智能識(shí)別技術(shù)在電力現(xiàn)場(chǎng)作業(yè)管控中的應(yīng)用研究

李敏

摘要：進(jìn)入二十一世紀(jì)以來，在我國高速發(fā)展下，科學(xué)技術(shù)水平不斷進(jìn)步，其中，智能識(shí)別技術(shù)屬于科技發(fā)展的重要產(chǎn)物，它廣泛應(yīng)用于社會(huì)生活的各個(gè)領(lǐng)域，由于電力現(xiàn)場(chǎng)運(yùn)行的危險(xiǎn)系數(shù)較高，有必要利用智能識(shí)別技術(shù)對(duì)其開展有效的管控。在電力現(xiàn)場(chǎng)作業(yè)中，極為容易產(chǎn)生事故問題，不斷提升電力現(xiàn)場(chǎng)作業(yè)的規(guī)范性與標(biāo)準(zhǔn)性是保證電力作業(yè)安全生產(chǎn)和管理的重要根基。

關(guān)鍵詞：智能識(shí)別技術(shù);電力現(xiàn)場(chǎng);作業(yè)管控

引言

電力企業(yè)中的客戶繳費(fèi)信息在業(yè)務(wù)系統(tǒng)中存有記錄，電費(fèi)核查是將客戶繳費(fèi)轉(zhuǎn)賬憑證中的電費(fèi)賬務(wù)數(shù)據(jù)與業(yè)務(wù)系統(tǒng)數(shù)據(jù)進(jìn)行比對(duì)，檢查電費(fèi)到賬數(shù)據(jù)的真實(shí)性、準(zhǔn)確性。傳統(tǒng)的電費(fèi)核查手段主要依靠人力逐戶檢查憑證信息并與業(yè)務(wù)系統(tǒng)記錄數(shù)據(jù)進(jìn)行比對(duì)，但由于數(shù)據(jù)量大、信息龐雜，該手段的人力成本很高，且效率無法滿足現(xiàn)實(shí)工作要求。

1緒論

隨著我國智能技術(shù)的不斷發(fā)展，電力智能化系統(tǒng)日益完善。變壓器是整個(gè)電力系統(tǒng)運(yùn)行樞紐，變壓器的運(yùn)行效率直接關(guān)系整個(gè)電網(wǎng)的運(yùn)行質(zhì)量。由于變壓器在日常運(yùn)行中受環(huán)境、具體工況以及人為破壞等因素的影響而導(dǎo)致其容易誘發(fā)故障。

2電力現(xiàn)場(chǎng)作業(yè)管理和控制的現(xiàn)狀

2.1不能確保現(xiàn)場(chǎng)視頻違章判定的準(zhǔn)確性

由于電力建筑現(xiàn)場(chǎng)范圍較大，操作人員數(shù)量較多并且十分復(fù)雜，施工現(xiàn)場(chǎng)通常包括了項(xiàng)目管理者、技術(shù)人員、監(jiān)理者、施工人員等，在傳統(tǒng)的視頻監(jiān)控和現(xiàn)場(chǎng)采集中包括了多專業(yè)與類型的工作人員，其信息極為復(fù)雜，僅僅依靠人工遠(yuǎn)程不能對(duì)其操作的違法性進(jìn)行正確、全面的判斷。

2.2視頻監(jiān)控?cái)?shù)量較多，監(jiān)管者利用視頻收集對(duì)現(xiàn)場(chǎng)進(jìn)行檢查

通常在對(duì)現(xiàn)場(chǎng)查看完成后的10分鐘以后，由于疲勞和注意力不集中，將會(huì)導(dǎo)致工作人員錯(cuò)過90%的視頻信息，使得遠(yuǎn)程視頻監(jiān)控失去了自身的可操作性。例如在省級(jí)電力公司中，三千多臺(tái)視頻終端設(shè)備通常每個(gè)月平均產(chǎn)生的視頻容量為150T，視頻時(shí)長可達(dá)768小時(shí)。這些數(shù)據(jù)通常是依靠人工進(jìn)行整理，因此工作量較大并且容易出現(xiàn)差錯(cuò)。

3智能識(shí)別技術(shù)在電力運(yùn)行現(xiàn)場(chǎng)控制中的應(yīng)用

3.1圖像識(shí)別

圖像識(shí)別是人工智能的一個(gè)重要領(lǐng)域，是利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理、分析和理解，以識(shí)別各種不同模式的目標(biāo)和對(duì)象的技術(shù)，最大的特點(diǎn)是速度快、信息量大，在導(dǎo)航、自然資源分析、環(huán)境監(jiān)測(cè)等許多領(lǐng)域具有廣泛應(yīng)用。

圖像識(shí)別是采用OCR技術(shù)識(shí)別繳費(fèi)轉(zhuǎn)賬憑證圖像中的文字、數(shù)字等內(nèi)容。圖像識(shí)別主要包括圖片布局分析、字符分割和識(shí)別，圖片布局分析是通過基于制表位檢測(cè)的頁面布局分析方法，對(duì)圖像中的表格、文本、圖片等內(nèi)容進(jìn)行區(qū)分。字符分割和識(shí)別是利用字符間隔對(duì)文本進(jìn)行切分得到字符，通過字符區(qū)域類型判定，根據(jù)判定結(jié)果對(duì)比字符庫識(shí)別字符。基于開源的OCR引擎Tesseract框架構(gòu)建圖像識(shí)別模塊，實(shí)現(xiàn)繳費(fèi)轉(zhuǎn)賬憑證圖像種類判定以及憑證圖像文字內(nèi)容的自動(dòng)識(shí)別，圖像識(shí)別流程如圖1所示。

圖像識(shí)別處理流程如下：

（1）分析連通區(qū)域：檢測(cè)出字符區(qū)域的字符輪廓和子輪廓。（2）查找塊區(qū)域：連通區(qū)域分析得到的輪廓線集成為塊區(qū)域，大致確定文本區(qū)域和文本尺寸。（3）查找文本行和單詞：采用最小二乘法擬合文本行的形狀，通過間隔識(shí)別出單詞。（4）分類器識(shí)別單詞：采用自適應(yīng)分類器依次對(duì)每個(gè)單詞進(jìn)行分析，分類器具有學(xué)習(xí)能力，先分析且滿足條件的單詞也作為訓(xùn)練樣本，所以后面的字符識(shí)別更準(zhǔn)確。對(duì)于識(shí)別不準(zhǔn)確的字符，分類器會(huì)再次識(shí)別使其精度得到提高。（5）得出文本：對(duì)識(shí)別出的文本進(jìn)行組合并輸出。采用基于Tesseract框架的圖像識(shí)別方法對(duì)繳費(fèi)轉(zhuǎn)賬憑證進(jìn)行識(shí)別存在兩個(gè)問題，一是無法兼容識(shí)別所有類型的憑證圖像、對(duì)于個(gè)別憑證圖像出現(xiàn)部分內(nèi)容識(shí)別錯(cuò)誤的情況，二是對(duì)于大體積圖像的識(shí)別速度較慢。神經(jīng)網(wǎng)絡(luò)算法在計(jì)算機(jī)視覺領(lǐng)域比較有影響力，為繳費(fèi)轉(zhuǎn)賬憑證圖像的識(shí)別提供了新的思路。考慮到不同類型憑證圖像的內(nèi)容排版差異，基于神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)圖像識(shí)別模塊對(duì)某一類憑證圖像進(jìn)行內(nèi)容識(shí)別，以提高內(nèi)容識(shí)別的準(zhǔn)確性。神經(jīng)網(wǎng)絡(luò)識(shí)別憑證圖像內(nèi)容的流程主要分為3個(gè)階段：（1）基于卷積神經(jīng)網(wǎng)絡(luò)模型VGG16訓(xùn)練文本方向檢測(cè)網(wǎng)絡(luò)，可以對(duì)文本進(jìn)行0、90、180、270°檢測(cè)。（2）基于CTPN文字檢測(cè)算法設(shè)計(jì)文字區(qū)域檢查網(wǎng)絡(luò)，CTPN結(jié)合CNN與LSTM深度網(wǎng)絡(luò)能夠定位文字的位置，檢測(cè)出復(fù)雜場(chǎng)景的橫向分布的文字。

3.2個(gè)人防護(hù)裝備智能識(shí)別研究

按照輸變電工程安全文明施工規(guī)則，以圖像和監(jiān)控視頻數(shù)據(jù)為基礎(chǔ)，對(duì)安全帽、安全繩、絕緣手套等防護(hù)裝備進(jìn)行智能識(shí)別研究。落實(shí)個(gè)人防護(hù)裝備的模型化管理，使得監(jiān)控系統(tǒng)了解個(gè)人防護(hù)裝備，為施工人員操作行為的識(shí)別打下良好基礎(chǔ)。卷積神經(jīng)網(wǎng)絡(luò)（CNN）：20世紀(jì)中葉，Hubel與Wiesel經(jīng)過研究貓的腦皮層神經(jīng)元，首次發(fā)現(xiàn)貓大腦皮層具有特色的網(wǎng)絡(luò)結(jié)構(gòu)能夠顯著減少反饋神經(jīng)網(wǎng)絡(luò)的復(fù)雜度，并在此基礎(chǔ)上提出了卷積神經(jīng)網(wǎng)絡(luò)。CNN在圖像處理與識(shí)別、語音識(shí)別等各個(gè)方面都得到了極大的成就，在人們的實(shí)際生活中得到了廣泛的應(yīng)用。

SSD算法屬于一種多目標(biāo)檢測(cè)算法，可以直接預(yù)測(cè)目標(biāo)類別和不同大小的boundingbox的目標(biāo)檢測(cè)。與傳統(tǒng)的分別檢測(cè)變換后圖像的大小然后綜合結(jié)果（NMS）的方法相比，SSD算法經(jīng)過各種不同的卷積層對(duì)圖像實(shí)施卷積和采樣，提取特點(diǎn)圖實(shí)施全連接，然后對(duì)其進(jìn)行分類。在電力運(yùn)行現(xiàn)場(chǎng)經(jīng)常使用防護(hù)設(shè)備，采取在深度學(xué)習(xí)的分類與目標(biāo)識(shí)別相結(jié)合的方法的基礎(chǔ)上，對(duì)作業(yè)場(chǎng)景實(shí)行分類，識(shí)別現(xiàn)場(chǎng)的安全防護(hù)設(shè)備。在實(shí)踐中，應(yīng)用了CNN與SSD統(tǒng)一結(jié)合的方式：利用攝像頭收集現(xiàn)場(chǎng)的視頻片段，篩選出3.8萬張圖像，其中包括了其中不同的作業(yè)現(xiàn)場(chǎng)。按照不同作業(yè)現(xiàn)場(chǎng)，將其中的3萬張圖片實(shí)行分類，并制作成Caffe數(shù)據(jù)庫，使用AlexNet網(wǎng)絡(luò)數(shù)據(jù)集開展訓(xùn)練，完善網(wǎng)絡(luò)參數(shù)調(diào)整，結(jié)合中間的結(jié)果，得到的最佳使用訓(xùn)練數(shù)據(jù)集訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類模型，使用的模型操作場(chǎng)景圖像實(shí)施分類，來劃分各種類型的工作。剩余的八千張圖片被用來測(cè)試模型，準(zhǔn)確率高達(dá)96.7%。各種工作現(xiàn)場(chǎng)所需求的防護(hù)用具都是不同是，使用SSD目標(biāo)識(shí)別的方式對(duì)各種場(chǎng)景的防護(hù)用具開展識(shí)別。

首先應(yīng)對(duì)現(xiàn)場(chǎng)工作者進(jìn)行識(shí)別，選選擇3萬張圖片充當(dāng)訓(xùn)練集，并對(duì)人員進(jìn)行標(biāo)記。利用完善后的SSD網(wǎng)絡(luò)對(duì)數(shù)據(jù)集的網(wǎng)絡(luò)模型開展訓(xùn)練，利用網(wǎng)絡(luò)模型篩選圖像中人員的特征。利用SSD網(wǎng)絡(luò)開展對(duì)防護(hù)裝備數(shù)據(jù)庫的培訓(xùn)，按照中間結(jié)果對(duì)網(wǎng)絡(luò)參數(shù)實(shí)行完善與調(diào)整。利用這一網(wǎng)絡(luò)來完成對(duì)數(shù)據(jù)集的培訓(xùn)，提出防護(hù)裝備的特點(diǎn)，獲得網(wǎng)絡(luò)模型。并利用網(wǎng)絡(luò)模型開展圖像識(shí)別，并對(duì)視頻中的個(gè)人防護(hù)裝備進(jìn)行識(shí)別。進(jìn)行效果如圖2所示：

結(jié)語

伴隨智能電網(wǎng)建設(shè)的不斷發(fā)展，將來電力作業(yè)現(xiàn)場(chǎng)管理控制的發(fā)展將以智能化、網(wǎng)絡(luò)化為基礎(chǔ)，實(shí)現(xiàn)違章事件的自動(dòng)識(shí)別和報(bào)警。上述研究為輸變電工程施工現(xiàn)場(chǎng)的智能監(jiān)控打下了堅(jiān)實(shí)的基礎(chǔ)，與此同時(shí)，智能識(shí)別技術(shù)處理了復(fù)雜電力運(yùn)行環(huán)境的適應(yīng)性，完善了高效算法，減少了誤報(bào)率以及漏報(bào)率，有效提高了電力行業(yè)智能應(yīng)用的水準(zhǔn)，減少了作業(yè)現(xiàn)場(chǎng)的安全隱患與風(fēng)險(xiǎn)，確保電力生產(chǎn)作業(yè)能夠安全開展，擁有極為強(qiáng)大的社會(huì)效益與經(jīng)濟(jì)效益。

參考文獻(xiàn)

[1]李本鋅.智能算法在油浸式變壓器故障診斷中的應(yīng)用研究[D].華東交通大學(xué)，2015.

[2]王永輝，朱紅岷，賴峰.電力系統(tǒng)作業(yè)監(jiān)護(hù)中的視頻智能分析應(yīng)用研究[J].電力安全技術(shù)，2017，019（012）：39-44.