[发明专利]基于深度学习的业财数据处理方法及系统

说明书

本申请提供了一种基于深度学习的业财数据处理方法及系统，本申请通过通过监控系统获取工作人员工作的视频数据；提取视频数据中的若干帧视频图像；对视频图像进行预处理得到图像序列；通过预构建的深度目标检测模型对图像序列中的人员目标和检修设备目标进行检测，得到人员目标身份信息、设备编码信息以及人员轨迹信息；根据人员轨迹信息确定检修作业起止时刻信息；将人员目标身份信息、设备编码信息以及检修作业起止时刻信息生成电子工作票。本申请全程无须工作人员干预，不仅减轻了工作人员的负担，而且提高了信息准确度，数据为电子格式，更加方便后续系统提取和利用。

技术领域

本申请涉及电力系统数据处理技术领域，尤其涉及一种基于深度学习的业财数据处理方法及系统。

背景技术

受宏观经济下行、电量增速趋缓、输配电价空间收窄及政策性降价等因素叠加影响，电力行业经营面临前所未有的严峻复杂形势。迫切需要围绕生产、运营、管理等各业务环节，强化成本管理顶层设计，精益管理，持续提升效率效益。

因此，需要贯通业务与财务数据的映射关系，深化信息系统集成融合。为辅助电网财务管理和运营决策、优化统筹资源配置，提质增效发展提供理论支撑和技术支持。但距离优化资源配置中效能目标实现仍存在技术障碍，主要表现为：

目前人工工时以工作票为基础计量，现有工作票记录了工作组成员、时间信息、设备对象等要素，其中，工作票中关联设备主要有手工填写和从系统选择两种方式，但是受限于业务人员操作习惯，较多使用手工填写方式，导致无法通过系统直接获取工作票对应的设备编码。另一方面，工作票中工作内容为业务人员基于业务习惯填写，为非结构化、非标准化数据，无法直接与检修运维标准作业对应。且无法记录作业前期准备时长、后期收尾时长等。导致前端信息获取不准确，进而导致整个业财映射系统的精确度降低。

因此，本申请提供了一种基于深度学习的业财数据处理方法及系统。

发明内容

本申请实施例的目的在于提供一种基于深度学习的业财数据处理方法及系统，以解决前端信息获取不准确，进而导致整个业财映射系统的精确度降低的问题。具体技术方案如下：第一方面，提供了一种基于深度学习的业财数据处理方法，所述方法包括：

通过监控系统获取工作人员工作的视频数据；

提取所述视频数据中的若干帧视频图像；

对所述视频图像进行预处理得到图像序列；

通过预构建的深度目标检测模型对所述图像序列中的人员目标和检修设备目标进行检测，得到人员目标身份信息、设备编码信息以及人员轨迹信息；

根据所述人员轨迹信息确定检修作业起止时刻信息；

将所述人员目标身份信息、设备编码信息以及检修作业起止时刻信息生成电子工作票。

可选地，所述通过监控系统获取工作人员工作的视频数据包括：

通过监控系统周期性获取工作人员工作的视频数据。

可选地，所述对所述视频图像进行预处理得到图像序列包括：

对所述视频图像进行降噪增强处理；

按照每个视频图像的标注时间进行排序得到图像序列。

可选地，所述通过预构建的深度目标检测模型对所述图像序列中的人员目标和检修设备目标进行检测，得到人员目标身份信息、设备编码信息以及人员轨迹信息包括：

将所述图像序列输入到预构建的深度目标检测模型中，通过卷积层对所述图像序列依次进行特征提取，得到第一人员深度特征、第二人员深度特征和设备深度特征；

将所述第一人员深度特征和设备深度特征分别输入到目标检测网络中得到人员身份信息和设备编码信息；

将所述第二人员深度特征输入到目标跟踪网络得到人员轨迹信息。

可选地，所述根据所述人员轨迹信息确定检修作业起止时刻信息包括：