电力作业现场实时风险评估方法、装置和计算机设备与流程

本技术涉及电力作业安全监控，特别是涉及一种电力作业现场实时风险评估方法、装置和计算机设备。

背景技术：

1、电力作业现场的安全管控是电力安全生产的核心环节，直接关系到作业人员的生命安全和电力系统的稳定运行。电力作业涵盖高处作业、带电作业、起重吊装、有限空间作业、动火作业等多种高危类型，作业类型多样，且风险因素复杂。

2、相关技术中，通常采用单一风险因素进行风险识别与预警，而单一模态的数据仅能反映风险的某个侧面，难以全面、准确地评估作业现场的实时风险态势。

3、因此，亟需一种跨模态融合机制，以提高作业现场多因素综合风险评估能力，从而全面、准确评估电力作业现场的实时风险情况，提高电力作业安全性。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够全面、准确评估电力作业现场的实时风险情况，提高电力作业安全性的电力作业现场实时风险评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种电力作业现场实时风险评估方法，包括：

3、获取电力作业现场的实时多模态数据，并对实时多模态数据分别进行预处理，得到预处理后的多模态数据；预处理后的多模态数据包括视频数据、环境传感器数据、人员定位数据和作业票文本数据；

4、对各模态数据分别进行风险特征提取，得到视觉风险特征、环境风险特征、行为风险特征和文本风险特征；

5、对视觉风险特征、环境风险特征、行为风险特征和文本风险特征进行多模态特征融合，得到综合风险特征；

6、基于综合风险特征进行多维度风险评估，得到风险评估结果；风险评估结果包括风险等级和风险类型；多维度风险评估包括人员安全维度评分、环境条件维度评分和作业类型维度评分；

7、基于风险等级、风险类型和对应的安全规程信息，生成结构化的风险预警信息；风险预警信息用于触发对应级别的告警响应。

8、在其中一个实施例中，对各模态数据分别进行风险特征提取，得到视觉风险特征、环境风险特征、行为风险特征和文本风险特征，包括：

9、将视频数据输入至视觉特征提取引擎进行视觉特征提取，得到视觉风险特征；

10、将环境传感器数据输入至环境特征提取引擎进行环境特征提取，得到环境风险特征；

11、将人员定位数据输入至行为特征提取引擎进行行为特征提取，得到行为风险特征；

12、将作业票文本数据输入至文本特征提取引擎进行文本特征提取，得到文本风险特征；

13、其中，视觉特征提取引擎、环境特征提取引擎、行为特征提取引擎和文本特征提取引擎部署在边缘设备中进行并行执行，且视觉特征提取引擎、环境特征提取引擎、行为特征提取引擎和文本特征提取引擎分别部署有轻量化特征提取模型，轻量化特征提取模型的模型量级小于预设量级。

14、在其中一个实施例中，对视觉风险特征、环境风险特征、行为风险特征和文本风险特征进行多模态特征融合，得到综合风险特征，包括：

15、将视觉风险特征、环境风险特征、行为风险特征和文本风险特征投影至统一的特征维度空间，得到对齐后的视觉风险特征向量、环境风险特征向量、行为风险特征向量和文本风险特征向量；

16、将视觉风险特征向量、环境风险特征向量、行为风险特征向量和文本风险特征向量输入至跨模态注意力模块，确定各模态特征之间的关联权重；

17、基于各模态特征之间的关联权重，对视觉风险特征、环境风险特征、行为风险特征和文本风险特征进行多模态特征融合，得到综合风险特征。

18、在其中一个实施例中，基于综合风险特征进行多维度风险评估，得到风险评估结果，包括：

19、基于综合风险特征进行人员安全维度评分，得到人员安全风险分值；

20、基于综合风险特征进行环境条件维度评分，得到环境条件风险分值；

21、基于综合风险特征进行作业类型维度评分，得到作业类型风险分值；

22、对人员安全风险分值、环境条件风险分值和作业类型风险分值进行加权求和，得到综合风险评分；各维度风险分值对应的权重基于作业类型和作业时间阶段进行动态调整；

23、基于综合风险评分和预设风险阈值，确定风险等级。

24、在其中一个实施例中，该方法还包括：

25、获取预设约束条件；预设约束条件基于电力安全规程知识库中的相关规则确定；

26、基于预设约束条件和融合识别结果，对风险等级进行修正，得到修正后的风险等级；融合识别结果基于综合风险特征确定。

27、在其中一个实施例中，预设风险阈值包括第一阈值、第二阈值和第三阈值，基于综合风险评分和预设风险阈值，确定风险等级，包括：

28、若综合风险评分小于第一阈值，则风险等级为低风险；

29、若综合风险评分大于或等于第一阈值，且小于第二阈值，则风险等级为中风险；

30、若综合风险评分大于或等于第二阈值，且小于第三阈值，则风险等级为高风险；

31、若综合风险评分大于或等于第三阈值，则风险等级为极高风险。

32、在其中一个实施例中，若风险等级为低风险，则对应的告警响应包括在监控后台进行记录和标注；

33、若风险等级为中风险，则对应的告警响应包括向现场安全监督人员的手持终端推送提示信息；

34、若风险等级为高风险，则对应的告警响应包括现场声光报警、监控屏幕突出标注，并向现场安全监督人员的手持终端推送提示信息；

35、若风险等级为极高风险，则对应的告警响应包括现场声光报警、监控屏幕突出标注、向现场安全监督人员的手持终端推送提示信息、以及通知应急响应中心。

36、在其中一个实施例中，该方法还包括：

37、获取现场安全监督人员提交的针对风险预警信息的复核信息；

38、基于复核信息确定本次预警事件的处置结果；其中，若复核信息表征预警属实，则处置结果包括处置措施和处置效果；若复核信息表征预警误报，则处置结果包括误报原因；

39、将处置结果作为本次预警事件的反馈数据，反馈数据用于风险评估模型的增量学习，风险评估模型用于进行多维度风险评估。

40、第二方面，本技术还提供了一种电力作业现场实时风险评估装置，包括：

41、多模态数据获取模块，用于获取电力作业现场的实时多模态数据，并对实时多模态数据分别进行预处理，得到预处理后的多模态数据；预处理后的多模态数据包括视频数据、环境传感器数据、人员定位数据和作业票文本数据；

42、风险特征提取模块，用于对各模态数据分别进行风险特征提取，得到视觉风险特征、环境风险特征、行为风险特征和文本风险特征；

43、多模态特征融合模块，用于对视觉风险特征、环境风险特征、行为风险特征和文本风险特征进行多模态特征融合，得到综合风险特征；

44、多维度风险评估模块，用于基于综合风险特征进行多维度风险评估，得到风险评估结果；风险评估结果包括风险等级和风险类型；多维度风险评估包括人员安全维度评分、环境条件维度评分和作业类型维度评分；

45、风险预警信息生成模块，用于基于风险等级、风险类型和对应的安全规程信息，生成结构化的风险预警信息；风险预警信息用于触发对应级别的告警响应。

46、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面中的电力作业现场实时风险评估方法的步骤。

47、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中的电力作业现场实时风险评估方法的步骤。

48、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面中的电力作业现场实时风险评估方法的步骤。

49、上述电力作业现场实时风险评估方法、装置、计算机设备、存储介质和计算机程序产品，通过获取电力作业现场的实时多模态数据，并对实时多模态数据分别进行预处理，得到预处理后的多模态数据，包括视频数据、环境传感器数据、人员定位数据和作业票文本数据；对各模态数据分别进行风险特征提取，得到视觉风险特征、环境风险特征、行为风险特征和文本风险特征，并对视觉风险特征、环境风险特征、行为风险特征和文本风险特征进行多模态特征融合，得到综合风险特征；进而，基于综合风险特征进行多维度风险评估，得到风险评估结果，该风险评估结果包括风险等级和风险类型，多维度风险评估包括人员安全维度评分、环境条件维度评分和作业类型维度评分；最后，基于风险等级、风险类型和对应的安全规程信息，生成结构化的风险预警信息，风险预警信息用于触发对应级别的告警响应。采用该方法，能够通过对电力作业现场的多模态数据进行风险特征提取与融合，并基于综合风险特征，从人员安全、环境条件、作业类型等维度进行作业风险的实时量化评估，并结合电力安全规程进行风险预警，不仅能够全面、准确评估电力作业现场的实时风险情况，提高风险评估的全面性，还能提高风险预警的合规性和准确性，为后续的电力监管和处置提供全面、可靠、可参考的风险预警信息，能够综合提高电力作业现场的作业安全性。