[发明专利]电力施工现场识别模型的生成方法、装置、设备及介质

说明书

本发明实施例公开了电力施工现场识别模型的生成方法、装置、设备及介质，包括：获取电力施工现场对应的多个图像样本数据，并对各图像样本数据中包括的目标进行标注，得到每个图像样本数据对应的目标标注结果；将各图像样本数据输入至YOLOV5算法模型中，通过YOLOV5算法模型，对各图像样本数据中包括的至少一个目标进行识别，得到每个图像样本数据对应的目标识别结果；根据各图像样本数据对应的目标标注结果，与目标识别结果之间的差异，对YOLOV5算法模型进行迭代训练，得到电力施工现场识别模型。本发明实施例的技术方案可以解决人工巡检的方式浪费大量的人力、物力和效率低下的问题，为工地的智能化、自动化建设提供基础。

技术领域

本发明实施例涉及电力系统自动化技术领域，尤其涉及电力施工现场识别模型的生成方法、装置、设备及介质。

背景技术

近年来，在电网高速发展的背景下，电力施工工程众多，电力设施遍布广阔，为工程进度与安全巡检带来挑战。

目前，对电力施工现场的进度与安全巡检工作主要依靠人工巡检、人工核实的方式进行。

但是，依靠人工巡检、人工核实对电力施工现场的进度与安全监测的方式会浪费大量的人力和物力，同时巡检效率相对低下，并且自动化程度不足，不具有实时性，预警效果较差。

发明内容

本发明实施例提供了电力施工现场识别模型的生成方法、装置、设备及介质，相对于人工对电力施工现场巡检的方式节省了人力、物力资源，为智慧工地的建设提供基础。

第一方面，本发明实施例提供了一种电力施工现场识别模型的生成方法，包括：

获取电力施工现场对应的多个图像样本数据，并对各图像样本数据中包括的至少一个目标进行标注，得到每个图像样本数据对应的目标标注结果；

将各图像样本数据输入至YOLOV5算法模型中，通过YOLOV5算法模型，对各图像样本数据中包括的至少一个目标进行识别，得到每个图像样本数据对应的目标识别结果；

根据各图像样本数据对应的目标标注结果，与目标识别结果之间的差异，对YOLOV5算法模型进行迭代训练，得到电力施工现场识别模型。

进一步的，目标包括：施工阶段信息，以及安全帽佩戴信息；

对各图像样本数据中包括的至少一个目标进行标注，得到每个图像样本数据对应的目标标注结果，包括：

对各图像样本数据中包括的施工阶段信息以及安全帽佩戴信息进行标注，得到每个图像样本数据对应的目标标注结果。

进一步的，对各图像样本数据中包括的施工阶段信息以及安全帽佩戴信息进行标注，得到每个图像样本数据对应的目标标注结果，包括：

对各图像样本数据中包括的施工阶段信息以及安全帽佩戴信息进行标注，得到每个目标对应的矩形框；

将每个目标对应的矩形框的位置信息以及类别信息，作为目标标注结果。

进一步的，将各图像样本数据输入至YOLOV5算法模型中，通过YOLOV5算法模型，对各图像样本数据中包括的至少一个目标进行识别，得到每个图像样本数据对应的目标识别结果，包括：

将各图像样本数据按照预设尺寸进行缩放处理，并将处理后的多个图像样本数据分成多个批次；

将每个批次中包括的多个图像样本数据批量输入至YOLOV5算法模型中；

使用YOLOV5模型对各图像样本数据的张量进行前向计算，得到每个图像样本数据中目标对应的预测矩形框；

将每个目标对应的预测矩形框的位置信息以及类别信息，作为目标识别结果。