基于图像识别的用电安全检查子系统设计与实现*
电子技术应用 2023年10期
刘禹泽，潘明明，邹 华，王白根，王 欧，赵 骞，刘辉舟
（1.北京邮电大学 网络与交换技术国家重点实验室，北京 100876；2.中国电力科学研究院有限公司，北京 100192； 3.国网安徽省电力有限公司安庆供电公司，安徽 安庆246000；4.国网安徽省电力有限公司，安徽 合肥230061）
摘要： 用电安全检查是保障电网正常运行的重要途径，传统的用电安全检查主要依赖人工的形式对存在安全隐患的场所、设备进行逐一排查。随着人工智能技术的发展，基于图像数据的智能分析可协助及时排查相关安全隐患，也可减少对于检查人员的经验要求，在提升效率的同时，保障安全检查准确性。为了更好地提升用电安全检查的准确性，提出了基于YOLO神经网络的用电隐患识别算法，该算法可对用电设备的指示灯进行识别，并与正常状态进行比对，发现异常状态及时发出告警信息。基于该算法，还设计并实现了基于图像识别的用电安全检查子系统。通过实际数据验证，系统对设备指示灯状态不一致性检测等可达到较高水平，满足对用电安全检查的需求。
中图分类号：TM71 文献标志码：A DOI: 10.16157/j.issn.0258-7998.234109
中文引用格式： 刘禹泽，潘明明，邹华，等. 基于图像识别的用电安全检查子系统设计与实现[J]. 电子技术应用，2023，49(10)：23-28.
英文引用格式： Liu Yuze，Pan Mingming，Zou Hua，et al. Design and implementation of electricity safety inspection subsystem based on monitoring image data[J]. Application of Electronic Technique，2023，49(10)：23-28.
中文引用格式： 刘禹泽，潘明明，邹华，等. 基于图像识别的用电安全检查子系统设计与实现[J]. 电子技术应用，2023，49(10)：23-28.
英文引用格式： Liu Yuze，Pan Mingming，Zou Hua，et al. Design and implementation of electricity safety inspection subsystem based on monitoring image data[J]. Application of Electronic Technique，2023，49(10)：23-28.
Design and implementation of electricity safety inspection subsystem based on monitoring image data
Liu Yuze1，Pan Mingming2，Zou Hua1，Wang Baigen3，Wang Ou3，Zhao Qian4，Liu Huizhou4
(1.State Key Laboratory of Networking and Switching Technology， Beijing University of Posts and Telecommunications， Beijing 100876， China；2.China Electric Power Research Institute， Beijing 100192， China； 3.Anqing Power Supply Company of State Grid Anhui Electric Power Co.， Ltd.， Anqing 246000， China； 4.State Grid Anhui Electric Power Co.， Ltd.， Hefei 230061， China)
Abstract： Electricity safety inspection is an important way to ensure the normal operation of the power grid. Traditional electricity safety inspection mainly relies on manual inspection of places and equipment with safety hazards one by one. With the development of artificial intelligence technology, intelligent analysis based on image data can assist in timely identification of relevant safety hazards, reduce the experience requirements for inspectors, and improve efficiency while ensuring the accuracy of safety inspections. In order to better improve the accuracy of electricity safety inspection, the article proposes an electricity hazard identification algorithm based on YOLO neural network, which can dynamically identify the indicator lights of electrical equipment and compare them with normal states, and promptly issue alarm messages when abnormal states are found. Based on this algorithm, the article also designed and implemented an electricity safety inspection subsystem based on image recognition. Through actual data validation, the system can achieve a high level of inconsistent detection of equipment indicator status, meeting the demand for electricity safety inspection.
Key words : target detection algorithm；electricity safety inspection sub system；image recognition
0 引言
工业企业价值链是指将原材料转化为最终产品或服务的整个过程，包括从产品设计、原材料采购、生产制造、销售与分销等环节，用电安全检查事关生产制造这个重要环节，保证工业企业价值链正常运作。
2020年4月，国务院安全生产委员会印发了《全国安全生产专项整治三年行动计划》，明确要求各地区、各企业全面排查现有风险，认真辨识、科学评估，从而制定有效的防控措施。客户安全用电检查服务是政府赋予电网企业的基本职责，国家电网有限公司全面贯彻国务院安委会《全国安全生产专项整治三年行动计划》，进一步提升客户用电安全管理水平，服务客户保障用电安全。
目前，安全用电检查工具无法确保现场人员完整按照标准作业流程对设备、人员、管理安全隐患检查进行全面检查和评价，容易存在管理盲区，难以及时识别风险。主要体现为缺乏智能识别工具，难以实时对现场进行记录、测量及辅助判定。典型如作业人员在现场观察相关设备状态时，出现人工错误，对用电设备存在的安全隐患产生漏判等。
为了解决上述问题，本文拟借助移动终端摄像头的拍摄能力以及后台的处理能力提出一种基于图像识别的用电安全检查子系统。该系统将改变现有安全用电检查的现状，实现安全检查作业现场数据状态与后台实时比对，实现用电安全检查的智能化。
本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005708
作者信息：
刘禹泽1，潘明明2，邹华1，王白根3，王欧3，赵骞4，刘辉舟4
（1.北京邮电大学 网络与交换技术国家重点实验室，北京 100876；2.中国电力科学研究院有限公司，北京 100192；
3.国网安徽省电力有限公司安庆供电公司，安徽 安庆246000；4.国网安徽省电力有限公司，安徽 合肥230061）
此内容为AET网站原创，未经授权禁止转载。