System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 安全设备识别方法及装置制造方法及图纸_技高网

安全设备识别方法及装置制造方法及图纸

技术编号:43242981 阅读:0 留言:0更新日期:2024-11-05 17:26
本发明专利技术提供一种安全设备识别方法及装置,属于电网安全领域。该方法包括:获取电力作业现场的原始图像;分别确定原始图像中各像素点对应的特征信息,并基于特征信息,确定原始图像中的各安全设备区域;分别对原始图像中的各安全设备区域进行增强,得到增强后的增强图像;将增强图像输入至预先训练好的目标识别模型,得到目标识别模型输出的安全设备识别结果;其中,目标识别模型基于不同电力作业现场的图像及其对应的安全设备实测结果训练得到。本发明专利技术能够提升安全设备的识别准确度。

【技术实现步骤摘要】

本专利技术涉及电网安全,尤其涉及一种安全设备识别方法及装置


技术介绍

1、在电力作业现场,人员安全是首要考虑的因素。而是否配备齐全的安全设备则是能否保障人员安全的关键措施,须接受有效检测与严格监管。

2、由于电力作业现场环境复杂多变,传统依赖人工巡检的方式存在效率低下、容易遗漏等现实问题,无法满足实时、精准的安全监管需求。因此,开发一种能够精准识别现场作业人员是否规范佩戴安全设备的技术,对于提高电力作业现场的安全管理水平具有重要意义。

3、相关技术中,通常采集电力作业现场的实时图像,用于实现对于安全设备的识别,以实时检测现场作业人员是否规范佩戴安全设备。然而,安全设备的体积通常较小,尤其是安全帽、绝缘手套、绝缘鞋等穿戴式安全设备,这就导致在进行安全设备识别时容易出现误检、漏检的情况,准确度较低。


技术实现思路

1、本专利技术实施例提供了一种安全设备识别方法及装置,以解决安全设备识别准确度较低的问题。

2、第一方面,本专利技术实施例提供了一种安全设备识别方法,包括:

3、获取电力作业现场的原始图像;

4、分别确定所述原始图像中各像素点对应的特征信息,并基于所述特征信息,确定所述原始图像中的各安全设备区域;

5、分别对所述原始图像中的各安全设备区域进行增强,得到增强后的增强图像;

6、将所述增强图像输入至预先训练好的目标识别模型,得到所述目标识别模型输出的安全设备识别结果;其中,所述目标识别模型基于不同电力作业现场的图像及其对应的安全设备实测结果训练得到。

7、在一种可能的实现方式中,基于所述特征信息,确定所述原始图像中的各安全设备区域,包括:

8、获取预存的不同安全设备对应的特征信息;

9、分别确定所述原始图像中每一像素点对应的特征信息,与每一安全设备对应的特征信息之间的距离值;

10、将所述原始图像的各像素点中,距离值小于预设距离的像素点作为目标像素点,并根据所述目标像素点的位置信息,确定所述原始图像中的各安全设备区域。

11、在一种可能的实现方式中,分别对所述原始图像中的各安全设备区域进行增强,得到增强后的增强图像,包括:

12、针对原始图像中的每一安全设备区域,获取该安全设备区域的面积,并基于该安全设备区域的面积,确定该安全设备区域对应的滑动窗口的尺寸;其中,滑动窗口的尺寸与安全设备区域的面积成正比;

13、基于各安全设备区域对应的滑动窗口,分别对原始图像中各安全设备区域内的像素点进行自适应直方图均衡化处理,并对原始图像中各安全设备区域内的像素点进行灰度增强,得到增强图像。

14、在一种可能的实现方式中,在将所述增强图像输入至预先训练好的目标识别模型之前,还包括:

15、获取不同电力作业现场的图像及其对应的安全设备实测结果;

16、将电力作业现场的图像输入至目标识别模型,得到所述目标识别模型输出的安全设备识别结果;

17、基于安全设备识别结果和对应的安全设备实测结果,确定损失函数的值;

18、若所述损失函数的值大于预设阈值,则调整所述目标识别模型,并基于调整后的目标识别模型,重新执行将电力作业现场的图像输入至目标识别模型,得到所述目标识别模型输出的安全设备识别结果的步骤,直至所述损失函数的值小于或等于所述预设阈值,得到训练好的目标识别模型。

19、在一种可能的实现方式中,所述方法还包括:

20、确定安全设备识别结果与对应的安全设备实测结果之间的交并比或wise-iou损失;

21、基于所述交并比或所述wise-iou损失,建立所述损失函数。

22、在一种可能的实现方式中,所述损失函数的表达式为:

23、

24、其中,l表示所损失函数,iou表示安全设备识别结果与对应的安全设备实测结果之间的交并比,s表示形状系数,δshape表示形状差异项,d表示大小系数,δsize表示大小差异项。

25、在一种可能的实现方式中,所述损失函数的表达式为:

26、l=ω×lwise-iou+(1-ω)×(lcls+lconf)

27、其中,l表示所述损失函数,ω表示第一权重系数,lwise-iou表示安全设备识别结果与对应的安全设备实测结果之间的wise-iou损失,lcls表示安全设备识别结果与对应的安全设备实测结果之间的分类损失,lconf表示安全设备识别结果与安全设备实测结果之间的置信度损失。

28、在一种可能的实现方式中,所述损失函数的表达式为:

29、l=α×lwise-iou+β×lfocal

30、其中,l表示所述损失函数,α表示第二权重系数,lwise-iou表示安全设备识别结果与对应的安全设备实测结果之间的wise-iou损失,β表示第二权重系数,lfocal表示安全设备识别结果与对应的安全设备实测结果之间的focal损失。

31、在一种可能的实现方式中,针对原始图像中的每一安全设备区域,基于该安全设备区域的面积,确定该安全设备区域对应的滑动窗口的尺寸,包括:

32、针对原始图像中的每一安全设备区域,根据w=a×s+b确定该安全设备区域对应的滑动窗口的尺寸;

33、其中,w表示滑动窗口的边长,a表示第一系数,s表示安全设备区域的面积,b表示第二系数。

34、第二方面,本专利技术实施例提供了一种安全设备识别装置,包括:

35、获取模块,用于获取电力作业现场的原始图像;

36、处理模块,用于:

37、分别确定所述原始图像中各像素点对应的特征信息,并基于所述特征信息,确定所述原始图像中的各安全设备区域;

38、分别对所述原始图像中的各安全设备区域进行增强,得到增强后的增强图像;

39、识别模块,用于将所述增强图像输入至预先训练好的目标识别模型,得到所述目标识别模型输出的安全设备识别结果;其中,所述目标识别模型基于不同电力作业现场的图像及其对应的安全设备实测结果训练得到。

40、本专利技术实施例提供一种安全设备识别方法及装置,基于原始图像中各像素点对应的特征信息,可以判断原始图像中各像素点是否属于安全设备区域内的像素点,进而确定原始图像中的安全设备区域。进一步地,通过对原始图像中的安全设备区域进行增强,可以提升图像质量,重点突出图像中的安全设备区域,得到增强图像,并将增强图像输入至目标识别模型进行安全设备识别,从而提升安全设备的识别准确度。

本文档来自技高网...

【技术保护点】

1.一种安全设备识别方法,其特征在于,包括:

2.根据权利要求1所述的安全设备识别方法,其特征在于,基于所述特征信息,确定所述原始图像中的各安全设备区域,包括:

3.根据权利要求1或2所述的安全设备识别方法,其特征在于,分别对所述原始图像中的各安全设备区域进行增强,得到增强后的增强图像,包括:

4.根据权利要求1或2所述的安全设备识别方法,其特征在于,在将所述增强图像输入至预先训练好的目标识别模型之前,还包括:

5.根据权利要求4所述的安全设备识别方法,其特征在于,所述方法还包括:

6.根据权利要求5所述的安全设备识别方法,其特征在于,所述损失函数的表达式为:

7.根据权利要求5所述的安全设备识别方法,其特征在于,所述损失函数的表达式为:

8.根据权利要求5所述的安全设备识别方法,其特征在于,所述损失函数的表达式为:

9.根据权利要求3所述的安全设备识别方法,其特征在于,针对原始图像中的每一安全设备区域,基于该安全设备区域的面积,确定该安全设备区域对应的滑动窗口的尺寸,包括:

<p>10.一种安全设备识别装置,其特征在于,包括:

...

【技术特征摘要】

1.一种安全设备识别方法,其特征在于,包括:

2.根据权利要求1所述的安全设备识别方法,其特征在于,基于所述特征信息,确定所述原始图像中的各安全设备区域,包括:

3.根据权利要求1或2所述的安全设备识别方法,其特征在于,分别对所述原始图像中的各安全设备区域进行增强,得到增强后的增强图像,包括:

4.根据权利要求1或2所述的安全设备识别方法,其特征在于,在将所述增强图像输入至预先训练好的目标识别模型之前,还包括:

5.根据权利要求4所述的安全设备识别方法,其特征在于,所述...

【专利技术属性】
技术研发人员:王锦腾刘凯李鹏张林浩马迅田广
申请(专利权)人:国网河北省电力有限公司营销服务中心
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1