[发明专利]一种基于深度学习的变电站违章作业安全管控平台

权利要求书

1.一种基于深度学习的变电站违章作业安全管控平台，其特征在于，包括：

工作模块(10)，用于自动监测工作人员是否存在违章作业；

中央处理器(20)；

评价模块(30)，用于根据工作模块(10)的数据对工作人员的此次作业进行评价；

服务器(40)；

终端模块(50)，用于对全部的工作人员的评价进行综合比较；

其中，具体的：

所述工作模块(10)与所述中央处理器(20)相连接，所述中央处理器(20)与所述评价模块(30)相连接，所述中央处理器(20)与所述服务器(40)相连接，所述服务器(40)与所述终端模块(50)相连接。

2.根据权利要求1所述的一种基于深度学习的变电站违章作业安全管控平台，其特征在于，所述工作模块(10)包括：

身份验证模块(11)，用于对此次作业的工作人员的身份进行验证；

监控模块(12)，用于对工作人员的作业过程进行拍摄；

转换模块(13)，用于将监控模块(12)所得的视频文件逐帧转换为RGB图像；

特征提取模块(14)，用于在RGB图像中提取有关工作人员的动作特征；

数据存储模块(16)，用于储存当前违章作业的图像；

对比模块(15)，用于将特征提取模块(14)中所提取的动作特征与数据存储模块(16)中所储存的图像进行对比，以判断所提取的动作特征是否存在违章作业；

其中，具体的：

所述身份验证模块(11)与所述监控模块(12)相连接，所述监控模块(12)与所述转换模块(13)相连接，所述转换模块(13)与所述特征提取模块(14)相连接，所述特征提取模块(14)与所述对比模块(15)相连接，所述对比模块(15)与所述中央处理器(20)相连接，所述数据存储模块(16)与所述对比模块(15)相连接。

3.根据权利要求2所述的一种基于深度学习的变电站违章作业安全管控平台，其特征在于，所述身份验证模块(11)包括：

人脸采集模块(111)，用于对工作人员的脸部进行采集；

信息储存模块(113)，用于储存在职工作人员的人脸图像；

人脸对比模块(112)，用于将人脸采集模块(111)中所采集的数据与信息储存模块(113)中所储存的数据进行对比，以实现身份验证；

其中，具体的：

所述人脸采集模块(111)与所述信息储存模块(113)相连接，所述信息储存模块(113)与所述人脸对比模块(112)相连接。

4.根据权利要求1所述的一种基于深度学习的变电站违章作业安全管控平台，其特征在于，所述特征提取模块(14)为改进的深度神经网络YOLO-V3。

5.根据权利要求4所述的一种基于深度学习的变电站违章作业安全管控平台，其特征在于，所述改进的深度神经网络YOLO-V3的改进步骤如下：

步骤一：依据实际安监场景所需识别标签数量与COCO数据集80类进行对比，对特征提取网络的深度进行压缩；

步骤二：依据实际安监场景所需识别标签数量与COCO数据集80类进行对比，对分类网络的深度进行按比例压缩；

步骤三：权重轻量化采用混合精度训练，将权重数据以FP32和FP16两种格式进行组合训练。

6.根据权利要求5所述的一种基于深度学习的变电站违章作业安全管控平台，其特征在于，所述改进的深度神经网络YOLO-V3的训练过程如下：

过程一：采用旋转、裁剪、尺度变换等方法对原始图像样本进行扩充；

过程二：设置并优化深度神经网络的超参数；

过程三：使用多块GPU并行计算，以加快深度神经网络的训练速度；

过程四：采用模型剪枝方法针对已训练完成的权重参数进行排序，直接裁剪权重小的卷积层，并进行微调训练。