[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在审

专利信息
申请号: 202310285827.0 申请日: 2023-03-22
公开(公告)号: CN116562669A 公开(公告)日: 2023-08-08
发明(设计)人: 潘振波;李博;战文华;郭宏杰;苏新永;张勇 申请(专利权)人: 国网内蒙古东部电力有限公司赤峰供电公司;国家电网有限公司;北京一同宇科技股份有限公司
主分类号: G06Q10/0639 分类号: G06Q10/0639;G06Q50/06;G06V20/52;G06V40/20;G06V10/75;G06V10/82;G06V40/16;G06N3/0464;G06N3/082
代理公司: 广州万研知识产权代理事务所(普通合伙) 44418 代理人: 刘强
地址: 024000 内蒙古自治*** 国省代码: 内蒙古;15
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 深度 学习 变电站 违章 作业 安全 平台
【说明书】:

发明公开的属于变电站作业技术领域,具体为一种基于深度学习的变电站违章作业安全管控平台,包括:工作模块,用于自动监测工作人员是否存在违章作业、中央处理器、评价模块,用于根据工作模块的数据对工作人员的此次作业进行评价、服务器、终端模块,用于对全部的工作人员的评价进行综合比较,所述工作模块与所述中央处理器相连接,所述中央处理器与所述评价模块相连接,所述中央处理器与所述服务器相连接,本发明通过设置工作模块,具有自动监测工作人员是否存在违章作业的作用,通过自动监测工作人员是否存在违章作业,具有解决目前是采用人工分析监控视频的问题,从而会省时省力,并且还会降低人工成本。

技术领域

本发明涉及变电站作业技术领域,具体为一种基于深度学习的变电站违章作业安全管控平台。

背景技术

传统的运维依赖人工到站巡视,采用固定的巡视周期,缺乏对运行设备不同的缺陷情况、关键参数的分析,不仅脱离了设备运行的实际情况,更是极大地浪费了人力、物力,已远远不能满足智能变电站生产要求,因此基于传统人工到站运维策略的优化势在必行。同时,传统变电站安全管理十分粗放,由于自动化和信息技术水平不高,主要依靠人工管理,存在事后管理、随机性、无量化等方面缺陷。一直以来,变电站设备的运行、检修及检查主要依靠人工操作和完成,人员的人身安全在变电站管理中显得尤为重要,但是运维管理中针对人员安全管控,缺乏有效的技术手段,变电站内随时存在着误入带电间隔和超范围作业以及监控不到位等安全问题。变电站的安全管控的一大方式就是视频管控,然而目前常规变电站安全管控仍主要采用人工分析监控视频的方式,属于被动监控,不仅费时费力,还会提高人工成本。

因此,发明一种基于深度学习的变电站违章作业安全管控平台。

发明内容

鉴于上述和/或现有一种基于深度学习的变电站违章作业安全管控平台中存在的问题,提出了本发明。

因此,本发明的目的是提供一种基于深度学习的变电站违章作业安全管控平台,能够解决上述提出现有的问题。

为解决上述技术问题,根据本发明的一个方面,本发明提供了如下技术方案:

一种基于深度学习的变电站违章作业安全管控平台,其包括:

工作模块,用于自动监测工作人员是否存在违章作业;

中央处理器;

评价模块,用于根据工作模块的数据对工作人员的此次作业进行评价;

服务器;

终端模块,用于对全部的工作人员的评价进行综合比较;

所述工作模块与所述中央处理器相连接,所述中央处理器与所述评价模块相连接,所述中央处理器与所述服务器相连接,所述服务器与所述终端模块相连接。

作为本发明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的一种优选方案,其中:所述工作模块包括:

身份验证模块,用于对此次作业的工作人员的身份进行验证;

监控模块,用于对工作人员的作业过程进行拍摄;

转换模块,用于将监控模块所得的视频文件逐帧转换为RGB图像;

特征提取模块,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,用于储存当前违章作业的图像;

对比模块,用于将特征提取模块中所提取的动作特征与数据存储模块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;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网内蒙古东部电力有限公司赤峰供电公司;国家电网有限公司;北京一同宇科技股份有限公司,未经国网内蒙古东部电力有限公司赤峰供电公司;国家电网有限公司;北京一同宇科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310285827.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top