基于深度学习的电力基建现场安全管控系统

发布时间：2024-06-30 19:47

　　目前电网基建项目中的一系列安全问题的检查监督主要依靠人工巡检、抽检,存在工作量大、易疏忽、实时性差、效率低等诸多缺点,无法做到对整个施工现场的安全情况实时监控、全局管控。近年来随着人工智能技术的发展,基于视觉分析的基建现场安全状态智能评估已成为可能。提出了一种基于深度学习的电力基建现场安全管控系统,该系统基于施工基建现场安全管控中视觉目标检测的实时性和准确性要求,以YOLO-V3目标检测算法为核心,根据检测对象的特征对网络结构和参数加以优化,开展目标检测与识别技术研究,搭建施工基建现场管控系统,提升处理效率,进一步完善基建现场的安全监控手段,可为不安全行为和不安全物态场景的智能识别提供新的思路和方法。

【文章页数】：7 页

【部分图文】：

图1电力基建现场安全管控系统

基于深度学习的施工基建现场管控系统由基建现场的各种监视设备（车载摄像头、固定摄像头、无人机航拍）、现场终端系统、专用数据传输网络、视频存储服务器、视频处理平台、操作员工作站等组成。整个工作过程如下：通过建筑工程施工现场的视频监控采集大量图片数据，图片数据汇总至现场终端系统，图片数....

图2目标检测模型基本架构

该系统的核心是一种基于深度学习算法的实时目标检测模型，如图2所示。通过建筑工程施工现场的视频监控采集大量图片数据，人工智能算法主要针对工地现场待检目标进行特征提取、数据挖掘、数据分析，利用深度网络进行训练，并利用训练所得模型从海量视频流图片中实现目标检测、文字识别、动作行为识别功....

图3目标检测与识别流程

该算法模型需要实现人工智能动作识别、目标检测与识别、文字标识牌检测等人工智能技术的融合运用。深度学习技术又称深度神经网络，是模拟人脑工作的一种机器学习技术，对图像、语音、文字等，能够自主提取对象特征，深度认知对象。工作过程：施工基建现场管控系统的视频接入服务器接收施工现场各种监视....

图4YOLO-V3及其基本组成模块

建筑工地通过视频监控设备实时获得工地施工人员作业视频，并采用视频流实时处理的方式实现建筑工地施工现场的目标定位和检测。视频监控设备通常架设在施工场地边缘的高处位置，架设高度约有10m左右，因此监控视频在工作状态下具有15°～30°的俯视角，其获得的施工人员施工画面就是非正面成像....

本文编号：3998989