CN112990586A - 配网作业视频智能监控方法及*** - Google Patents
配网作业视频智能监控方法及*** Download PDFInfo
- Publication number
- CN112990586A CN112990586A CN202110299853.XA CN202110299853A CN112990586A CN 112990586 A CN112990586 A CN 112990586A CN 202110299853 A CN202110299853 A CN 202110299853A CN 112990586 A CN112990586 A CN 112990586A
- Authority
- CN
- China
- Prior art keywords
- information
- task
- acquiring
- video data
- safety
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004519 manufacturing process Methods 0.000 claims abstract description 62
- 238000004891 communication Methods 0.000 claims description 44
- 238000013136 deep learning model Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 14
- 230000001681 protective effect Effects 0.000 claims description 14
- 238000009434 installation Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Signal Processing (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Factory Administration (AREA)
- Image Analysis (AREA)
Abstract
本发明提供配网作业视频智能监控方法及***,该方法包括步骤:S1、获取生产信息管理***中次日的生产任务信息,所述生产任务信息包括任务名称、工作负责人信息和工作票;S2、对工作票进行识别,获取安全工器具需求信息、作业任务内容、安全措施信息;S3、根据安全工器具需求信息对工作负责人所领用物资进行识别比对分析;S4、根据作业任务内容获取相应的现场作业监控视频数据,对监控视频数据进行识别比对分析,基于作业任务内容和安全措施信息识别现场作业安全措施是否到位。本发明基于生产任务信息对监控视频数据进行识别比对分析,能实现作业现场风险可视、实时预警,辅助安全监察人员进行风险干预,强化安全措施,保障电网安全稳定运行。
Description
技术领域
本发明涉及视频监控***技术领域,尤其涉及配网作业视频智能监控方法及***。
背景技术
传统的视频监控***功能相对较为简单,通过摄像头对作业现场进行监控并采集作业现场的视频信息,如果需要甄别作业现场的异常情况,需要大量的工作人员进行人工识别,准确率难以保证并且效率低,目前电网***中尚未实现配网作业视频监控智能识别,各级公司建立的视频监控***,主要依靠人工手段进行现场作业风险判别,视频监控采集的现场画面包含多专业、多工种的作业人员,信息复杂多变,仅依靠人工远程判断难以全面而准确的判定违规作业情况,现场异常情况一般都是进行事后处理,对因违章作业引发的重大人身安全责任事故无法做到提前预防。
发明内容
鉴于此,本发明的目的在于提供配网作业视频智能监控方法,以克服或至少部分解决现有技术所存在的上述问题。
本发明第一方面提供一种配网作业视频智能监控方法,包括以下步骤:
S1、获取生产信息管理***中次日的生产任务信息,所述生产任务信息包括任务名称、工作负责人信息和工作票;
S2、对工作票进行识别,获取安全工器具需求信息、作业任务内容、安全措施信息;
S3、根据安全工器具需求信息对工作负责人所领用物资进行识别比对分析;
S4、根据作业任务内容获取相应的现场作业监控视频数据,对监控视频数据进行识别比对分析,基于作业任务内容和安全措施信息识别现场作业安全措施是否到位。
可选的,所述步骤S3具体包括以下步骤:
S31、对待领用安全工器具的工作负责人进行人脸识别,基于人脸识别结果匹配对应的工作负责人信息;
S32、根据工作负责人信息获取生产任务信息,并获取与生产任务信息关联的工作票,基于工作票获取对应的安全工器具需求信息;
S33、对比工作负责人实际领用的安全工器具信息和安全工器具需求信息,若不匹配则向工作负责人发出提示信息。可选的,
可选的,所述根据作业任务内容获取相应的现场作业监控视频数据,具体包括:
S41、获取作业任务内容中的作业任务地点信息,查询部署于作业任务地点的视频监控设备;
S42、建立与查询到的视频监控设备的通讯连接,并获取现场作业监控视频数据,建立现场作业监控视频数据与生产任务信息的关联关系。
可选的,所述对监控视频数据进行识别比对分析,基于作业任务内容和安全措施信息识别现场作业安全措施是否到位,具体包括:
S43、根据安全措施信息所包含的防护用品信息确定检测目标;
S44、基于预设图像识别算法对监控视频数据的每帧图像进行识别,判断图像中是否包含检测目标,若未包含全部检测目标,则向相应的工作负责人发出提示信息;
S45、基于预设图像识别算法对监控视频数据的每帧图像进行识别,结合作业任务内容对接地线安装进行检查。
可选的,所述步骤S45具体包括以下步骤:
S451、根据作业任务内容获取接地线安装位置信息;
S452、获取线路信息和杆塔信息作为辅助信息;
S453、基于接地线安装位置信息和辅助信息对图像中的接地线进行识别,判断接地线安装位置和顺序是否正确。
可选的,所述步骤S42中,建立现场作业监控视频数据与生产任务信息的关联关系后具体还包括以下步骤:
S421、根据生产任务信息对相关联的现场作业监控视频数据添加识别任务标记;
S422、将现场作业监控视频数据和生产任务信息添加到区块中并上链;
S423、识别节点下载区块链并根据识别任务标记解析特定区块,获取现场作业监控视频数据和生产任务信息,对监控视频数据进行识别比对分析,将识别结果和被解析区块信息写入新区块并上链。
可选的,在识别节点下载区块链前,具体还包括步骤:
S4231、获取包含负载状态信息的配电通信网络历史镜像数据,所述负载状态信息为历史时刻下配电通信网络中所有计算机设备的负载状态;
S4232、基于配电通信网络历史镜像数据,分析配电通信网络中的每台计算机设备的负载影响因素;
S4233、建立深度学习模型,将配电通信网络历史镜像数据作为训练样本对深度学习模型进行训练,获得负载状态预测训练结果,根据负载状态信息和负载状态预测训练结果对深度学习模型进行优化;
S4234、获取实时配电通信网络镜像数据并输入深度学习模型,获得配电通信网络中每台计算机设备在预设时间区间内的负载状态预测信息;
S4235、根据负载状态预测信息对计算机设备进行筛选,在筛选后的计算机设备中建立识别节点。
进一步的,所述在筛选后的计算机设备中建立识别节点,具体包括:获取筛选后的计算机设备的配置信息,根据配置信息向相应的计算机设备部署不同的识别分析模块,不同的识别分析模块预设不同的图像识别算法。
本发明第二方面提供一种配网作业视频智能监控***,所述***包括:
获取模块,用于获取生产信息管理***中次日的生产任务信息,所述生产任务信息包括任务名称、工作负责人信息和工作票;
识别模块,用于对工作票进行识别,获取安全工器具需求信息、作业任务内容、安全措施信息;
第一识别模块,用于根据安全工器具需求信息对工作负责人所领用物资进行识别比对分析;
第二识别模块,用于根据作业任务内容获取相应的现场作业监控视频数据,对监控视频数据进行识别比对分析,基于作业任务内容和安全措施信息识别现场作业安全措施是否到位。
与现有技术相比,本发明的有益效果是:
本发明所提供的一种配网作业视频智能监控方法及***,通过获取生产信息管理***中的生产任务信息,实现作业文件的规范化和数字化管控,基于生产任务信息与现场作业监控视频数据关联,通过智能化手段对监控视频数据进行识别比对分析,能够实现作业现场的风险可视、实时预警,辅助安全监察人员进行及时的风险干预,强化工作票要求的安全措施,防范各类安全风险,保障电网安全稳定运行。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的优选实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种配网作业视频智能监控方法整体流程示意图。
图2是本发明另一实施例提供的一种配网作业视频智能监控***整体流程示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所列举实施例只用于解释本发明,并非用于限定本发明的范围。
参照图1,本实施例提供一种配网作业视频智能监控方法,所述方法包括以下步骤:
S1、获取生产信息管理***中次日的生产任务信息,所述生产任务信息包括任务名称、工作负责人信息和工作票。
S2、对工作票进行识别,获取安全工器具需求信息、作业任务内容、安全措施信息。
示例性地,所述对工作票进行识别可以是通过OCR技术对工作票的文字内容进行提取和识别。所述安全工器具需求信息用于描述完成生产任务所需要的安全工器具;所述作业任务内容用于描述工作任务,例如更换35kV龙美变电站10kV II线#08杆一组避雷器;所述安全措施信息用于描述工作要求的必需安全措施,例如应拉断的隔离开关和断路器、应合的接地刀闸、应挂的标识牌和应设的遮拦物,以及其他安全措施。
S3、根据安全工器具需求信息对工作负责人所领用物资进行识别比对分析。若是识别比对工作负责人所领用的物资与安全工器具需求信息不匹配,则向相应的工作负责人进行告警提示。
S4、根据作业任务内容获取相应的现场作业监控视频数据,对监控视频数据进行识别比对分析,基于作业任务内容和安全措施信息识别现场作业安全措施是否到位。若识别比对现场作业安全措施不到位,则向相应的工作负责人进行告警提示。
本实施例所提供的一种配网作业视频智能监控方法,通过获取生产信息管理***中的生产任务信息,实现作业文件的规范化和数字化管控,基于生产任务信息与现场作业监控视频数据关联,通过智能化手段对监控视频数据进行识别比对分析,能够实现作业现场的风险可视、实时预警,辅助安全监察人员进行及时的风险干预,强化工作票要求的安全措施,防范各类安全风险,保障电网安全稳定运行。
作为本实施例的一种可选实施方式,所述步骤S3具体包括以下步骤:
S31、对待领用安全工器具的工作负责人进行人脸识别,基于人脸识别结果匹配对应的工作负责人信息。
S32、根据工作负责人信息获取生产任务信息,并获取与生产任务信息关联的工作票,基于工作票获取对应的安全工器具需求信息。
S33、对比工作负责人实际领用的安全工器具信息和安全工器具需求信息,若不匹配则向工作负责人发出提示信息。
示例性地,对待领用安全工器具的工作负责人进行人脸识别可以是在安全工器具房门口处设置人脸采集摄像头采集工作负责人的脸部图像数据,并对脸部图像数据进行识别。在工作负责人领用安全工器具时,对比工作负责人实际领用的安全工器具种类和数量与工作票要求的安全工器具种类和数量是否存在出入,若发现实际领用的安全工器具种类或数量没有达到工作票要求,则对工作负责人发出提示信息,例如向其发送短信提示,确保电力工作安全规范要求的落实,降低事故发生概率。
作为本实施例的一种可选实施方式,步骤S4中,所述根据作业任务内容获取相应的现场作业监控视频数据,具体包括:
S41、获取作业任务内容中的作业任务地点信息,查询部署于作业任务地点的视频监控设备。
示例性地,在获取作业任务内容中的作业任务地点信息后,还获取作业任务内容中的作业时间信息,在到达作业起始时间时查询部署于作业任务地点的视频监控设备。部署于作业任务地点的视频监控设备可以是固定架设的视频监控设备,也可以是作业人员手持式或可移动的视频采集设备。
另一方面,若在到达作业起始时间时,无法查询到任何部署于作业任务地点的视频监控设备,则向工作负责人发出信息提示,要求其部署手持式或可移动的视频采集设备。
S42、建立与查询到的视频监控设备的通讯连接,并获取现场作业监控视频数据,建立现场作业监控视频数据与生产任务信息的关联关系。
示例性地,建立与查询到的视频监控设备的通讯连接,可以是向架设于作业任务地点的固定式视频监控设备所属的视频监控***发起获取该视频监控设备自作业起始时间起的监控视频数据的请求;也可以是接收作业人员手持式或可移动的视频采集设备主动上传的现场作业监控视频数据。所述建立现场作业监控视频数据与生产任务信息的关联关系,可以是建立现场作业监控视频数据的唯一识别编号与生产任务信息的唯一识别标识信息的映射关系。
上述实施例中,通过将作业任务与现场监控视频相关联,能够达到在对作业任务信息化管理的基础上快速查询相应的现场监控视频的技术效果,为安全纠察、作业回顾等提供全方位的实景信息支持。
作为本实施例的一种可选实施方式,步骤S4中,所述对监控视频数据进行识别比对分析,基于作业任务内容和安全措施信息识别现场作业安全措施是否到位,具体包括:
S43、根据安全措施信息所包含的防护用品信息确定检测目标。
示例性地,所述防护用品包括个人防护用品和施工防护用品,个人防护用品可以是安全帽、绝缘鞋、防护手套、防护眼镜、安全绳等;施工防护用品可以是防护栏、灭火器材、警示牌等。本步骤根据安全措施信息所要求配备的防护用品信息确定检测目标,以便后续步骤中以所要求配备的防护用品信息为目标对现场作业监控视频进行逐帧分析。
S44、基于预设图像识别算法对监控视频数据的每帧图像进行识别,判断图像中是否包含检测目标,若未包含全部检测目标,则向相应的工作负责人发出提示信息。
本实施例中,若判断现场作业监控视频中未识别到全部检测目标,说明作业人员未携带全部必需的防护用品,未采取必需的安全措施,则可以通过短信提示、语音信息的方式对相应的工作负责人发出提示信息,从而达到自动识别作业过程是否采取必要安全措施、实时预警的技术效果,提高作业过程安全性。
S45、基于预设图像识别算法对监控视频数据的每帧图像进行识别,结合作业任务内容对接地线安装进行检查。
具体的,所述步骤S45具体通过以下步骤实现:
S451、根据作业任务内容获取接地线安装位置信息。
S452、获取线路信息和杆塔信息作为辅助信息。
S453、基于接地线安装位置信息和辅助信息对图像中的接地线进行识别,判断接地线安装位置和顺序是否正确。
示例性地,为了降低人身触电事故的发生概率,电力工作要求落实“停电、验电、接地”的技术措施,但目前对电力作业过程中的接地线检查通常是现场人工检查,现有技术中缺少远程检查接地线的技术手段,导致上述技术措施的落实无法保证。本实施例中,根据工作票中的作业任务内容获取接地线的安装位置,获取线路信息和杆塔信息作为辅助信息对接地进行定位,例如可通过调度EMS、GIS***获取线路信息和杆塔信息,基于上述信息结合视频分析技术对现场作业监控视频图像中的接地线进行识别,判断接地线安装位置和顺序是否正确,从而达到通过视频监控结合定位实现接地线的远程检查的技术效果。
在配网作业视频的智能识别中涉及到目标检测、物体识别、行为识别等多种算法,在将各种算法运用到大量的视频图像识别中时,由于现场环境复杂多变,单一设备集成多种算法进行检测时,在复杂的背景中识别准确率并不高,并且识别效率也较低。为了解决该问题,作为本实施例的一种可选实施方式,所述步骤S42中,建立现场作业监控视频数据与生产任务信息的关联关系后具体还包括以下步骤:
S421、根据生产任务信息对相关联的现场作业监控视频数据添加识别任务标记。
示例性地,所述识别任务标记用于标记需要对该段现场作业监控视频数据进行的识别任务,一段现场作业监控视频数据根据相应的生产任务信息至少有一个识别任务标记。例如,当生产任务信息中包含必需防护用品、接地线作业时,需要对相关联的现场作业监控视频数据进行目标检测和物体识别,即对该段现场作业监控视频数据添加相应的识别任务标记。
S422、将现场作业监控视频数据和生产任务信息添加到区块中并上链。
该步骤中,将待识别比对分析的现场作业监控视频数据和相关联的生产任务信息添加到区块中,并将区块上传到区块链,利用区块链数据基本无法篡改、可追溯的特点,可以有效对数据进行保存、共享和追溯,防止数据造假。
S423、识别节点下载区块链并根据识别任务标记解析特定区块,获取现场作业监控视频数据和生产任务信息,对监控视频数据进行识别比对分析,将识别结果和被解析区块信息写入新区块并上链。
示例性地,所述识别节点为同处于配电通信网络中的计算机设备,每个识别节点用于实现不同的预设图像识别算法。识别节点下载区块链后,根据自身可以进行的识别任务查询带有相应识别任务标记的特定区块,对区块进行解析获取现场作业监控视频数据和生产任务信息,对监控视频数据进行识别比对分析,进而根据识别比对分析结果决定是否需要向工作负责人发出提示信息。完成识别比对分析后,识别节点将识别结果和被解析区块信息写入新的区块并上传到区块链,其他识别节点可以根据被解析区块信息跳过已完成识别的现场作业监控视频数据,上链的识别结果可以方便地在网络中的不同节点间进行共享。本实施例中通过多个识别节点分别处理不同识别任务标记的现场作业监控视频数据,一方面能够通过单一算法对监控视频数据进行识别,从而在复杂背景下提高识别准确率,另一方面能够达到提高识别效率的技术效果。
配电通信网络中的各台计算机设备通常都会有自身的工作任务需要占用计算资源进行处理,在不同时期各台计算机设备的负载状态不尽相同,配网作业视频智能监控不能影响到识别节点处理原有工作任务,同时需要尽可能地利用负载状态较低的识别节点,因此需要更准确地预测作为识别节点的各台计算机设备在未来一定时间内的负载状态,以实现灵活调度,为了解决该问题,作为本实施例进一步可选的实施方式,在识别节点下载区块链前,具体还包括步骤:
S4231、获取包含负载状态信息的配电通信网络历史镜像数据,所述负载状态信息为历史时刻下配电通信网络中所有计算机设备的负载状态。
示例性地,所述配电通信网络历史镜像数据可以包括上传流量、下载流量、发送节点、接收节点、传输中的数据包信息等。计算机设备的负载状态用于衡量当前计算机设备的计算资源被占用程度。
S4232、基于配电通信网络历史镜像数据,分析配电通信网络中的每台计算机设备的负载影响因素。
示例性地,所述负载影响因素为能够影响到计算机设备负载状态的特征因素,例如在计算机设备接收到某个特定发送节点定期发送的数据包后,该计算机设备的负载状态总是由低变高,或是计算机设备每次向某个特定接收节点发送数据后,该计算机设备的负载状态总是由高变低,此时特定发送节点定期发送数据包、计算机设备向特定接收节点发送数据这些行为便成为能够影响计算机设备负载状态的负载影响因素,分析负载影响因素可以采用显著性检验方法进行分析。
S4233、建立深度学习模型,将配电通信网络历史镜像数据作为训练样本对深度学习模型进行训练,获得负载状态预测训练结果,根据负载状态信息和负载状态预测训练结果对深度学习模型进行优化。
该步骤中,深度学习模型根据配电通信网络历史镜像数据中的负载影响因素对不同计算机设备一定时间内的负载状态进行预测。通过多次迭代训练,使得深度学习模型的预测的训练结果越来越接近计算机设备的实际负载状态信息,以便于后续步骤中通过深度学习模型来预测不同计算机设备在未来一定时间内的准确负载状态。
S4234、获取实时配电通信网络镜像数据并输入深度学习模型,获得配电通信网络中每台计算机设备在预设时间区间内的负载状态预测信息。
S4235、根据负载状态预测信息对计算机设备进行筛选,在筛选后的计算机设备中建立识别节点。
示例性地,本实施例中通过分析配电通信网络中的每台计算机设备的负载影响因素,结合配电通信网络历史镜像数据对深度学习模型进行训练,在需要对现场作业监控视频进行识别比对分析时,能够将当前配电通信网络镜像数据输入到深度学习模型中,来预测不同计算机设备未来一定时间内的负载状态,筛选出未来一定时间内负载状态均低于预设阈值的计算机设备,将其作为识别节点对现场作业监控视频进行识别比对分析,从而达到充分利用配电通信网络闲置计算资源的技术效果。
作为本实施例的一种可选实施方式,步骤S4235中,所述在筛选后的计算机设备中建立识别节点,具体包括:获取筛选后的计算机设备的配置信息,根据配置信息向相应的计算机设备部署不同的识别分析模块,不同的识别分析模块预设不同的图像识别算法。不同的图像识别算法对于计算机设备的配置有不同要求,本实施例提供的配网作业视频智能监控方法通过根据计算机设备自身的配置情况,为其配置能够最大化处理效率的识别分析模块,从而充分利用计算机设备的计算资源,提高识别效率。
基于与前述方法实施例相同的发明构思,本发明另一实施例提供一种配网作业视频智能监控***,参照图2,所述***包括:
获取模块,用于获取生产信息管理***中次日的生产任务信息,所述生产任务信息包括任务名称、工作负责人信息和工作票;
工作票识别模块,用于对工作票进行识别,获取安全工器具需求信息、作业任务内容、安全措施信息;
第一识别模块,用于根据安全工器具需求信息对工作负责人所领用物资进行识别比对分析;
第二识别模块,用于根据作业任务内容获取相应的现场作业监控视频数据,对监控视频数据进行识别比对分析,基于作业任务内容和安全措施信息识别现场作业安全措施是否到位。
作为本实施例的一种可选实施方式,所述第一识别模块具体包括:
人脸识别子模块,用于对待领用安全工器具的工作负责人进行人脸识别,基于人脸识别结果匹配对应的工作负责人信息;
获取子模块,用于根据工作负责人信息获取生产任务信息,并获取与生产任务信息关联的工作票,基于工作票获取对应的安全工器具需求信息;
对比子模块,用于对比工作负责人实际领用的安全工器具信息和安全工器具需求信息,若不匹配则向工作负责人发出提示信息。
作为本实施例的一种可选实施方式,所述第二识别模块具体包括:
查询子模块,用于获取作业任务内容中的作业任务地点信息,查询部署于作业任务地点的视频监控设备;
关联子模块,用于建立与查询到的视频监控设备的通讯连接,并获取现场作业监控视频数据,建立现场作业监控视频数据与生产任务信息的关联关系。
作为本实施例的一种可选实施方式,所述第二识别模块具体还包括:
检测目标确定子模块,用于根据安全措施信息所包含的防护用品信息确定检测目标;
检测目标识别子模块,用于基于预设图像识别算法对监控视频数据的每帧图像进行识别,判断图像中是否包含检测目标,若未包含全部检测目标,则向相应的工作负责人发出提示信息;
接地线检查子模块,用于基于预设图像识别算法对监控视频数据的每帧图像进行识别,结合作业任务内容对接地线安装进行检查。
作为本实施例进一步可选的一种实施方式,所述接地线检查子模块具体包括:
位置信息获取子模块,用于根据作业任务内容获取接地线安装位置信息;
辅助信息获取子模块,用于获取线路信息和杆塔信息作为辅助信息;
判断子模块,用于基于接地线安装位置信息和辅助信息对图像中的接地线进行识别,判断接地线安装位置和顺序是否正确。
作为本实施例进一步可选的一种实施方式,所述第二识别模块具体还包括:
标记子模块,用于根据生产任务信息对相关联的现场作业监控视频数据添加识别任务标记;
第一上链子模块,用于将现场作业监控视频数据和生产任务信息添加到区块中并上链;
第二上链子模块,用于识别节点下载区块链并根据识别任务标记解析特定区块,获取现场作业监控视频数据和生产任务信息,对监控视频数据进行识别比对分析,将识别结果和被解析区块信息写入新区块并上链。
作为本实施例进一步可选的一种实施方式,所述第二识别模块具体还包括:
镜像数据获取子模块,用于获取包含负载状态信息的配电通信网络历史镜像数据,所述负载状态信息为历史时刻下配电通信网络中所有计算机设备的负载状态;
分析子模块,用于基于配电通信网络历史镜像数据,分析配电通信网络中的每台计算机设备的负载影响因素;
训练子模块,用于建立深度学习模型,将配电通信网络历史镜像数据作为训练样本对深度学习模型进行训练,获得负载状态预测训练结果,根据负载状态信息和负载状态预测训练结果对深度学习模型进行优化;
预测子模块,用于获取实时配电通信网络镜像数据并输入深度学习模型,获得配电通信网络中每台计算机设备在预设时间区间内的负载状态预测信息;
筛选子模块,用于根据负载状态预测信息对计算机设备进行筛选,在筛选后的计算机设备中建立识别节点;
部署子模块,用于获取筛选后的计算机设备的配置信息,根据配置信息向相应的计算机设备部署不同的识别分析模块,不同的识别分析模块预设不同的图像识别算法。
上述***实施例与前述方法实施例基于同样的发明构思,其工作原理和有益效果可以参照前述方法实施例,在此不再赘述。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种配网作业视频智能监控方法,其特征在于,所述方法包括以下步骤:
S1、获取生产信息管理***中次日的生产任务信息,所述生产任务信息包括任务名称、工作负责人信息和工作票;
S2、对工作票进行识别,获取安全工器具需求信息、作业任务内容、安全措施信息;
S3、根据安全工器具需求信息对工作负责人所领用物资进行识别比对分析;
S4、根据作业任务内容获取相应的现场作业监控视频数据,对监控视频数据进行识别比对分析,基于作业任务内容和安全措施信息识别现场作业安全措施是否到位。
2.根据权利要求1所述的配网作业视频智能监控方法,其特征在于,所述步骤S3具体包括以下步骤:
S31、对待领用安全工器具的工作负责人进行人脸识别,基于人脸识别结果匹配对应的工作负责人信息;
S32、根据工作负责人信息获取生产任务信息,并获取与生产任务信息关联的工作票,基于工作票获取对应的安全工器具需求信息;
S33、对比工作负责人实际领用的安全工器具信息和安全工器具需求信息,若不匹配则向工作负责人发出提示信息。
3.根据权利要求1所述的配网作业视频智能监控方法,其特征在于,所述根据作业任务内容获取相应的现场作业监控视频数据,具体包括:
S41、获取作业任务内容中的作业任务地点信息,查询部署于作业任务地点的视频监控设备;
S42、建立与查询到的视频监控设备的通讯连接,并获取现场作业监控视频数据,建立现场作业监控视频数据与生产任务信息的关联关系。
4.根据权利要求1所述的配网作业视频智能监控方法,其特征在于,所述对监控视频数据进行识别比对分析,基于作业任务内容和安全措施信息识别现场作业安全措施是否到位,具体包括:
S43、根据安全措施信息所包含的防护用品信息确定检测目标;
S44、基于预设图像识别算法对监控视频数据的每帧图像进行识别,判断图像中是否包含检测目标,若未包含全部检测目标,则向相应的工作负责人发出提示信息;
S45、基于预设图像识别算法对监控视频数据的每帧图像进行识别,结合作业任务内容对接地线安装进行检查。
5.根据权利要求4所述的配网作业视频智能监控方法,其特征在于,所述步骤S45具体包括以下步骤:
S451、根据作业任务内容获取接地线安装位置信息;
S452、获取线路信息和杆塔信息作为辅助信息;
S453、基于接地线安装位置信息和辅助信息对图像中的接地线进行识别,判断接地线安装位置和顺序是否正确。
6.根据权利要求3所述的配网作业视频智能监控方法,其特征在于,所述步骤S42中,建立现场作业监控视频数据与生产任务信息的关联关系后具体还包括以下步骤:
S421、根据生产任务信息对相关联的现场作业监控视频数据添加识别任务标记;
S422、将现场作业监控视频数据和生产任务信息添加到区块中并上链;
S423、识别节点下载区块链并根据识别任务标记解析特定区块,获取现场作业监控视频数据和生产任务信息,对监控视频数据进行识别比对分析,将识别结果和被解析区块信息写入新区块并上链。
7.根据权利要求6所述的配网作业视频智能监控方法,其特征在于,在识别节点下载区块链前,具体还包括步骤:
S4231、获取包含负载状态信息的配电通信网络历史镜像数据,所述负载状态信息为历史时刻下配电通信网络中所有计算机设备的负载状态;
S4232、基于配电通信网络历史镜像数据,分析配电通信网络中的每台计算机设备的负载影响因素;
S4233、建立深度学习模型,将配电通信网络历史镜像数据作为训练样本对深度学习模型进行训练,获得负载状态预测训练结果,根据负载状态信息和负载状态预测训练结果对深度学习模型进行优化;
S4234、获取实时配电通信网络镜像数据并输入深度学习模型,获得配电通信网络中每台计算机设备在预设时间区间内的负载状态预测信息;
S4235、根据负载状态预测信息对计算机设备进行筛选,在筛选后的计算机设备中建立识别节点。
8.根据权利要求7所述的配网作业视频智能监控方法,其特征在于,所述在筛选后的计算机设备中建立识别节点,具体包括:获取筛选后的计算机设备的配置信息,根据配置信息向相应的计算机设备部署不同的识别分析模块,不同的识别分析模块预设不同的图像识别算法。
9.一种配网作业视频智能监控***,其特征在于,所述***包括:
获取模块,用于获取生产信息管理***中次日的生产任务信息,所述生产任务信息包括任务名称、工作负责人信息和工作票;
识别模块,用于对工作票进行识别,获取安全工器具需求信息、作业任务内容、安全措施信息;
第一识别模块,用于根据安全工器具需求信息对工作负责人所领用物资进行识别比对分析;
第二识别模块,用于根据作业任务内容获取相应的现场作业监控视频数据,对监控视频数据进行识别比对分析,基于作业任务内容和安全措施信息识别现场作业安全措施是否到位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110299853.XA CN112990586B (zh) | 2021-03-22 | 2021-03-22 | 配网作业视频智能监控方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110299853.XA CN112990586B (zh) | 2021-03-22 | 2021-03-22 | 配网作业视频智能监控方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112990586A true CN112990586A (zh) | 2021-06-18 |
CN112990586B CN112990586B (zh) | 2023-04-07 |
Family
ID=76334217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110299853.XA Active CN112990586B (zh) | 2021-03-22 | 2021-03-22 | 配网作业视频智能监控方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112990586B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092888A (zh) * | 2021-12-03 | 2022-02-25 | 国网四川省电力公司电力科学研究院 | 一种电力作业实验室实验人员触电风险检测*** |
CN115358619A (zh) * | 2022-09-02 | 2022-11-18 | 国网河北省电力有限公司雄安新区供电公司 | 一种数字智能化的电网作业安全管控管理平台 |
CN116316480A (zh) * | 2023-03-21 | 2023-06-23 | 广东电网有限责任公司茂名供电局 | 一种基于gis的拓扑防误方法、***、介质及计算机 |
CN116796030A (zh) * | 2023-08-24 | 2023-09-22 | 北京龙德缘电力科技发展有限公司 | 一种用于工作票中规范的动作流程播报及语音交互的*** |
CN117035377A (zh) * | 2023-10-10 | 2023-11-10 | 广东信通通信有限公司 | 配网带电作业监控方法、***、计算机设备以及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809355A (zh) * | 2016-03-14 | 2016-07-27 | 国网福建省电力有限公司 | 基于作业现场远程监控***的人员信息识别方法 |
CN105825329A (zh) * | 2016-03-14 | 2016-08-03 | 国网福建省电力有限公司 | 基于作业现场远程监控***的安全与质量稽查方法 |
CN106502799A (zh) * | 2016-12-30 | 2017-03-15 | 南京大学 | 一种基于长短时记忆网络的主机负载预测方法 |
CN107967562A (zh) * | 2017-11-29 | 2018-04-27 | 国网山西省电力公司太原供电公司 | 一种施工现场作业安全远程管控***及方法 |
CN108833831A (zh) * | 2018-06-15 | 2018-11-16 | 陈在新 | 一种电力施工智能安全监督*** |
US20180343376A1 (en) * | 2017-05-25 | 2018-11-29 | International Business Machines Corporation | Controlling a video capture device based on cognitive personal action and image identification |
CN111368991A (zh) * | 2018-12-25 | 2020-07-03 | 杭州海康威视数字技术股份有限公司 | 深度学习模型的训练方法、装置及电子设备 |
CN111507308A (zh) * | 2020-05-07 | 2020-08-07 | 广东电网有限责任公司 | 一种基于视频识别技术的变电站安全监控***及方法 |
US20200294073A1 (en) * | 2019-03-11 | 2020-09-17 | Applied Methods Inc. | Platform for In-Memory Analysis of Network Data Applied to Logistics For Best Facility Recommendations with Current Market Information |
-
2021
- 2021-03-22 CN CN202110299853.XA patent/CN112990586B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809355A (zh) * | 2016-03-14 | 2016-07-27 | 国网福建省电力有限公司 | 基于作业现场远程监控***的人员信息识别方法 |
CN105825329A (zh) * | 2016-03-14 | 2016-08-03 | 国网福建省电力有限公司 | 基于作业现场远程监控***的安全与质量稽查方法 |
CN106502799A (zh) * | 2016-12-30 | 2017-03-15 | 南京大学 | 一种基于长短时记忆网络的主机负载预测方法 |
US20180343376A1 (en) * | 2017-05-25 | 2018-11-29 | International Business Machines Corporation | Controlling a video capture device based on cognitive personal action and image identification |
CN107967562A (zh) * | 2017-11-29 | 2018-04-27 | 国网山西省电力公司太原供电公司 | 一种施工现场作业安全远程管控***及方法 |
CN108833831A (zh) * | 2018-06-15 | 2018-11-16 | 陈在新 | 一种电力施工智能安全监督*** |
CN111368991A (zh) * | 2018-12-25 | 2020-07-03 | 杭州海康威视数字技术股份有限公司 | 深度学习模型的训练方法、装置及电子设备 |
US20200294073A1 (en) * | 2019-03-11 | 2020-09-17 | Applied Methods Inc. | Platform for In-Memory Analysis of Network Data Applied to Logistics For Best Facility Recommendations with Current Market Information |
CN111507308A (zh) * | 2020-05-07 | 2020-08-07 | 广东电网有限责任公司 | 一种基于视频识别技术的变电站安全监控***及方法 |
Non-Patent Citations (3)
Title |
---|
WENXIA WU 等: ""Intelligent Terminal Monitoring System of Distribution Network for 5G Network"", 《2020 4TH INTERNATIONAL CONFERENCE ON POWER AND ENERGY ENGINEERING (ICPEE)》 * |
侯耀等: "电站现场作业安全监督信息化平台的开发", 《中国仪器仪表》 * |
李千登等: "钻井作业典型违章行为视频监控智能分析技术研究", 《工业安全与环保》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092888A (zh) * | 2021-12-03 | 2022-02-25 | 国网四川省电力公司电力科学研究院 | 一种电力作业实验室实验人员触电风险检测*** |
CN114092888B (zh) * | 2021-12-03 | 2023-05-02 | 国网四川省电力公司电力科学研究院 | 一种电力作业实验室实验人员触电风险检测*** |
CN115358619A (zh) * | 2022-09-02 | 2022-11-18 | 国网河北省电力有限公司雄安新区供电公司 | 一种数字智能化的电网作业安全管控管理平台 |
CN116316480A (zh) * | 2023-03-21 | 2023-06-23 | 广东电网有限责任公司茂名供电局 | 一种基于gis的拓扑防误方法、***、介质及计算机 |
CN116796030A (zh) * | 2023-08-24 | 2023-09-22 | 北京龙德缘电力科技发展有限公司 | 一种用于工作票中规范的动作流程播报及语音交互的*** |
CN116796030B (zh) * | 2023-08-24 | 2023-11-21 | 北京龙德缘电力科技发展有限公司 | 一种用于工作票中规范的动作流程播报及语音交互的*** |
CN117035377A (zh) * | 2023-10-10 | 2023-11-10 | 广东信通通信有限公司 | 配网带电作业监控方法、***、计算机设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112990586B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112990586B (zh) | 配网作业视频智能监控方法及*** | |
CN112183317B (zh) | 一种基于时空图卷积神经网络的带电作业现场违章行为检测方法 | |
CN105049223B (zh) | 一种电力通信网缺陷故障处理决策辅助分析方法 | |
CN110807460B (zh) | 一种基于图像识别的变电站智能巡视***及其应用方法 | |
CN113191635B (zh) | 建筑工程现场电能智慧化管理*** | |
CN103152601A (zh) | 一种智能报障摄像机及其网络管理客户端*** | |
CN109559064A (zh) | 基于物联网的站台门的运行维护方法 | |
CN111092492A (zh) | 一种高压电缆线路运行监测*** | |
CN112112629A (zh) | 一种钻井作业过程中的安全业务管理***和方法 | |
CN111062504A (zh) | 一种基于ar技术的智能配电站运维***及方法 | |
CN113763667A (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
CN210222962U (zh) | 一种智能电子围栏*** | |
CN115131505A (zh) | 一种变电站多***融合的全景感知*** | |
CN106899084B (zh) | 基于视频智能识别的配电环网站开关状态分析方法及*** | |
CN116169778A (zh) | 一种基于配电网异常分析的处理方法及*** | |
CN115102287A (zh) | 一种新能源电站集中区域智能管控*** | |
CN110987081A (zh) | 一种室外环境检测*** | |
CN110597130A (zh) | 一种无人值班变电站远程信息采集*** | |
CN112186899B (zh) | 一种环网柜主动巡检***及方法 | |
CN204463278U (zh) | 一种点巡检终端、标识设备和点巡检*** | |
CN108663970B (zh) | 一种电力操作安全监控*** | |
CN111310723A (zh) | 基于深度学习技术的变电站人员穿戴规范分析方法 | |
CN115296193A (zh) | 变电站智能巡检***及方法 | |
CN108650124A (zh) | 一种基于WebGIS的电网通信预警*** | |
CN114677472A (zh) | 基于无线传感网络的化工设备监控*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |