一种电力施工安全规范模型验证方法

摘要：

电力行业安全、稳定运行,事关各行各业以及国名经济发展和人民群众的根本利益,所以确保安全生产是我们的头等大事.由于电力行业涉及诸多作业场景,因此对相关作业场景进行有无违章操作的监测就具有重要意义.规范的作业执行,能够确保生产安全,提高生产效率.本文着重研究对视频监控过程中易发多发且具有一定危险性违章行为的实时监测与预警提醒,主要是基于图像识别基础,结合深度学习技术,对电力作业相关场景进行目标检测来对作业过程中拟存在的违章场景进行实时监测与预警提醒.本文基于单阶段目标检测模型YOLOV5来开展相应的训练与验证测试,经过测试发现全类别模型4_m(指检测多类目标物,YOLOV5预训练模型采用YOLOV5m.pt)的对多种类别目标物检测的平均精度达到0.85,模型的推理测试能力达到0.66左右.截止目前研究阶段而言,全类别模型4_m对作业场景的违章监测效果相对最佳.基于深度学习模型对电力作业场景目标物的实时检测,在结合相应的逻辑判断,即可对相应的作业场景进行有无违章操作的预警提醒,实现电力作业施工的过程管控,实现违章行为的早发现早纠正,避免事故发生,确保安全生产.

关键词：电力安全、监测预警、图像识别、电力杆塔、深度学习、模型训练

所属期刊栏目：50

分类号：TM74(输配电工程、电力网及电力系统)

在线出版日期：2022-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：9-14