[发明专利]一种营销现场作业状态检测方法及系统

说明书

本发明公开了一种营销现场作业状态检测方法及系统，包括：采集营销现场作业图片；对营销现场作业图片进行图像增强以及降低检测复杂度的预处理；将预处理后的图片输入到预先训练好的基于迁移学习与Mask‑RCNN算法的检测模型，输出检测预测结果。优点：本发明考虑基于迁移学习方法与Mask‑RCNN算法相结合，在预训练模型的基础上，通过营销现场作业训练样本集再进行样本训练，不但可以减少训练人力物力的成本，提升训练效率，而且可以有效提升营销现场作业状态检测模型的整体检测精度及模型性能。

技术领域

本发明涉及一种营销现场作业状态检测方法及系统，属于电力计量技术领域。

背景技术

随着泛在电力物联网的建设及智能终端设备的快速发展，智能传感设备、移动终端及视频监控设备在电力系统中得到广泛应用，能够采集到高质量的营销现场作业图像数据。如何从这些海量数据中挖掘有价值的信息且有效利用，给营销现场作业状态检测提出了新的挑战。

营销现场作业人员主要从事用电检查、装表接电、业扩勘查等工作。现有营销现场作业存在工作环境不安全、作业不规范等现象，如现场作业人员的穿戴是否符合安全规范，新装计量装置接线是否符合规范等。这些不安全因素和不规范行为得不到及时处理，不仅影响采集系统的抄表成功率等业务，而且工作环境及现场设备均存在安全隐患。

传统营销现场作业状态检测采用人工的形式进行检测，工作效率低下、检测质量无法保证。传统机器学习的标注和分类算法挖掘图片信息，性能低下。目前主流的物体检测算法R-CNN、Fast R-CNN、Faster R-CNN均需要大量的训练数据，且准确率的提升有限，且定位优化能力有效，无法满足营销现场作业状态检测的需求。

为进一步提升营销现场作业规范化管理水平及安全管控机制，亟需开展营销现场作业状态自动检测技术，实现营销现场作业图像有效高质量的标注和分类，营销现场作业状态自动检测，提前发现作业现场安全隐患及不规范问题，及时预警。除提升采集系统采集成功率等指标，现场工作人员可以有针对性的进行故障抢修，极大地减少工作量，提升工作效率，避免电力安全事故的发生。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种营销现场作业状态检测方法及系统。

为解决上述技术问题，本发明提供一种营销现场作业状态检测方法，包括：

采集营销现场作业图片；

对营销现场作业图片进行图像增强以及降低检测复杂度的预处理；

将预处理后的图片输入到预先训练好的基于迁移学习与Mask-RCNN算法的检测模型，输出检测预测结果。

进一步的，所述基于迁移学习与Mask-RCNN算法的检测模型的训练过程，包括：

采集历史营销现场作业图片；

对历史营销现场作业图片进行图像增强以及降低检测复杂度的预处理；

利用数据增强方法对预处理后的历史营销现场作业图片进行数据扩充，得到扩充数据集，对扩充数据集中的营销现场作业图片中的异常信息进行标注，得到json文件格式的营销现场作业不安全、接线不规范特征；

将标注后的json文件转换成mask文件，并扩充数据集按预设比例分成训练集和测试集；

基于Mask-RCNN物体检测框架，利用迁移学习在COCO数据集预训练的基模型上，搭建基于迁移学习与Mask-RCNN算法的检测模型；

利用转换成mask文件的训练集训练基于迁移学习与Mask-RCNN算法的检测模型，并利用转换成mask文件的测试集对训练后的检测模型进行验证，确定训练好的基于迁移学习与Mask-RCNN算法的检测模型。

进一步的，所述迁移学习与Mask-RCNN算法的检测模型包括： ResNet 101+ FPN网络和RPN++RoIAlign网络；