【摘 要】
：
针对作业人员不按规定佩戴安全帽和非作业人员误入作业现场的问题,设计了基于深度学习的安全帽和语音识别智能终端算法。对于安全帽的检测,采用了人体关键点检测模型和基于深度学习的YOLO3算法。将智能摄像头得到的视频文件,先利用人体关键点模型提取现场人员图像,再结合YOLO3算法检测现场作业人员佩戴安全帽的情况,对于未正确佩戴安全帽的人员发出告警信息。通过模型训练验证了所提模型的实用性。
【机 构】
：
广东电网有限责任公司,广东广州 510600
论文部分内容阅读
针对作业人员不按规定佩戴安全帽和非作业人员误入作业现场的问题,设计了基于深度学习的安全帽和语音识别智能终端算法。对于安全帽的检测,采用了人体关键点检测模型和基于深度学习的YOLO3算法。将智能摄像头得到的视频文件,先利用人体关键点模型提取现场人员图像,再结合YOLO3算法检测现场作业人员佩戴安全帽的情况,对于未正确佩戴安全帽的人员发出告警信息。通过模型训练验证了所提模型的实用性。
其他文献
为实现黑龙江省地区地下水位实时数据的采取和监测,做出根据NB-IOT网络技术传输的黑龙江区域内地下水位监测系统的设计。设计的采集设备终端可以使用相对多种多方式的水位及相关数据的检测设备对水位及相关参数进行有效的实时数据监控,应用NB-IOT物联网信息传输技术,能够实现水位以及相关数据的远距离准确传输,由总控中心进行接收、处理、筛选、整理、存储并通过信息可视化系统进行实时的水位以及相关数据的显示,同
传统方法在控制机组启停间歇时,受到电波波动特性影响,对机组启停间歇协调效率低.为此,本文引入风电规模化入网技术,优化机组机组启停间歇协调效果.依据机组启停间歇控制结构,采用断点控制方式设计机组启停间歇控制位置;通过自启停APS技术分析机组启停电波规律,并根据做功特点控制机组启停容量可信度;规范设计机组启停间歇联合协调方案,确定机组启停间歇联合协调步骤,实现机组启停间歇联合协调控制.结果可知,该方法协调率较高,可行性较高.
为了解决公司多项目人力资源的调度与优化问题,本文提出一种将公司项目质量最优问题转换成公司全部项目配置人力资源技能水平最优问题的优化方法,在对多项目人力资源调度的问题进行描述的基础上,通过考虑员工技术水平与工时系数,建立公司全部项目的人力资源最优化模型,利用本文所提出的方式对建立的优化模型进行寻优,达到既定迭代次数后结束迭代,从而实现最优化人力资源配置,减少项目周期,提高公司竞争力,可以有效缓解因资源受限导致的人力资源冲突问题.
由于电网综合业务数据信息共享环境较差,无法消除该信息中的数据孤岛,易于受到干扰环境的影响,导致收集数据统一性较差,对此,设计新的基于实时数据库的试运行电网综合业务数据自动监测系统.由实验结果可知,该系统自动监测精准度较高,能够有效实现电网综合业务数据的实时监控.
为减少配电网故障造成的经济损失,提出一种基于PDA的高压配电网线路隐患参数自动辨识方法.使用自适应滤波算法去除振动信息信号中的噪声干扰,并将信号数据规模降至二维,清晰地表示出不同信号数据间的联系.在配电系统非线性负荷和电阻性负荷两个方面分析配电线隐患参数,得出线路出现隐患时电感会随着电流频率变化而发生大幅度变化的结论,即当电流频率变化幅度较大时,可将其判定为隐患参数,完成自动辨识的全过程.实验表明,通过对比最大相对误差、均方根误差、平均相对误的数值,验证本文方法识别精度,具有一定的实际应用价值.
针对配电网多时段故障紧急中断负荷分区控制优化效果不佳,控制效果无法满足要求,提出新的配电网多时段故障紧急中断负荷分区控制优化方法,首先查找故障紧急切分负荷分区,对配电网内部进行联络开关布置,将网络结构由辐射状转换成环状,且查找分为不同阶段.在动态分区与中断负荷之间进行耦合状态处理操作,对配电网多时段故障紧急中断负荷分区查找到数据预处理,利用控制优化算法对中断负荷进行调度修正操作.实验结果表明,设计的配电网多时段故障紧急中断负荷分区控制优化方法,能够针对大量故障紧急中断负荷进行优化,且优化程度高,自动控制效
针对城市配电网负荷非线性、易受多种因素影响的特点,提出一种基于灰色关联分析(GRA,Grey Relational Analysis)和改进天牛须搜索算法优化的BP网络(IBAS-BP,Improved Beetle Antennae Search-Back Propagation)的短期负荷预测模型.本文首先通过灰色关联分析选取了与待测日特征高度相关的相似日样本,然后改进了标准天牛须搜索算法参数的更新策略,并将其运用于BP网络参数的寻优过程.最后,对某市2018年夏季网供负荷数据进行实验表明,相对于传统
为确保行车调度、预防处理轨道交通突发事故,通过曲线拟合充分发掘客流量时间序列趋势性,基于客流量时间分布数据,以整体拟合与自动分段拟合两种分析方法,针对B市多个地铁站客流量,优化分析时间序列模型.优化结果表明,相比整体拟合方法,自动分段拟合可较好去除客流量时间序列趋势,有效提高时间序列预测精确度;自动分段拟合不需要人工,可避免人为失误,既保障了客流量时间序列预测精确性,又实现了自动智能优化,在很大程度上为行车调度与应急安全管控奠定了技术基础.