[发明专利]一种变电站作业行为辨识方法及装置在审
申请号: | 202011183973.5 | 申请日: | 2020-10-29 |
公开(公告)号: | CN112347889A | 公开(公告)日: | 2021-02-09 |
发明(设计)人: | 杨英仪;张晓晔;王朋;吴昊;麦晓明 | 申请(专利权)人: | 广东电网有限责任公司电力科学研究院 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06Q10/00;G06Q50/06 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 苏云辉 |
地址: | 510080 广东*** | 国省代码: | 广东;44 |
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 变电站 作业 行为 辨识 方法 装置 | ||
1.一种变电站作业行为辨识方法,其特征在于,包括:
获取大量标注过的验电棒图像,标注方法为采用矩形框标注出完整的所述验电棒图像中验电棒,同时标注验电棒的顶端和底端,所述验电棒图像包含不同光照条件的图像样本;
采用所述验电棒图像对构建好的目标检测网络进行训练,得到验电棒检测模型;
采用不同身高的人员进行验电操作,获取对应的验电视频数据集,所述验电视频数据集中包括正样本和负样本,所述正样本为合格的验电操作,所述负样本为违规的验电操作;
采用所述验电棒检测模型检测所述验电视频数据集中视频的每一帧图像,记录图像中验电棒的顶端和底端位置,得到包括验电棒顶端和底端位置的第一数据集;
采用所述第一数据集对构建好的深度递归神经网络进行训练,得到验电违规检测模型;
采用所述验电违规检测模型对新采集的验电视频进行分类,判断视频中是否出现违规验电行为。
2.根据权利要求1所述的变电站作业行为辨识方法,其特征在于,所述目标检测网络的主干由YOLO网络构成,还包括用于检测所述验电棒图像中验电棒顶端和底端位置坐标的坐标回归分支。
3.根据权利要求1所述的变电站作业行为辨识方法,其特征在于,所述深度递归神经网络采用双层双向LSTM深度学习结构,隐含层节点数设置为128,输出层节点数设置为2。
4.根据权利要求1所述的变电站作业行为辨识方法,其特征在于,所述标注过的验电棒图像不少于1000张。
5.根据权利要求1所述的变电站作业行为辨识方法,其特征在于,所述正样本和负样本的数量不少于20000张。
6.一种变电站作业行为辨识装置,其特征在于,包括:
第一获取单元,用于获取大量标注过的验电棒图像,标注方法为采用矩形框标注出完整的所述验电棒图像中验电棒,同时标注验电棒的顶端和底端,所述验电棒图像包含不同光照条件的图像样本;
第一训练单元,用于采用所述验电棒图像对构建好的目标检测网络进行训练,得到验电棒检测模型;
第二获取单元,用于采用不同身高的人员进行验电操作,获取对应的验电视频数据集,所述验电视频数据集中包括正样本和负样本,所述正样本为合格的验电操作,所述负样本为违规的验电操作;
检测单元,用于采用所述验电棒检测模型检测所述验电视频数据集中视频的每一帧图像,记录图像中验电棒的顶端和底端位置,得到包括验电棒顶端和底端位置的第一数据集;
第二训练单元,用于采用所述第一数据集对构建好的深度递归神经网络进行训练,得到验电违规检测模型;
分类单元,用于采用所述验电违规检测模型对新采集的验电视频进行分类,判断视频中是否出现违规验电行为。
7.根据权利要求6所述的变电站作业行为辨识装置,其特征在于,所述目标检测网络的主干由YOLO网络构成,还包括用于检测所述验电棒图像中验电棒顶端和底端位置坐标的坐标回归分支。
8.根据权利要求6所述的变电站作业行为辨识装置,其特征在于,所述深度递归神经网络采用双层双向LSTM深度学习结构,隐含层节点数设置为128,输出层节点数设置为2。
9.根据权利要求6所述的变电站作业行为辨识装置,其特征在于,所述标注过的验电棒图像不少于1000张。
10.根据权利要求6所述的变电站作业行为辨识装置,其特征在于,所述正样本和负样本的数量不少于20000张。
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广东电网有限责任公司电力科学研究院,未经广东电网有限责任公司电力科学研究院许可,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/202011183973.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于交指化容性环的宽带电小天线
- 下一篇:一种树木外皮石灰水喷洒装置