【技术实现步骤摘要】
本专利技术涉及工业安全检测，特别涉及一种光伏电厂智能监控方法和装置。
技术介绍
1、在工业生产和建设中，安全一直是永恒不变的主题。工作人员的行为安全规范、设备安全以及环境安全监测都是工业场景中需要重点监控的。例如，规范穿戴工服可在危险事故发生时为施工人员提供一定的防护，有效减少施工人员所受到的伤害。设备运行状态、环境安全的实时监控也可以提前预警防范于未然。然而施工人员未规范穿戴工服的情况时有发生，造成了极大的安全隐患。传统的人工监管方式通常需要安排专门的工作人员通过摄像头画面对工厂、工地等环境中的施工人员、设备运行状态以及环境安全进行实时监控。这种方式成本高、效率低，难以及时发现光伏电厂区内的安全隐患并及时进行告警。
技术实现思路
1、本专利技术提供了一种光伏电厂智能监控方法和装置，弥补了人工防范的不足，实现了光伏电厂安全隐患的智能监控，提高了监控效率和光伏电厂的安全性。
2、第一方面，本专利技术提供了一种光伏电厂智能监控方法，包括：
3、获取光伏电厂的监控图像；
4、对所述监控图像进行切片辅助推理，得到切片图像；
5、利用预先训练的检测模型对所述切片图像进行检测，得到检测结果；所述检测结果包括工作人员安全行为检测结果和环境安全检测结果；
6、根据所述检测结果，确定告警信息。
7、可选地，所述预先训练的检测模型采用目标检测网络，所述目标检测网络包括：主干网络、颈部网络和头部模块；
8、所述主干网络包
9、所述颈部网络包括第一上采样层、第一连接层、第四重参化卷积模块、第二上采样层、第二连接层、第五重参化卷积模块、第四卷积层、第三连接层、第六重参化卷积模块、第五卷积层、第四连接层、第七重参化卷积模块；
10、所述头部模块包括第一检测层、第二检测层、第三检测层。
11、可选地，在所述主干网络中，将所述切片图像输入到空间到深度层，并经点卷积层得到第一特征图像；所述第一特征图像依次经过第一重参化卷积模块、第一卷积层和第二重参化卷积模块得到第二特征图像；所述第二特征图像经第二卷积层和空洞重参数卷积模块得到第三特征图像；所述第三特征图像经第三卷积层、第三重参化卷积模块和空间金字塔池化层得到第四特征图像；
12、在所述颈部网络中，所述第四特征图像经第一上采样层之后和第三特征图像输入第一连接层，得到第一融合特征图；将所述第一融合特征图输入第四重参化卷积模块、第二上采样层之后和所述第二特征图像依次输入第二连接层、第五重参化卷积模块，得到第一输出图像；将所述第一输出图像输入第四卷积层后和第四重参化卷积模块输出的图像一起输入第三连接层、第六重参化卷积模块，输出第二输出图像；将所述第二输出图像输入第五卷积层后和所述第四特征图像一起输入第四连接层、第七重参化卷积模块，输出第三输出图像；
13、在所述头部模块中，第一检测层、第二检测层和第三检测层分别用于对所述第一输出图像、所述第二输出图像、所述第三输出图像进行分析聚类。
14、可选地，还包括：
15、对所述目标检测网络进行自知识蒸馏，得到第一网络；其中，对所述目标检测网络引入自知识蒸馏，将ema模型作为老师网络，所述目标检测网络作为学生网络，由所述老师网络引导所述学生网络进行精度恢复和调整，得到所述第一网络。
16、可选地，所述利用预先训练的检测模型对所述切片图像进行检测，得到检测结果，包括：
17、利用预先训练的第一检测模型对所述切片图像进行检测，得到安全帽佩戴检测结果；其中，所述第一检测模型通过至少两组第一样本集训练得到，每一组第一样本集中包括作为输入的第一样本图像以及作为输出的对该第一样本图像中包括的佩戴安全帽的检测结果；
18、利用预先训练的第二检测模型对所述切片图像进行检测，得到工服检测结果；其中，所述工作人员安全行为检测结果包括所述安全帽佩戴检测结果和所述工服检测结果；所述第二检测模型通过至少两组第二样本集训练得到，每一组第二样本集中包括作为输入的第二样本图像以及作为输出的对该第二样本图像中包括的穿戴工服的检测结果；
19、利用预先训练的第三检测模型对所述切片图像进行检测，得到所述环境安全检测结果；其中所述第三检测模型通过至少两组第三样本集训练得到，每一组第三样本集中包括作为输入的第三样本图像以及作为输出的对该第三样本图像中包括的所述光伏电厂存在异常侵入的检测结果。
20、可选地，所述根据所述检测结果，确定告警信息，包括：
21、将包括工作人员不安全行为和/或环境异常的所述检测结果确定为异常结果；
22、根据所述异常结果，获取与所述异常结果所在的监控图像相匹配的误报图片库；其中，该监控图像与所述误报图片库的检测结果相同；
23、判断该监控图像与所述误报图片库中的误报图片的相似度是否大于预设阈值；
24、在判断结果为是时，将该监控图像存入所述误报图片库中，并确定该监控图像的告警信息为安全；
25、在判断结果为否时，根据所述异常结果确定告警信息。
26、可选地，所述根据所述检测结果，确定告警信息，包括：
27、确定获取所述监控图像时的目标时刻；
28、根据预设任务安排表确定所述目标时刻下的目标任务；
29、确定所述目标时刻下所述监控图像中的设备的温度值和所述目标任务需要的指定作业人数；
30、根据所述温度值和预设温度阈值，确定温度检测结果；
31、根据所述监控图像中的实际人数和所述指定作业人数，确定合规项检测结果；
32、根据所述温度检测结果、所述合规项检测结果和所述检测结果，确定所述告警信息的风险等级；其中，不同的所述风险等级对应的解决方案不同。
33、第二方面，本专利技术提供了一种光伏电厂智能监控装置，包括：
34、采集模块，用于获取光伏电厂的监控图像；
35、切片模块，用于对所述监控图像进行切片辅助推理，得到切片图像；
36、检测模块，用于利用预先训练的检测模型对所述切片图像进行检测，得到检测结果；所述检测结果包括工作人员安全行为检测结果和环境安全检测结果；并根据所述检测结果，确定告警信息。
37、第三方面，本专利技术实施例还提供了一种计算设备，包括存储器和目标处理器，所述存储器中存储有计算机程序，所述目标处理器执行所述计算机程序时，实现本说明书任一第一方面所述的方法。
38、第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行本说明书任一第一方面所述的方法。
39、第五方面，本专利技术实施例还提供了一种计算机程序产品，包括本文档来自技高网...
【技术保护点】
1.一种光伏电厂智能监控方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预先训练的检测模型采用目标检测网络，所述目标检测网络包括：主干网络、颈部网络和头部模块；
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求2或3所述的方法，其特征在于，还包括：
5.根据权利要求2或3所述的方法，其特征在于，所述利用预先训练的检测模型对所述切片图像进行检测，得到检测结果，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述检测结果，确定告警信息，包括：
7.根据权利要求1至3中任一所述的方法，其特征在于，所述根据所述检测结果，确定告警信息，包括：
8.一种光伏电厂智能监控装置，其特征在于，包括：
9.一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1
...【技术特征摘要】
1.一种光伏电厂智能监控方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预先训练的检测模型采用目标检测网络，所述目标检测网络包括：主干网络、颈部网络和头部模块；
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求2或3所述的方法，其特征在于，还包括：
5.根据权利要求2或3所述的方法，其特征在于，所述利用预先训练的检测模型对所述切片图像进行检测，得到检测结果，包括：
6.根据权利要求1所述的方法，其特征在于，所述...
【专利技术属性】
技术研发人员：姚兴仁，熊茂尧，闫印强，姜海昆，范宇，
申请(专利权)人：长扬科技北京股份有限公司，
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。