【技术实现步骤摘要】
本专利技术涉及图像识别，并且更具体地，涉及一种用于识别电力计量作业现场接地线风险的方法及系统。
技术介绍
1、电力计量现场作业主要是一些低电压、临时性和小规模的作业任务，是作业量做大的一种电力现场工作，工作场所不仅涉及公司内部变电站，还有用户变电站，以及居民楼道、经营场所、街边巷口等各种低压客户场所，影响安全的风险因素众多，传统基于人力的安全风险管控模式承载力有限，随着物联网、边缘计算、人工智能等技术在电力计量作业现场大面积应用，数字化安全监督模式成为大的发展趋势。
2、目前，基于视频图像识别的位置识别技术已在基建、公共交通等领域大量应用，通过模式识别算法对现场工作中人与物之间的风险行为进行判定，及时给予预警，极大保障视频或图像监测范围内的人员、设备安全。停电、验电、接地、悬挂警示牌作为电力计量作业现场最基础的安全技术措施，对于电力现场安全起到最根本保障作用，其中，接地过程，对接地线接地情况的分析判定，能有效辅助作业现场安全监督人员风险情况判定。
3、然而，实际视频图像监控中，接地线目标细小、所处图像背景较为复杂，现有通用分析算法识别交过较差，亟需提出一种针对性的方法实现接地线识别及与其他设备交互关系判定，从而支持作业现场接地情况智能判断工作。
技术实现思路
1、针对上述问题，本专利技术提出了一种用于识别电力计量作业现场接地线风险的方法，包括：
2、获取电力计量作业现场接地过程中的图像数据，并对所述图像数据进行显著性的标注，以得到所述图像数据的标
3、将所述图像数据、图像数据的全局对比度特征图、局部对比度特征图、方向特征图和标注数据，输入至预先构建的unet网络模型和所述unet网络模型的学生unet网络模型进行训练，得到第二训练模型；
4、采集目标电力计量作业现场的目标图像数据，将所述目标图像数据输入至所述第二训练模型，基于所述第二训练模型提取出所述目标图像数据的视觉显著性结果图，基于所述视觉显著性结果图确定所述目标电力计量作业现场的接地线风险。
5、可选的，对所述图像数据进行显著性的标注，包括：为所述图像数据贴视觉显著性标签；
6、所述视觉显著性标签包括二值化数值，所述二值化数值中的0为背景像素，所述二值化数值中的1为接线线像素。
7、可选的，获取所述图像数据的全局对比度特征图、局部对比度特征图和方向特征图，包括：
8、获取所述图像数据的颜色直方图，计算所述颜色直方图的颜色直方分布图的每个像素点与图像数据全部像素点对比度之间的度量，基于所述度量获取所述全局对比度特征图；
9、将所述图像数据分割为若干图像块，将每个图像块划分为预设个数的区域，并确定预设个数区域中的中心区域和所述中心区域的周围邻居区域，将所述中心区域作为目标区域，将所述周围邻居区域作为背景区域，根据所述目标区域和背景区域得到所述局部对比度特征图；
10、对所述图像数据进行gabor滤波计算，得到所述方向特征图。
11、可选的，将所述图像数据、图像数据的全局对比度特征图、局部对比度特征图、方向特征图和标注数据，输入至预先构建的unet网络模型和所述unet网络模型的学生unet网络模型进行训练，得到第二训练模型，包括：
12、将所述图像数据、图像数据的全局对比度特征图、局部对比度特征图和方向特征图作为所述unet网络模型的第一输入数据，将所述标注数据作为所述unet网络模型的第一输出数据，将所述第一输入数据和所述第一输出数据输入至所述unet网络模型进行训练，得到所述unet网络模型的第一训练模型，将所述图像数据作为所述学生unet网络模型的第二输入数据，将所述标注数据作为所述学生unet网络模型的第二输出数据，将所述第二输入数据和所述第二输出数据输入至所述学生unet网络模型，基于所述以训练模型对所述学生unet网络模型进行辅助监督训练，得到第二训练模型。
13、可选的，第一训练模型包括前半部分和后半部分，所述前半部分为编码器，后半部分为解码器；所述编码器用于提取图像数据的特征，所述解码器用于提取出所述图像数据的视觉显著性结果图。
14、可选的，第二训练模型的损失函数，包括：学生网络自身标签损失函数、师生特征图损失函数和师生推理损失函数。
15、再一方面，本专利技术还提出了一种用于识别电力计量作业现场接地线风险的系统，包括：
16、数据采集单元，用于获取电力计量作业现场接地过程中的图像数据，并对所述图像数据进行显著性的标注，以得到所述图像数据的标注数据，并获取所述图像数据的全局对比度特征图、局部对比度特征图和方向特征图；
17、训练单元，用于将所述图像数据、图像数据的全局对比度特征图、局部对比度特征图、方向特征图和标注数据，输入至预先构建的unet网络模型和所述unet网络模型的学生unet网络模型进行训练，得到第二训练模型；
18、识别单元，用于采集目标电力计量作业现场的目标图像数据，将所述目标图像数据输入至所述第二训练模型，基于所述第二训练模型提取出所述目标图像数据的视觉显著性结果图，基于所述视觉显著性结果图确定所述目标电力计量作业现场的接地线风险。
19、可选的，采集单元具体用于：为所述图像数据贴视觉显著性标签；
20、所述视觉显著性标签包括二值化数值，所述二值化数值中的0为背景像素，所述二值化数值中的1为接线线像素。
21、可选的，采集单元具体用于：
22、获取所述图像数据的颜色直方图，计算所述颜色直方图的颜色直方分布图的每个像素点与图像数据全部像素点对比度之间的度量，基于所述度量获取所述全局对比度特征图；
23、将所述图像数据分割为若干图像块，将每个图像块划分为预设个数的区域，并确定预设个数区域中的中心区域和所述中心区域的周围邻居区域，将所述中心区域作为目标区域，将所述周围邻居区域作为背景区域，根据所述目标区域和背景区域得到所述局部对比度特征图；
24、对所述图像数据进行gabor滤波计算，得到所述方向特征图。
25、可选的，训练单元具体用于：
26、将所述图像数据、图像数据的全局对比度特征图、局部对比度特征图和方向特征图作为所述unet网络模型的第一输入数据，将所述标注数据作为所述unet网络模型的第一输出数据，将所述第一输入数据和所述第一输出数据输入至所述unet网络模型进行训练，得到所述unet网络模型的第一训练模型，将所述图像数据作为所述学生unet网络模型的第二输入数据，将所述标注数据作为所述学生unet网络模型的第二输出数据，将所述第二输入数据和所述第二输出数据输入至所述学生unet网络模型，基于所述以训练模型对所述学生unet网络模型进行辅助监督训练，得到第二训练模型。
27、可选的，所述训练单元中所述第一训练模型包括前半部分本文档来自技高网...
【技术保护点】
1.一种用于识别电力计量作业现场接地线风险的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述图像数据进行显著性的标注，包括：为所述图像数据贴视觉显著性标签；
3.根据权利要求1所述的方法，其特征在于，所述获取所述图像数据的全局对比度特征图、局部对比度特征图和方向特征图，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述图像数据、图像数据的全局对比度特征图、局部对比度特征图、方向特征图和标注数据，输入至预先构建的UNet网络模型和所述UNet网络模型的学生UNet网络模型进行训练，得到第二训练模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述第一训练模型包括前半部分和后半部分，所述前半部分为编码器，后半部分为解码器；所述编码器用于提取图像数据的特征，所述解码器用于提取出所述图像数据的视觉显著性结果图。
6.根据权利要求4所述的方法，其特征在于，所述第二训练模型的损失函数，包括：学生网络自身标签损失函数、师生特征图损失函数和师生推理损失函数。
7.一种用于
8.根据权利要求7所述的系统，其特征在于，所述采集单元，具体用于为所述图像数据贴视觉显著性标签；所述视觉显著性标签包括二值化数值，所述二值化数值中的0为背景像素，所述二值化数值中的1为接线线像素。
9.根据权利要求7所述的系统，其特征在于，所述采集单元，具体用于获取所述图像数据的颜色直方图，计算所述颜色直方图的颜色直方分布图的每个像素点与图像数据全部像素点对比度之间的度量，基于所述度量获取所述全局对比度特征图；将所述图像数据分割为若干图像块，将每个图像块划分为预设个数的区域，并确定预设个数区域中的中心区域和所述中心区域的周围邻居区域，将所述中心区域作为目标区域，将所述周围邻居区域作为背景区域，根据所述目标区域和背景区域得到所述局部对比度特征图；对所述图像数据进行Gabor滤波计算，得到所述方向特征图。
10.根据权利要求7所述的系统，其特征在于，所述训练单元具体用于：
11.根据权利要求10所述的系统，其特征在于，所述训练单元中所述第一训练模型包括前半部分和后半部分，所述前半部分为编码器，后半部分为解码器；所述编码器用于提取图像数据的特征，所述解码器用于提取出所述图像数据的视觉显著性结果图。
12.根据权利要求10所述的系统，其特征在于，所述训练单元中所述第二训练模型的损失函数，包括：学生网络自身标签损失函数、师生特征图损失函数和师生推理损失函数。
13.一种计算机设备，其特征在于，包括：
14.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1-6中任一所述的方法。
...【技术特征摘要】
1.一种用于识别电力计量作业现场接地线风险的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述图像数据进行显著性的标注，包括：为所述图像数据贴视觉显著性标签；
3.根据权利要求1所述的方法，其特征在于，所述获取所述图像数据的全局对比度特征图、局部对比度特征图和方向特征图，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述图像数据、图像数据的全局对比度特征图、局部对比度特征图、方向特征图和标注数据，输入至预先构建的unet网络模型和所述unet网络模型的学生unet网络模型进行训练，得到第二训练模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述第一训练模型包括前半部分和后半部分，所述前半部分为编码器，后半部分为解码器；所述编码器用于提取图像数据的特征，所述解码器用于提取出所述图像数据的视觉显著性结果图。
6.根据权利要求4所述的方法，其特征在于，所述第二训练模型的损失函数，包括：学生网络自身标签损失函数、师生特征图损失函数和师生推理损失函数。
7.一种用于识别电力计量作业现场接地线风险的系统，其特征在于，所述系统包括：
8.根据权利要求7所述的系统，其特征在于，所述采集单元，具体用于为所述图像数据贴视觉显著性标签；所述视觉显著性标签包括二值化数值，所述二值化数值中的0为背景像素，所述二...
【专利技术属性】
技术研发人员：周峰，雷瑞东，雷民，殷小东，金淼，陈习文，张艳丽，姜振宇，高帅，姜春阳，郭伟，牛任凯，王斯琪，卢冰，王旭，杜博伦，王欢，周玮，余也凤，聂高宁，郭子娟，齐聪，付济良，高克俭，郭鹏，
申请(专利权)人：中国电力科学研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。