[发明专利]一种基于深度学习的变电站作业现场监测方法及装置

摘要

本发明公开了一种基于深度学习的变电站作业现场监测装置，包括：现场监控人员和作业人员进入变电站作业现场监测程序；现场监控人员选择并确认第一个操作步骤，执行监测工作；摄像头采集现场作业视频文件，并转换为RGB图像；加载改进的深度神经网络YOLO‑V3；输入图像，对设备和标识进行自动识别，判断操作行为是否符合安全规范；根据识别和判断结果，当场发出警告并给出评价结果；将识别和评价结果实时可视化地展现给现场监控人员；现场监控人员确认评价结果并选择进入下一步骤或结束本次操作。使用模型结构剪枝和权重量化两种深度神经网络轻量化方法，实现了深度神经网络模型在嵌入式智能终端中的高精度实时推断，提高安全性和效率。

主权项

1.一种基于深度学习的变电站作业现场监测方法，其特征在于：包括如下步骤：步骤1：现场监控人员和作业人员分别通过人脸识别或指纹识别进行身份验证，进入变电站作业现场监测程序；步骤2：现场监控人员从APP程序中调出待执行的操作票，选择并确认第一个操作步骤，开始执行监测工作；步骤3：摄像头采集现场作业视频文件，并把视频文件逐帧转换为RGB图像；步骤4：加载改进的深度神经网络YOLO‑V3，所述改进的深度神经网络YOLO‑V3改进方法为：(1)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；(2)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；(3)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；步骤5：输入图像，对设备和标识进行自动识别，并判断作业人员的操作行为是否符合安全规范；步骤6：根据识别和判断结果，当场发出警告并给出评价结果；步骤7：将识别和评价结果实时可视化地展现给现场监控人员；步骤8：现场监控人员确认评价结果并选择进入下一步骤或结束本次操作。