CN114821852B - 基于特征金字塔的电网缺陷深度识别巡查机器人控制*** - Google Patents

Abstract

本发明公开了基于特征金字塔的电网缺陷深度识别巡查机器人控制***，包括电池信息采集模块、机器人信息采集模块、巡查任务导入模块、电量预估模块、影像信息采集模块、影像分析模块、环境信息采集模块与冲击信息采集模块；所述电池信息采集模块用于采集巡查机器人的电池信息，电池信息包括电池额定总电量信息、电池总电量信息、电池剩余电量信息与电池温度信息，所述电池信息被处理为电池警示信息；所述巡查任务导入模块用于导入巡查任务信息，任务信息包括巡查时长与巡查距离；所述机器信息采集模块用于采集机器人的单位耗电量信息。本发明能够稳定控制机器人进行巡查的同时，更好的保护了机器人的安全。

Description

基于特征金字塔的电网缺陷深度识别巡查机器人控制***

技术领域

本发明涉及机器人管控领域，具体涉及基于特征金字塔的电网缺陷深度识别巡查机器人控制***。

背景技术

近年来，电网建设经历了高速发展，变电站数量持续增长。受电网设备的自身特性所限，电网设备的缺陷通常十分微小、难以分辨，而成像环境又复杂多样，这使得电网微小缺陷的精确、高效识别面临着严峻的挑战，已成为制约相关应用进一步满足现实需求的瓶颈问题。一线人员巡检任务日益繁重，加剧了人员数量及结构矛盾，难以适应当前电网的发展需要；

因此在进行电网缺陷巡查过程中会使用到巡查机器人来进行电网故障巡查，在巡查机器人的使用过程中会用到机器人控制***来对机器人进行管控。

现有的机器人控制***，在使用过程中，保护机器人安全的效果较差，给机器人控制***的使用带来了一定的影响，因此，提出基于特征金字塔的电网缺陷深度识别巡查机器人控制***。

发明内容

本发明所要解决的技术问题在于：如何解决现有的机器人控制***，在使用过程中，保护机器人安全的效果较差，给机器人控制***的使用带来了一定的影响，提供了基于特征金字塔的电网缺陷深度识别巡查机器人控制***。

本发明是通过以下技术方案解决上述技术问题的，本发明包括电池信息采集模块、机器人信息采集模块、巡查任务导入模块、电量预估模块、影像信息采集模块、影像信息分析模块、环境信息采集模块与冲击信息采集模块；

所述电池信息采集模块用于采集巡查机器人的电池信息，电池信息包括电池额定总电量信息、电池总电量信息、电池剩余电量信息与电池温度信息，所述电池信息被处理为电池警示信息；

所述巡查任务导入模块用于导入巡查任务信息，任务信息包括巡查时长与巡查距离；

所述机器信息采集模块用于采集机器人的单位耗电量信息，单位耗电量信息包括单位时间耗电量与单位里程耗电量；

所述电量预估模块用于采集巡查机器人的机器人信息，机器人信息包括单位耗电量信息，对机器人信息与电池信息进行综合处理，生成预估运行时长信息；

所述影像信息采集模块用于获取巡查机器人获取到的实时影像信息，所述实时影像信息被发送到影像分析模块；

所述影像分析模块用于对实时影像信息进行分析生成电网故障警示信息与摄像头警示信息；

所述环境信息采集模块用于采集机器人巡查环境的环境信息，环境信息包括天气信息、温度信息与光照强度信息，所述环境信息被处理为环境警示信息；

所述冲击信息采集模块用于采集机器人巡查过程中受到的冲击信息，对冲击信息进行处理生成机器人运行评估信息；

所述机器人控制***对巡查任务信息、预估时长信息与机器人信息进行综合处理生成机器人运行提示信息。

进一步在于，所述电池警示信息包括电池高温警示信息、电池电量不足信息与电池寿命警示信息的具体处理过程如下：

步骤一：提出采集到的电池额定总电量信息、电池总电量信息、电池剩余电量信息与电池温度信息，将电池额定总电量信息标记为K1，电池总电量信息标记为K2，将电池剩余电量信息标记为K3，将电池温度信息标记为K4；

步骤二：计算出电池剩余电量信息K3与电池总电量信息K2之间的比值，得到Kk1，即剩余电量占比Kk1，当剩余电量占比Kk1小于预设值时，即生成电量电量不足信息；

步骤三：提取出电池额定总电量信息K额，在通过满电自断设备充电完成后提取出此时的电池总电量信息K2，通过公式K2/K1*α＝Kk2，得到满电占比Kk2，α为修正值，α≈0.98，当满电占比Kk2小于预设值时，即生成电池寿命警示信息；

步骤三：提取出采集到的电池温度信息K4，记录下电池温度K4大于预设温度的时长即超温时长，将其标记为Kt，当超温时长Kt大于预设值时，即生成电池高温警示信息，当电池温度信息K4大于预设的警示温度值超过预设时长时，也生成电池高温警示信息。

进一步在于，所述对机器人信息与电池信息进行综合处理，生成预估运行时长信息的具体过程如下：提取出采集到的机器人信息，从机器人信息中获取到单位耗电量信息，并从单位耗电量信息中提取出单位时长耗电量，单位时长耗电量为机器人满功率单位时长运行耗电量，将其标记为W1,再提出电池信息中的剩余电量信息，将其标记为W2，计算出W1与W2之间的比值得到Ww_比，即得到预估运行时长信息Ww_比。

进一步在于，所述机器人运行提示信息包括超额巡查信息、正常巡查信息与无法巡查信息，所述机器人运行提示的具体过程如下：

S1：提取出采集到巡查任务信息，从巡查任务信息中提取出巡查时长与巡查距离，将巡查时长标记为V，将巡查距离标记为G；

S2：再提出预估时长信息，将其标记为P，提取出获取到的机器人信息，提取出单位里程耗电量信息，对单位里程耗电量信息与总电量信息进行处理生成，预估距离信息E；

S3：通过公式【(2P-V)-(2E-G)】*β＝Ve，得到评估系数信息Ve，β为修正值系数，0.9≤β≤1.1，β随天气信息变化而变化；

S4：当评估系数信息Ve大于预设值A1时，即生成超额巡查信息，当评估系数信息Ve在预设值A1预设值A2之间时，即生成正常巡查信息，当评估系数信息Ve小于预设值A2时，即生成无法巡查信息，A1＞A2。

进一步在于，所述环境警示信息包括高温环境警示信息、强降雨环境警示信息与冰冻警示信息，所述环境警示信息的具体处理过程如下：提取出采集到的环境信息，从环境信息中提取出天气信息、温度信息与光照强度信息，天气信息包含了降雨量信息，当降雨量信息大于预设值时，即生成强降雨环境警示信息，当温度信息大于预设值时，即生成高温环境警示信息，当温度信息小于预设值，且天气信息为降雨时，即生成冰冻警示信息，当温度信息在预设值范围内，但光照强度大于预设强度超过预设时长时，即也生成高温环境警示信息。

进一步在于，所述机器人运行评估信息包括继续运行信息与停运检查信息，所述机器人运行评估信息的具体处理过程如下：提取出采集到的冲击信息，冲击信息为冲击力大小信息，当冲击力大小信息大于预设值时，即生成停运检查信息，当冲击力大小信息小于预设值时，即生成继续运行信息；

所述停运检查信息生成后，机器人的位置信息被发送到预设接收终端。

进一步在于，所述影像分析模块对实时影像信息进行分析生成电网故障警示信息与摄像头警示信息的具体过程如下：

SS1：提取出货物到的实时影像信息，先对实时影像信息进行清晰度分析获取到实时清晰度信息；

SS2：将实时清晰度信息标记为D，当实时清晰度信息D小于预设最低清晰度时，即生成摄像头警示信息；

SS3：当影像清晰摄像头无问题时，对实时影像信息进行处理，当在实时影像信息中发现故障时，即生成电网故障警示信息。

本发明相比现有技术具有以下优点：该基于特征金字塔的电网缺陷深度识别巡查机器人控制***，在使用过程中，在获取到巡查任务后，对巡查任务进行综合的分析，能够了解到机器人的剩余电量是否能够完整执行完巡查任务，及时的生产对应的警示信息，避免机器人执行任务过程中电量不足无法返回等问题发生，同时对电池信息进行分析，能够了解机器人电池的状态信息，能够有效的减少疑问电池老化等造成的机器人续航变短等问题发生，更好保护了机器人安全，并且在机器人进行巡查前对环境进行综合处理，生成对应的警示信息，从而保证机器人的安全，避免极端天气造成机器人损坏的状况发生，让该***更加值得推广使用。

附图说明

图1是本发明的整***框图；

图2是本发明的数据自适应融合与统一模型流程图；

图3是本发明的电网微小缺陷高性能检测与识别结构图图；

图4是本发明的使用结构保持增量学习流程图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

如图1所示，本实施例提供一种技术方案：基于特征金字塔的电网缺陷深度识别巡查机器人控制***，包括电池信息采集模块、机器人信息采集模块、巡查任务导入模块、电量预估模块、影像信息采集模块、影像信息分析模块、环境信息采集模块与冲击信息采集模块；

所述电池信息采集模块用于采集巡查机器人的电池信息，电池信息包括电池额定总电量信息、电池总电量信息、电池剩余电量信息与电池温度信息，所述电池信息被处理为电池警示信息；

所述电池警示信息包括电池高温警示信息、电池电量不足信息与电池寿命警示信息的具体处理过程如下：

步骤一：提出采集到的电池额定总电量信息、电池总电量信息、电池剩余电量信息与电池温度信息，将电池额定总电量信息标记为K1，电池总电量信息标记为K2，将电池剩余电量信息标记为K3，将电池温度信息标记为K4；

步骤二：计算出电池剩余电量信息K3与电池总电量信息K2之间的比值，得到Kk1，即剩余电量占比Kk1，当剩余电量占比Kk1小于预设值时，即生成电量电量不足信息；

步骤三：提取出电池额定总电量信息K额，在通过满电自断设备充电完成后提取出此时的电池总电量信息K2，通过公式K2/K1*α＝Kk2，得到满电占比Kk2，α为修正值，α≈0.98，当满电占比Kk2小于预设值时，即生成电池寿命警示信息；

步骤三：提取出采集到的电池温度信息K4，记录下电池温度K4大于预设温度的时长即超温时长，将其标记为Kt，当超温时长Kt大于预设值时，即生成电池高温警示信息，当电池温度信息K4大于预设的警示温度值超过预设时长时，也生成电池高温警示信息。

通过上述过程，能够及更加精准的对机器人的电池信息进行综合评估，了解到电池的状态，并及时的发出警示信息，从而保证机器人的安全

所述巡查任务导入模块用于导入巡查任务信息，任务信息包括巡查时长与巡查距离；

所述机器信息采集模块用于采集机器人的单位耗电量信息，单位耗电量信息包括单位时间耗电量与单位里程耗电量；

所述电量预估模块用于采集巡查机器人的机器人信息，机器人信息包括单位耗电量信息，对机器人信息与电池信息进行综合处理，生成预估运行时长信息；

所述对机器人信息与电池信息进行综合处理，生成预估运行时长信息的具体过程如下：提取出采集到的机器人信息，从机器人信息中获取到单位耗电量信息，并从单位耗电量信息中提取出单位时长耗电量，单位时长耗电量为机器人满功率单位时长运行耗电量，将其标记为W1,再提出电池信息中的剩余电量信息，将其标记为W2，计算出W1与W2之间的比值得到Ww_比，即得到预估运行时长信息Ww_比。

通过上述过程，能够获取到更加准确的机器人运行时长信息，从而方便后续评估。

所述影像信息采集模块用于获取巡查机器人获取到的实时影像信息，所述实时影像信息被发送到影像分析模块，所述影像分析模块用于对实时影像信息进行分析生成电网故障警示信息与摄像头警示信息。

所述环境信息采集模块用于采集机器人巡查环境的环境信息，环境信息包括天气信息、温度信息与光照强度信息，所述环境信息被处理为环境警示信息；

所述环境警示信息包括高温环境警示信息、强降雨环境警示信息与冰冻警示信息，所述环境警示信息的具体处理过程如下：提取出采集到的环境信息，从环境信息中提取出天气信息、温度信息与光照强度信息，天气信息包含了降雨量信息，当降雨量信息大于预设值时，即生成强降雨环境警示信息，当温度信息大于预设值时，即生成高温环境警示信息，当温度信息小于预设值，且天气信息为降雨时，即生成冰冻警示信息，当温度信息在预设值范围内，但光照强度大于预设强度超过预设时长时，即也生成高温环境警示信息。

通过对环境信息的详细处理分析，及时的生成警示信息，从而能够防止机器人在极端环境中运行导致的机器人损坏的状况发生。

所述冲击信息采集模块用于采集机器人巡查过程中受到的冲击信息，对冲击信息进行处理生成机器人运行评估信息；

所述机器人运行评估信息包括继续运行信息与停运检查信息，所述机器人运行评估信息的具体处理过程如下：提取出采集到的冲击信息，冲击信息为冲击力大小信息，当冲击力大小信息大于预设值时，即生成停运检查信息，当冲击力大小信息小于预设值时，即生成继续运行信息；

所述停运检查信息生成后，机器人的位置信息被发送到预设接收终端。

所述机器人控制***对巡查任务信息、预估时长信息与机器人信息进行综合处理生成机器人运行提示信息；

所述机器人运行提示信息包括超额巡查信息、正常巡查信息与无法巡查信息，所述机器人运行提示的具体过程如下：

S1：提取出采集到巡查任务信息，从巡查任务信息中提取出巡查时长与巡查距离，将巡查时长标记为V，将巡查距离标记为G；

S2：再提出预估时长信息，将其标记为P，提取出获取到的机器人信息，提取出单位里程耗电量信息，对单位里程耗电量信息与总电量信息进行处理生成，预估距离信息E；

S3：通过公式【(2P-V)-(2E-G)】*β＝Ve，得到评估系数信息Ve，β为修正值系数，0.9≤β≤1.1，β随天气信息变化而变化；

S4：当评估系数信息Ve大于预设值A1时，即生成超额巡查信息，当评估系数信息Ve在预设值A1预设值A2之间时，即生成正常巡查信息，当评估系数信息Ve小于预设值A2时，即生成无法巡查信息，A1＞A2；

通过上述过程，能够更加准确的生产对应的机器人运行提示信息，从而有效的避免机器人无法完整执行任务的状况发生。

所述影像分析模块对实时影像信息进行分析生成电网故障警示信息与摄像头警示信息的具体过程如下：

SS1：提取出货物到的实时影像信息，先对实时影像信息进行清晰度分析获取到实时清晰度信息；

SS2：将实时清晰度信息标记为D，当实时清晰度信息D小于预设最低清晰度时，即生成摄像头警示信息；

SS3：当影像清晰摄像头无问题时，对实时影像信息进行处理，当在实时影像信息中发现故障时，即生成电网故障警示信息。

对实时影像信息进行处理，当在实时影像信息中发现故障时，即生成电网故障警示信息的具体过程如下：如图2所示，使用低层网络的特征信息预测小目标时，由于缺乏高层语义特征，会导致对于小目标的分类结果较差，也就是说，分类算法没有充分利用浅层与深层的特征。解决这个问题的思路就是对高层语义信息和低层语义信息进行融合，丰富预测回归位置框和分类任务输入的多尺度特征图，以此提高精度。特征金字塔网络将低分辨率、高语义信息的高层特征和高分辨率、低语义信息的低层特征进行自上而下地侧边连接，使得所有尺度下的特征都有丰富的语义信息，通过利用常规CNN模型从底至上各个层对同一图片不同维度的特征表达结构，可有效在单一图像视图下生成对其的多维度特征表达。使用多尺度特征金字塔的数据自适应融合与统一模型算法采用两步走：第一步是进行自下至上的不同维度特征生成；第二步是进行自上至下的特征补充增强。多尺度特征金字塔数据自适应融合与统一表征方法可以实现在多个分辨率的特征图上进行检测，可以有效提高检测速度，以便进行下一步的检测与识别；

在电网输配电线路中，能采集到的缺陷部件样本数很少，导致了传统的分类模型失效。针对绝缘子、防震锤和螺栓等部件，缺陷样本数量偏少、各部件的细分缺陷种类多，使得传统的分类模型难以胜任。本发明采用小样本学习方法，将样本特征映射到高维空间，进行部件结构强化，并建立划分包围正样本特征，利用距离测度区分正常部件和缺陷部件。基于部件结构强化的电网微小缺陷高性能检测与识别结构图如图3所示，本发明用支持向量数据描述(Support Vector Data Description,SVDD)算法来获得高维特征空间中的一个包含全部或者大部分被映射到高维特征空间的训练样本，该训练样本呈现为体积最小的高维超球体。使用支持向量数据描述的部件结构强化算法可以增加电网微小缺陷检测与识别的有效性与准确性；

本发明提出结构保持增量学习方法，模拟大脑学习的过程，按照一定的顺序对样本数据进行学习，进而根据任务的执行结果对模型进行增量式更新，使复杂电网场景微小缺陷鲁棒识别***既能够学会新的知识，又保留原有的识别能力。

假设有N个学习任务T₁,T₂,…,T_N，形成一个任务序列T＝{T₁,T₂,…,T_N}，其中每个任务T_i上的数据集为：

每个数据集包含的数据个数为增量学习过程中，模型按照顺序从1至N完成对每个任务的训练，且不能重新访问之前的任务，也就是说，假如学习者已经完成了N个学习任务T₁,T₂,…,T_N，当面对第N+1个任务T_N+1和数据D_N+1时，学习者能够不访问前N个学习任务的数据来完成第N+1个任务的学习，且不遗忘以前所学习的知识。

使用结构保持增量学习的复杂电网场景微小缺陷鲁棒识别模型如图4所示：图4所示的使用结构保持增量学习的复杂电网场景微小缺陷鲁棒识别模型在面对第N+1个任务和数据时，不访问前N个学习任务的数据，完成第N+1个任务后进行任务输出，并且保留了之前任务的学习，这样，电网场景微小缺陷鲁棒识别***既能够学会新的知识，对新的微小故障进行学习与识别，又保留了原有的识别能力，无需重复学习，加快了微小故障识别速度，提高了识别准确率。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (4)

1.基于特征金字塔的电网缺陷深度识别巡查机器人控制***，其特征在于，包括电池信息采集模块、机器人信息采集模块、巡查任务导入模块、电量预估模块、影像信息采集模块、影像分析模块、环境信息采集模块与冲击信息采集模块；

所述电池信息采集模块用于采集巡查机器人的电池信息，电池信息包括电池额定总电量信息、电池总电量信息、电池剩余电量信息与电池温度信息，所述电池信息被处理为电池警示信息；

所述巡查任务导入模块用于导入巡查任务信息，任务信息包括巡查时长与巡查距离；

所述机器人信息采集模块用于采集机器人的单位耗电量信息，单位耗电量信息包括单位时间耗电量与单位里程耗电量；

所述电量预估模块用于采集巡查机器人的机器人信息，机器人信息包括单位耗电量信息，对机器人信息与电池信息进行综合处理，生成预估运行时长信息；

所述影像信息采集模块用于获取巡查机器人获取到的实时影像信息，所述实时影像信息被发送到影像分析模块；

所述影像分析模块用于对实时影像信息进行分析生成电网故障警示信息与摄像头警示信息；

所述环境信息采集模块用于采集机器人巡查环境的环境信息，环境信息包括天气信息、温度信息与光照强度信息，所述环境信息被处理为环境警示信息；

所述冲击信息采集模块用于采集机器人巡查过程中受到的冲击信息，对冲击信息进行处理生成机器人运行评估信息；

机器人控制***对巡查任务信息、预估时长信息与机器人信息进行综合处理生成机器人运行提示信息；

所述电池警示信息包括电池高温警示信息、电池电量不足信息与电池寿命警示信息的具体处理过程如下：

步骤一：提出采集到的电池额定总电量信息、电池总电量信息、电池剩余电量信息与电池温度信息，将电池额定总电量信息标记为K1，电池总电量信息标记为K2，将电池剩余电量信息标记为K3，将电池温度信息标记为K4；

步骤二：计算出电池剩余电量信息K3与电池总电量信息K2之间的比值，得到Kk1，即剩余电量占比Kk1，当剩余电量占比Kk1小于预设值时，即生成电量电量不足信息；

步骤三：提取出电池额定总电量信息K1，通过满电自断设备充电完成后提取出此时的电池总电量信息K2，通过公式，得到满电占比/>，/>为修正值，当满电占比/>小于预设值时，即生成电池寿命警示信息；

步骤四：提取出采集到的电池温度信息K4，记录下电池温度K4大于预设温度的时长即超温时长，将其标记为Kt，当超温时长Kt大于预设值时，即生成电池高温警示信息，当电池温度信息K4大于预设的警示温度值超过预设时长时，也生成电池高温警示信息；

所述对机器人信息与电池信息进行综合处理，生成预估运行时长信息的具体过程如下：提取出采集到的机器人信息，从机器人信息中获取到单位耗电量信息，并从单位耗电量信息中提取出单位时长耗电量，单位时长耗电量为机器人满功率单位时长运行耗电量，将其标记为W1,再提出电池信息中的剩余电量信息，将其标记为W2，计算出W1与W2之间的比值得到Ww_比，即得到预估运行时长信息Ww_比；

所述机器人运行提示信息包括超额巡查信息、正常巡查信息与无法巡查信息，机器人运行提示的具体过程如下：

S1：提取出采集到巡查任务信息，从巡查任务信息中提取出巡查时长与巡查距离，将巡查时长标记为V，将巡查距离标记为G；

S2：再提出预估时长信息，将其标记为P，提取出获取到的机器人信息，提取出单位里程耗电量信息，对单位里程耗电量信息与总电量信息进行处理生成，预估距离信息E；

S3：通过公式，得到评估系数信息/>，β为修正值系数，0.9≤β≤1.1，β随天气信息变化而变化；

S4：当评估系数信息大于预设值A1时，即生成超额巡查信息，当评估系数信息/>在预设值A1预设值A2之间时，即生成正常巡查信息，当评估系数信息/>小于预设值A2时，即生成无法巡查信息，A1＞A2。

2.根据权利要求1所述的基于特征金字塔的电网缺陷深度识别巡查机器人控制***，其特征在于：所述环境警示信息包括高温环境警示信息、强降雨环境警示信息与冰冻警示信息，所述环境警示信息的具体处理过程如下：提取出采集到的环境信息，从环境信息中提取出天气信息、温度信息与光照强度信息，天气信息包含了降雨量信息，当降雨量信息大于预设值时，即生成强降雨环境警示信息，当温度信息大于预设值时，即生成高温环境警示信息，当温度信息小于预设值，且天气信息为降雨时，即生成冰冻警示信息，当温度信息在预设值范围内，但光照强度大于预设强度超过预设时长时，即也生成高温环境警示信息。

3.根据权利要求1所述的基于特征金字塔的电网缺陷深度识别巡查机器人控制***，其特征在于：所述机器人运行评估信息包括继续运行信息与停运检查信息，所述机器人运行评估信息的具体处理过程如下：提取出采集到的冲击信息，冲击信息为冲击力大小信息，当冲击力大小信息大于预设值时，即生成停运检查信息，当冲击力大小信息小于预设值时，即生成继续运行信息；

所述停运检查信息生成后，机器人的位置信息被发送到预设接收终端。

4.根据权利要求1所述的基于特征金字塔的电网缺陷深度识别巡查机器人控制***，其特征在于：所述影像分析模块对实时影像信息进行分析生成电网故障警示信息与摄像头警示信息的具体过程如下：

SS1：提取出货物到的实时影像信息，先对实时影像信息进行清晰度分析获取到实时清晰度信息；

SS2：将实时清晰度信息标记为D，当实时清晰度信息D小于预设最低清晰度时，即生成摄像头警示信息；

SS3：当影像清晰摄像头无问题时，对实时影像信息进行处理，当在实时影像信息中发现故障时，即生成电网故障警示信息。