[发明专利]用于变电站行为监测的卷积神经网络模型的建模方法

说明书

一种用于变电站行为监测的卷积神经网络模型的建模方法，对实时视频流和视频帧截取，对收集到的变电站行为图像进行数据集标注，并且构建图像模型数据集；将数据集划分为训练集和验证集；基于目标检测算法框架yolov4进行改进优化，对训练集进行训练；在验证集上，对得到的训练模型进行初步评估；通过ip地址获取视频，对视频流里的每帧图片进行检测，框出违规行为，并给出违规行为的类别和置信度；将检测出有违规行为的帧写入视频文件，并将视频信息写入数据库。优点是：可以全天候、实时的变电站行为监控，检测变电站各种违规行为，将检测到的违规视频自动保存在硬盘上并将视频信息录入数据库，为事故分析、绩效评估提供依据。

技术领域

本发明涉及用于变电站行为监测的卷积神经网络模型的建模方法，属于变电站安全人工智能监控识别的领域。

背景技术

据不完全统计，目前全国有超过2万所变电站，而且该数量还在不断增长。变电站是电力系统的枢纽，属于高危险的工业领域，任何违反相关规定的行为都有可能给人的生命、财产安全带来极大的安全隐患。变电站基建安全行为监控工作通过人工“死盯”来进行监控，然而由于人的生理特性，总会出现疲倦、懈怠等情况，无法实时监控所有违规行为。在2019年国家电网的工作会议上，国家电网已经明确提出要在2019年起大幅提升变电站的智能化水平并开展无人值守变电站的试点建设。如果能用人工智能的监控技术替代监控人员，不仅大大降低了工作量，还能保证全天候、实时值守，给变电站的安全上了一份保险。

随着深度卷积神经网络的发展，目标检测技术逐渐趋于成熟，这为变电站无人值守的行为监控带来了可能。但直接将目标检测技术应用于变电站行为监控并不能满足违规行为监控的要求，如未将违规视频帧实时截取，无法根据违规时长的长短判断是违规行为还是失误触发违规检测。

发明内容

针对现有技术的不足，本发明提供一种用于变电站行为监测的卷积神经网络模型的建模方法。

本发明的技术方案是：

一种用于变电站行为监测的卷积神经网络模型的建模方法，包括以下步骤：

Sl:对实时视频流和视频帧截取，对收集到的变电站行为图像进行数据集标注，并且构建图像模型数据集；

S2:据集划分

将数据集划分为训练集和验证集；

S3:模型训练

基于目标检测算法框架yolov4进行改进优化，对训练集进行训练，得到训练模型；

S4:模型验证

在验证集上，对得到的训练模型进行初步评估；

S5:模型测试及现场部署

通过ip地址获取视频，对视频流里的每帧图片进行检测，用矩形框框出违规行为，并给出违规行为的类别和置信度；

S6：违规视频输出

将检测出有违规行为的帧写入视频文件，并将视频信息写入数据库。

进一步的，步骤S1中的数据集收集并构建图像模型数据集步骤如下：

S11：实时视频流和视频帧截取

通过ip地址获取摄像头，每隔20秒截取一帧图像；

S12：数据集标注

对每张图像，用labelme软件，按PASCAL VOC格式进行标注，标注类别为违规行为的类别，如玩手机、未带安全帽等。

进一步的，步骤S2的数据集划分过程如下：对数据集中的所有图像，随机选取90％的图像作为训练集，10％的图像作为验证集。