打开文本图片集

摘 要：当前电网快速发展，大量施工现场施工人员达上千人，电力施工现场的增多，安全管控压力剧增，传统的依靠人力的监察安全管控模式已不能适应和满足新要求。基于计算机视觉、图像处理等相关技术，构建一套配网作业视频监控智能识别应用平台，通过视频信息的监视，实现实时配网现场作业行为智能识别，实现视频监控与工作任务/工作票、作业人员信息关联、智能识别违章、风险自动识别与同步预警，有效解决稽查人力不足、无法现场全覆盖等问题，有效提升了生产作业现场感知能力、监控能力及源头安全管控治理能力，实现了安全生产工作智能化统计及辅助决策。

Abstract： With the rapid development of the current power grid， a large number of construction site construction personnel up to thousands of people， the increase of power construction sites， the pressure of safety control increases sharply， the traditional supervision and safety control mode relying on manpower has been unable to adapt to and meet the new requirements. Based on computer vision， image processing and related technology， build a set of distribution network operation video monitoring intelligent recognition application platform， through the surveillance video information， on-site real-time distribution network behavior intelligent identification， video monitoring linked to work/working ticket， homework personnel information， intelligent identification illegally， risk early warning， automatic identification and synchronization It effectively solves the problems of insufficient audit manpower and unable to cover all the sites， effectively improves the perception ability， monitoring ability and source safety management and management ability of production and operation sites， and realizes intelligent statistics and auxiliary decision-making of safe production work.

关键字：人工智能;计算机视觉;图像处理;配网作业行为智能识别

Key words： artificial intelligence; Computer vision; Image processing; Intelligent identification of network operation behavior

0引言

1 配网现场作业现场管控现状

现有的视频监控系统功能都相对较为简单，通过摄像头视频采集系统，对作业现场进行监控并采集现场的视频信息，并且如果要甄别异常情况，需要大量的工作人员进行人工识别，准确率低、效率慢。有的场景需要及时采取有效措施，就必须进行实时监控识别，这个时候工作人员必须一直不停的观看监视视频，人工识别出其中的异常行为，并且报警。在对多路监控视频进行监控时，往往无法及时发现突发或有威胁的安全事件，很多事件因此无法得到及时预防与控制，延误了最佳处理时机。

目前南网范围内尚未实现配网作业视频监控智能识别，各省、地市公司建立的视频监控系统，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，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。

2 基于人工智能的配网现场作业行为智能识别技术

2.1 计算机视觉

计算机视觉在人工智能里可以类比于人类的眼睛，是在感知层上最为重要的核心技术之一。计算机视觉技术模拟生物视觉，将捕捉到的图像中的数据及信息进行分析识别、检测、跟踪等，真正去“识别”和“理解”这些图像。在本项目中，视频实时采集是通过支持4G网络的布控球进行作业现场实时视频采集，对每项作业记录完整的作业视频，作为后续安全监察的视频数据。布控球作为边端的数据采集设备，支持和边缘智能设备、云计算平台进行集成应用，为边缘智能、云端AI提供实时视频数据。

2.2 AI图像识别

图像识别是人工智能的一个重要领域。图像识别的发展经历了三个阶段：文字识别、数字图像处理与识别、物体识别。图像识别技术的过程分为信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。神经网络图像识别技术是一种比较新型的图像识别技术，是在传统的图像识别方法和基础上融合神经网络算法的一种图像识别方法。在图像识别系统中利用神经网络系统，一般会先提取图像的特征，再利用图像所具有的特征映射到神经网络进行图像识别分类。

在本项目中，要对视频中的人员作业行为进行图像识别，主要主要包括对现场工作人员安全设备穿戴、规定作业动作（验电、接地线安装）等内进行图像识别。主要过程包括：

1是获取信息，主要是指将声音和光等信息通过传感器向电信号转换，也就是通过现场作业中的布控球采集实时作业视频，并将其向计算机可识别的信息转换。

2是信息预处理，主要是指采用去噪、变换及平滑等操作对配网现场作业图像进行处理，基于此使图像的重要特点提高;

3是抽取及选择特征，主要是指在模式识别中，抽取及选择人员安全设备穿戴、规定作业动作等行为图像特征，概括而言就是识别图像具有种类多样的特点，如采用一定方式分离，就要识别图像的特征，获取特征也被称为特征抽取;

4是设计分类器及分类决策，其中设计分类器就是根据训练对识别规则进行制定，基于此识别规则能够得到特征的主要种类，进而使图像识别的不断提高辨识率，此后再通过识别特殊特征，最终实现对图像的评价和确认。

2.4 人工智能组件研发

本项目将基于飞桨（PaddlePaddle）研发现场作业安全帽佩戴、绝缘手套佩戴、验电动作识别、挂接地线动作识别、取接地线动作识别等五个人工智能组件。通过对历史现场作业视频数据的上述行为的特征识别和特征增强，然后开始对模型进行训练和优化，生成准确率高于90%的五个人工智能组件。将组件部署在边端智能设备中、云端平台中，开展配网作业行为的智能分析。

2.3 监控设备集成

基于人工智能的配网现场作业行为智能识别应用实现，需要集成现场作业中4G网络布控球设备。通过设备实时采集数据现场作业开展实时视频，布控球通过加密4G网络向边缘智能小站或云端实时发送现场视频数据;在智能边缘小站或云端对视频进行抽帧分析，对每帧图像进行智能分析，识别其中现场作业安全帽佩戴、绝缘手套佩戴、验电动作动作、挂接地线动作、取接地线动作，将现状作业中制定的图像存储在系统中，并对作业中的动作进行记录，作为该项现场作业的智能分析和智能质检数据基础。

3 应用实现

3.1配网现场作业行为智能识别

配网现场作业行为智能识别应用主要目标是将配网现场作业工作票、接地线信息、现场作业智能分析进行关联，从工作票中获取工作内容、接电线安装信息，结合现场作业智能分析，发现各项现场作业中存在的正常和异常行为。

接地线检查工作可以通过视频监控结合定位进行检查，通过视频分析技术获取工作票中接地线的安装位置与现场视频、照片进行对比分析，通过调度EMS、GIS系统获取线路、杆塔等信息做为辅助对接地进行定位，判断接地线安装位置及按照顺序是否正确。

3.2现场作业数据分析

在电力行业中，现场作业作业计划、工器具、接地线、现场作业视频等信息都使用了数字化系统进行管理，但各个系统间相互隔绝，为一项现场工作的整体数据管理和串联需要工作人员在不同系统间进行人工识别和关联，缺乏统一、高效的管理分析支撑。

在本项目中将现场作业工作票、工器具、接地线、现场作业视频、视频数据智能分析结果等数据进行关联和维护。工作人员在一个系统中可快速查看现场作业的上述信息，并基于现场工作项开展记录情况和现场工作视频智能分析，可快速查看一项作业的全部环节的进展情况，主要包括纸质资料关联、现场人员点名、班前班后会记录、验电操作、挂接地线和取接地线等环节。不仅能查看各个环节完成情况，通过视频智能分析结果，分析和显示各个环节中存在的异常情况。

4 结语

基于人工智能的配网现场作业行为智能识别技术及应用研究成果，将应用在电力行业现场作业实时安全分析中，利用智能化手段实现现场作业风险的全景洞察，构建基于作业人员安全防护检测、违规行为智能识别的现场作业风险实时预警机制，辅助安全监察人员进行视频抽查，实现精益化现场安全管控，推进电网“本质安全”建设。

参考文献

[1]万兵.基于人工智能的图像识别技术的研究[J].信息与电脑（理论版），2019（2）：141-142.

[2]陈楷.基于人工智能技术的基建安全管控与违章识别探索[J].数字技术与应用，2020（6）：167-168.

[3]董铮，朱颖，杨春泽. 基于物联网和 4G 无线 VPDN技术的实时视频监控系统的研究和应用[J]. 电信科学，2018，34（ 7） ： 201 - 206.

[4]刘赟，周爽. 人工智能与计算机视觉产业发展[J]. 现代商业，2017（ 24） ： 20 - 21.

[5]马啸川，李庆 武，刘 静，等.变电站机器人自动巡检中的刀闸开合状态分析 [J].电子测量与仪器学报，2018，32（6）：64-71.

[6] 倪蕙， 王玉丽. 基于物联网技术的电力作业安全管控平台设计[J]. 电力安全技术， 2019， 21（12）： 42-45.