一种电力现场作业安全管控装置的制作方法

一种电力现场作业安全管控装置
【技术领域】
1.本发明涉及电力信息装备技术领域，具体涉及一种电力现场作业安全管控装置。


背景技术：

2.电力是一个国家的能源动脉，其安全稳定运行对国家经济平稳发展和电网的持续稳定供电起着至关重要的作用。电力现场作业人员的安全意识、技能水平差异较大，在作业工作中容易出现各类问题，如未及时发现制止纠正，将会发生严重的事故事件，从而影响后续的生产工作和电网的安全稳定运行。
3.目前国内外电力现场作业常规的安全管控手段主要采用“两票三制”和“监护人监护制”，同时一些变电站也配备了电力作业监控系统。工作票是准许在电气设备及系统软件上工作的书面命令，也是执行保证安全技术措施的书面依据；工作票内容：工作票编号、工作负责人、工作班成员、工作地点和工作内容，计划工作时间、工作终结时间，停电范围、安全措施，工作许可人、工作票签发人、工作票审批人、送电后评语等。两票三制中两票指工作票、操作票，三制指交接班制、巡回检查制、设备定期试验轮换制，是用于水电站、火力发电厂、变电站工作的制度。电力监护人职责包括对工作人员的违章行为、不安全动作应立即制止；对不服从监护指挥者有权停止其工作并向工作负责人汇报；监护人严禁违章指挥；因监护人擅离监护岗位或监护不当造成的人身伤害事故，监护人负主要责任，并按情节承担行政处罚直至刑事责任。但这些方式存在以下问题：(1)“两票三制”虽然在一定程度上对作业人员的操作顺序及行为进行了规范，但无法保障现场作业人员的行为是否真正符合标准；(2)“监护人监护制”虽然能对现场作业人员的行为进行人工监督，但其判断受监护人主观因素的影响，对于违章行为无法有效及时告警；(3)电力作业监控系统采集的现场作业视频数据需上传至云端或服务器端进行安全监控和事后分析，无法在作业侧进行实时的行为动作分析和识别。
4.本发明根据电力生产现场特点及需求结合相关现有技术提出了一种电力现场作业安全管控装置。


技术实现要素：

5.本发明的目的是，提供一种适用于电力作业现场保障现场作业人员作业行为符合标准、对违章作业行为实时有效告警的安全管控装置。
6.为实现上述目的，本发明采取的技术方案是一种电力现场作业安全管控装置，上述安全管控装置包括数据采集模块、计算控制模块、通讯模块和存储模块，上述数据采集模块、计算控制模块、通讯模块和存储模块通过通信接口进行通讯；上述数据采集模块用于连接电力作业监控系统对电力现场作业视频进行数据采集和编码处理；上述计算控制模块用于对采集的电力现场作业视频数据进行分析和推理计算、识别电力现场作业人员作业行为、以及控制和协调数据采集模块、通讯模块和存储模块运行；上述无线通讯模块用于接受电力现场作业人员作业行为标准、将电力现场作业人员作业行为识别结果上传至云端或服
务器；上述存储模块用于存储操作系统、行为识别算法以及电力现场作业人员作业行为识别报警应用程序。
7.优选地，上述的一种电力现场作业安全管控装置，上述计算控制模块受控于上述存储模块中的电力现场作业人员作业行为识别报警应用程序执行以下步骤：
8.s1、通讯模块接受云端或服务器端下发的电力现场作业人员作业行为标准并发送给计算控制模块，计算控制模块将电力现场作业人员作业行为标准转换为计算机能识别的一系列动作标签；
9.s2、数据采集模块连接电力作业监控系统获取当前待识别的电力现场作业视频数据并进行编码处理，根据预设时长剪切视频数据，将分段的视频数据发送至计算控制模块；
10.s3、计算控制模块接受数据采集模块发送的分段视频数据，调取存储模块中的行为识别算法，对每段视频数据中的电力现场作业人员作业行为与动作标签进行匹配，若电力现场作业人员作业行为与动作标签匹配结果为不符合则发出安全警告。
11.优选地，上述的一种电力现场作业安全管控装置，上述计算控制模块受控于上述存储模块中的电力现场作业人员作业行为识别应用程序还执行以下步骤：
12.s4、计算控制模块将电力现场作业人员作业行为与动作标签进行匹配的结果经通讯模块上传至云端或服务器端，用于辅助安全管控人员工作。
13.优选地，上述的一种电力现场作业安全管控装置，上述电力现场作业人员作业行为标准是基于操作票或工作票的电力现场作业人员作业行为标准。
14.优选地，上述的一种电力现场作业安全管控装置，上述电力现场作业人员作业行为与动作标签匹配结果为不符合包括漏操作、误操作和不按照顺序操作。
15.优选地，上述的一种电力现场作业安全管控装置，上述安全管控装置还包括电源管理模块，上述电源管理模块用于给数据采集模块、计算控制模块、通讯模块和存储模块供电。
16.优选地，上述的一种电力现场作业安全管控装置，上述行为识别算法是c3d卷积神经网络行为识别算法。
17.优选地，上述的一种电力现场作业安全管控装置，上述c3d卷积神经网络行为识别算法是基于华为mindspore开发平台的c3d卷积神经网络行为识别算法；上述计算控制模块是基于华为atlas 200芯片的计算机控制模块；上述数据采集模块是基于hi3559图像数据采集芯片的数据采集模块。
18.优选地，上述的一种电力现场作业安全管控装置，上述通讯模块是基于ec20无线通信芯片的无线通讯模块。
19.优选地，上述的一种电力现场作业安全管控装置，上述存储模块是基于8gb/16gb的sd卡存储模块。
20.本发明与现有技术相比较具有以下有益技术效果：电力作业安全管控装置采用嵌入式设计，可以安放在作业视频采集侧，能够自动对电力现场作业人员的行为进行实时识别，判断操作是否合规及发出安全警告，使得电力作业安全管控不必再依赖人工监督和事后分析，从而保障和提高电力现场作业人员的安全性。
【附图说明】
21.图1是一种电力现场作业安全管控装置识别报警步骤示意图。
22.图2是本发明实施例基于华为atlas 200芯片的一种电力现场作业安全管控装置原理框图。
23.图3是本发明实施例基于华为atlas 200芯片的一种电力现场作业安全管控装置电源树原理框图。
24.图4为本发明实施例基于一种电力作业安全管控装置和c3d卷积神经网络的一种电力现场作业行为识别方法流程图。
【具体实施方式】
25.为使本发明实施例的目的和技术方案更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
26.本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义。
27.下面结合实施例并参照附图对本发明作进一步描述。
28.实施例1
29.本实施例实现一种电力现场作业安全管控装置。
30.图1是一种电力现场作业安全管控装置识别报警步骤示意图。如附图1所示，一种电力现场作业安全管控装置，上述安全管控装置包括数据采集模块、计算控制模块、通讯模块和存储模块，上述数据采集模块、计算控制模块、通讯模块和存储模块通过通信接口进行通讯；上述数据采集模块用于连接电力作业监控系统对电力现场作业视频进行数据采集和编码处理；上述计算控制模块用于对采集的电力现场作业视频数据进行分析和推理计算、识别电力现场作业人员作业行为、以及控制和协调数据采集模块、通讯模块和存储模块运行；上述无线通讯模块用于接受电力现场作业人员作业行为标准、将电力现场作业人员作业行为识别结果上传至云端或服务器；上述存储模块用于存储操作系统、行为识别算法以及电力现场作业人员作业行为识别报警应用程序。
31.优选地，上述的一种电力现场作业安全管控装置，上述计算控制模块受控于上述存储模块中的电力现场作业人员作业行为识别报警应用程序执行以下步骤：
32.s1、通讯模块接受云端或服务器端下发的电力现场作业人员作业行为标准并发送给计算控制模块，计算控制模块将电力现场作业人员作业行为标准转换为计算机能识别的一系列动作标签；
33.s2、数据采集模块连接电力作业监控系统获取当前待识别的电力现场作业视频数据并进行编码处理，根据预设时长剪切视频数据，将分段的视频数据发送至计算控制模块；
34.s3、计算控制模块接受数据采集模块发送的分段视频数据，调取存储模块中的行为识别算法，对每段视频数据中的电力现场作业人员作业行为与动作标签进行匹配，若电
力现场作业人员作业行为与动作标签匹配结果为不符合则发出安全警告。
35.优选地，上述的一种电力现场作业安全管控装置，上述计算控制模块受控于上述存储模块中的电力现场作业人员作业行为识别应用程序还执行以下步骤：
36.s4、计算控制模块将电力现场作业人员作业行为与动作标签进行匹配的结果经通讯模块上传至云端或服务器端，用于辅助安全管控人员工作。
37.优选地，上述的一种电力现场作业安全管控装置，上述电力现场作业人员作业行为标准是基于操作票或工作票的电力现场作业人员作业行为标准。
38.优选地，上述的一种电力现场作业安全管控装置，上述电力现场作业人员作业行为与动作标签匹配结果为不符合包括漏操作、误操作和不按照顺序操作。
39.优选地，上述的一种电力现场作业安全管控装置，上述安全管控装置还包括电源管理模块，上述电源管理模块用于给数据采集模块、计算控制模块、通讯模块和存储模块供电。
40.优选地，上述的一种电力现场作业安全管控装置，上述行为识别算法是c3d卷积神经网络行为识别算法。
41.优选地，上述的一种电力现场作业安全管控装置，上述c3d卷积神经网络行为识别算法是基于华为mindspore开发平台的c3d卷积神经网络行为识别算法；上述计算控制模块是基于华为atlas 200芯片的计算机控制模块；上述数据采集模块是基于hi3559图像数据采集芯片的数据采集模块。
42.优选地，上述的一种电力现场作业安全管控装置，上述通讯模块是基于ec20无线通信芯片的无线通讯模块。
43.优选地，上述的一种电力现场作业安全管控装置，上述存储模块是基于8gb/16gb的sd卡存储模块。
44.实施例2
45.本实施例实现一种电力现场作业安全管控装置和行为识别方法。
46.华为atlas 200ai加速模块(简称atlas 200)是一款高性能的ai智能计算模块，集成了海思ascend 310ai处理器，可以实现图像、视频等多种数据分析与推理计算，可广泛用于智能监控、机器人、无人机、视频服务器等场景。ascend 310是一款华为专门为图像识别、视频处理、推理计算及机器学习等领域设计的高性能、低功耗ai芯片，芯片内置2个ai core，可支持128位宽的lpddr4x，可实现最大16tops(int8)的计算能力。
47.hi3559是新一代mobilecamtm智能视频处理器，使用hisilicon第五代hi
‑
lark高性能视频编码器，采用最新的3a、3dnr和hdr技术来实现专业的图像效果，支持双传感器输入和最大1600万像素和800万像素的视频处理以灵活地支持需要双通道记录的服务场景，集成高速传输和存储usb3.0和pcie2.0接口，传输和存储1080p30原始数据以实现专业相机的效果。
48.mindspore是一个全场景深度学习框架，旨在实现易开发、高效执行、全场景覆盖三大目标，其中易开发表现为api友好、调试难度低，高效执行包括计算效率、数据预处理效率和分布式训练效率，全场景则指框架同时支持云、边缘以及端侧场景。mindspore总体架构包括扩展层(mindspore extend)、前端表达层(mindexpress，me)、编译优化层(mindcompiler)和全场景运行时(mindre)四个部分。
49.图2是本发明实施例基于华为atlas 200芯片的一种电力现场作业安全管控装置原理框图。如附图2所示，本实施例一种电力现场作业安全管控装置包括：
50.1、数据采集模块，选用hi3559图像数据采集芯片。hi3559支持多路4k视频输入和多路isp图像处理，并支持h.265编码输出或影视级的raw数据输出；hi3559通过csi接口或usb接口连接电力作业监控系统或视频摄像头，对电力现场作业视频进行数据采集和编码处理。
51.2、计算控制模块，选用华为atlas 200芯片。atlas 200是一款高性能的ai智能计算模块，可以实现图像、视频等多种数据分析与推理计算，它包含了ascend 310ai芯片、8gb
‑
ram、64m
‑
spi
‑
flash等器件。atlas 200的接口采用144pin的自定义连接器，该连接器引出sdio接口(连接存储模块)、usb3.0接口(用于电力作业安全管控装置的调试和开发)、rgmii以太网接口(连接以太网)、uart接口(连接无线通讯模块)、pci
‑
e接口(与数据采集模块通讯)等。
52.3、无线通讯模块，选用ec20无线通信芯片。ec20是一款带分集接收功能的无线通信模块，支持lte
‑
fdd、lta
‑
tdd、wcdma、td
‑
scdma、cdma、gsm等多种主流频段的网络数据连接及gnss功能。
53.4、存储模块，选用8gb/16gb的sd卡。电力作业安全管控装置的操作系统、华为mindspore开发平台、行为识别算法及硬件驱动等程序和软件均存放在sd卡中。
54.5、电源管理模块。图3是本发明实施例基于华为atlas 200芯片的一种电力现场作业安全管控装置电源树原理框图。如附图3所示，本实施例一种电力现场作业安全管控装置的外部电源的输入电压采用12v，内部电源采用18ah/3.7v的锂电池组，输入功率不低于36w，采用适配器供电；电源管理模块内部采用多个dc/dc和ldo芯片组成的电源树为各个元器件供电。
55.卷积神经网络(cnn)近年被广泛应用于计算机视觉中，包括分类、检测、分割等任务，这些任务一般都是针对图像进行的，使用的是二维卷积(即卷积核的维度为二维)；而对于基于视频分析的问题，2d convolution不能很好得捕获时序上的信息，因此3d convolution就被提出来了。3d convolution最早被提出并用于行为识别的，c3d network是作为一个通用的网络提出的，用于行为识别，场景识别，视频相似度分析等领域，可以访问c3d network的项目主页(c3d：generic features for video analysis)或是github(facebook/c3d)获得其项目代码及模型，项目基于caffe实现。
56.图4为本发明实施例基于一种电力作业安全管控装置和c3d卷积神经网络的一种电力现场作业行为识别方法流程图。如附图4所示，本实施例基于上述一种电力作业安全管控装置和c3d卷积神经网络的一种电力现场作业行为识别方法，具体包括以下步骤：
57.步骤1、ec20无线通信模块接受云端或服务器端下发的操作票或工作票信息并发送给atlas 200计算控制模块，然后atlas 200提取两票信息中的操作步骤并进行动作分解，最后转换为计算机能识别的一系列排序的动作标签文件。
58.步骤2、hi3559数据采集模块通过连接电力作业监控系统或现场作业监控摄像头获取当前待识别的作业视频数据并进行编码处理；根据作业人员做出一个动作所需的时间来预设分段时长，然后按照时间顺序并根据预设时长剪切作业视频数据，最后将分段的数据发送至atlas 200计算控制模块。
59.步骤3，atlas 200计算控制模块接受hi3559数据采集模块发送的分段视频数据，调取存储模块中的c3d行为识别算法，对每段作业视频数据分别依次进行行为特征提取和操作识别，并将识别结果与动作标签进行匹配；若识别出漏操作、误操作及不按动作标签顺序操作的行为，则发出安全警告。
60.步骤4，atlas 200计算控制模块将识别的动作行为结果经ec20无线通讯模块或以太网上传至云端或服务器端，辅助安全管控人员工作。
61.本领域普通技术人员可以理解，实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read
‑
only memory，rom)或随机存储记忆体(random acess memory，ram)等。
62.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明原理的前提下，还可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。