前，包括：

采集用于训练所述员工合规检查模型的训练数据；

对所述训练数据进行数据分解；

对经过所述数据分解后的训练数据进行卷积神经网络训练，得到所述员工合规检查模型。

进一步地，所述采集用于训练所述员工合规检查模型的训练数据，包括：

采集员工的样本图像；

对所述样本图像进行标注，其中，所述标注包括员工是否佩戴安全帽的标注、员工是否穿着工作服的标注以及根据员工人脸图像得到的员工信息的标注中的至少一种。

进一步地，在所述得到所述员工合规检查模型之前，包括：

对所述训练数据进行卷积神经网络训练，得到训练数据与真实数据的误差值；

对所述误差值进行纠正处理；

判断经过所述纠正处理后的误差值是否达到预设目标值，若是，则结束训练，否则再次进行训练。

第二方面，本申请提供一种基于深度学习的变电站安全监控装置，包括：

图像采集模块，用于通过设置在变电站内的图像采集装置对员工进行图像采集，得到当前员工图像；

模型判断模块，用于根据预设员工合规检查模型对所述当前员工图像进行合规判断；

异常告警模块，用于当所述合规判断结果为不通过时，向设置在所述变电站内的告警装置发送告警指令。

进一步地，还包括：

训练数据采集单元，用于采集所述员工合规检查模型的训练数据；

训练数据分解单元，用于对所述训练数据进行数据分解；