(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210262310.5 (22)申请日 2022.03.17 (71)申请人 郑州格蒂电力智能科技有限公司 地址 450000 河南省郑州市二七区航海中 路106号院7号楼16层1626、 1627室 (72)发明人 张杰　侯守赞　李斌　 (74)专利代理 机构 郑州智多谋知识产权代理事 务所(特殊普通 合伙) 41170 专利代理师 康锦鹤 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06V 10/774(2022.01) (54)发明名称 一种基于AI技术的变电站施工安全检测系 统及算法 (57)摘要 一种基于AI技术的变电站施工安全检测系 统， 包括有变电站施工安全检测系统， 变电站施 工安全检测系统连接有用于实时分析视频内容， 及时对施工危险行为进行预警或警告的变电站 视频监测摄像头， 所述变电站视频监测摄像头连 接有国网人工智能平台， 国网人工智能平台通过 接口或本地化方式部署安全检测模 型； 所述安全 检测模型包括施工行为预警、 未佩戴安全帽预 警、 未系安全绳预警、 变电站危险区域闯入预警、 施工人员跌倒识别预警等模型， 有效的解决了 现 有技术中现有技术中对于变电站施工时， 存在安 全管理困难， 无法在施工过程中确保工作人员进 行安全作业的问题。 权利要求书1页 说明书3页 附图2页 CN 114821459 A 2022.07.29 CN 114821459 A 1.一种基于AI技术的变电站施工安全检测系统， 其特征在于： 包括有变电站施工安全 检测系统， 变电站施工安全检测系统连接有用于实时分析视频内容， 及时对施工危险行为 进行预警或警告的变电站视频监测摄像头， 所述变电站视频监测摄像头连接有国网人工智 能平台， 国网人工智能平台通过接口或本地化方式部署安全检测模型； 所述安全检测模型 包括施工行为预警、 未佩戴安全帽预警、 未系安全绳预警、 变电站危险区域闯入预警、 施工 人员跌倒识别预警等模型。 2.根据权利要求1所述一种基于AI技术的变电站施工安全检测系统， 其特征在于： 所述 安全检测模型的施工动作识别模型基于 YOLOV3算法。 3.根据权利要求2所述一种基于AI技术的变电站施工安全检测算法， 其特征在于： 所述 YOLOV3算法的施工动作识别模型的步骤如下： 1） 从施工现场采集施工动作视频； 2） 使用视频处理技术， 对采集的视频数据进行抽帧， 清洗， 并对施工动作进行划分， 并 使用标注工具进行 标注； 3） 使用图像增强技 术对图像数据进行扩充； 4） 在扩充后的数据集上， 对特 征提取的dark net‑53网络架构进行训练； 5） 对提取处的图像特 征进行动作分类。 4.根据权利要求3所述一种基于AI技术的变电站施工安全检测算法， 其特征在于： 所述 步骤1中在施工动作视频数据采集完成之后， 需要用视频处理技术对采集的的视频数据进 行抽帧， 得到视频图像后， 根据图像的清晰度以及施工动作的规范要求， 剔除不满足条件的 图像， 针对剩余的图像， 按照规定好的动作,比如， 弯腰挖掘、 行 走、 伫立等进行分类标注。 5.根据权利要求3所述一种基于AI技术的变电站施工安全检测算法， 其特征在于： 所述 步骤3中， 为了避免数据量过少导致结果不够准确而进行 的数据扩充， 主要是利用剪裁、 旋 转、 调整图像亮度等操作对数据进行扩充。 6.根据权利要求3所述一种基于AI技术的变电站施工安全检测算法， 其特征在于： 所述 步骤4中， 使用dark net‑53网络层提取 出3种不同尺度的图像特 征。 7.根据权利要求3所述一种基于AI技术的变电站施工安全检测算法， 其特征在于： 所述 步骤5中， 在动作分类模块， 我们使用多标签分类来预测 每个特征可能包含的类， 在训练过 程中， 我们使用二元交叉熵损失函数进行类别预测。权　利　要　求　书 1/1 页 2 CN 114821459 A 2一种基于AI技术的变电站施工安全检测系统及 算法 技术领域 [0001]本发明涉及电力行业技术领域， 具体为一种基于AI技术的变电站施工安全检测系 统及算法。 背景技术 [0002]变电站是指电力系统中对电压和电流进行变换的场所。 随着城市化进程的推进， 电力需求稳步提高， 变电站新建和扩建工作压力骤增， 目前变电站现场安全管控采用人工 的方式， 设置专门人员监督现场工作开展， 该手段一方面由于在现场狭小围栏内进行大型 作业， 施工人员众多而 管控人力有限， 存在较大困难， 另一方面很难避免部 分施工人员安全 意识和专业知识薄弱的问题存在。 所以这使得运行 人员在现场管控上要花费更多精力。 发明内容 [0003]本发明针对现有技术的不足， 提供一种基于AI技术的变电站施工安全检测系统及 算法有效的解决了现有技术中现有技术中对于变电站施工时， 存在安全管理困难， 无法在 施工过程中确保工作人员进行安全作业的问题。 [0004]为解决上述问题， 本发明所采取的技 术方案是： 一种基于AI技术的变电站施工安全检测系统， 包括有变电站施工安全检测系统， 变电站施工安全检测系统连接有用于实时分析视频内容， 及时对施工危险行为进 行预警或 警告的变电站视频监测摄像头， 所述变电站视频监测摄像头连接有国网人工智能平台， 国 网人工智能平台通过接口或本地化方式部署安全检测模型； 所述安全检测模型包括施工行 为预警、 未佩戴安全帽预警、 未系安全绳预警、 变电站危险区域闯入预警、 施工人员跌倒识 别预警等模型。 [0005]所述安全检测模型的施工动作识别模型基于 YOLOV3算法。 [0006]所述一种基于AI技术 的变电站施工安全检测算法，  YOLOV3算法的施工动作识别 模型的步骤如下： 1） 从施工现场采集施工动作视频； 2） 使用视频处理技术， 对采集的视频数据进行抽帧， 清洗， 并对施工动作进行划 分， 并使用标注工具进行 标注； 3） 使用图像增强技 术对图像数据进行扩充； 4） 在扩充后的数据集上， 对特 征提取的dark net‑53网络架构进行训练； 5） 对提取处的图像特 征进行动作分类。 [0007]所述步骤1中在施工动作视频数据采集完成之后， 需要用视频处理技术对采集的 的视频数据进 行抽帧， 得到视频图像后， 根据图像的清晰度以及施工动作的规范要求， 剔除 不满足条件的图像， 针对剩余的图像， 按照规定好的动作， 比如， 弯腰挖掘、 行走、 伫立等进 行分类标注。 [0008]所述步骤3中， 为了避免数据量过少导致结果不够准确而进行的数据扩充， 主要是说　明　书 1/3 页 3 CN 114821459 A 3