一种基于AI的变电站火灾预警方法及系统与流程

一种基于ai的变电站火灾预警方法及系统
技术领域
1.本发明涉及火灾预警技术领域，具体而言，涉及一种基于ai的变电站火灾预警方法、系统、电子设备及计算机存储介质。


背景技术：

2.变电站是电力系统的枢纽，一旦出现火灾，会造成整个电网的瓦解，严重危害了供电可靠性，所以做好变电站的防火措施，是保障电网安全稳定运行至关重要的一项工作。火灾监控的常规手段是采用烟雾传感器来检测烟雾浓度，然而，变电站的电气设备几乎都为户外布设，烟雾浓度很难达到烟雾传感器的触发阈值，导致烟雾传感器仅能应对较为严重的火灾，这显然是不能满足变电站火灾监控期望的，亟需改进。


技术实现要素：

3.为了至少解决上述背景技术中存在的技术问题，本发明提供了一种基于ai的变电站火灾预警方法、系统、电子设备及计算机存储介质。
4.本发明的第一方面提供了一种基于ai的变电站火灾预警方法，包括如下步骤：接收变电站第一监测区域的第一图像数据，对所述第一图像数据进行处理以确定第一目标监测区域；将所述第一目标监测区域的第二图像数据输入火焰ai识别模型，所述火焰ai识别模型输出火焰识别结果；根据所述火焰识别结果确定是否输出火灾预警。
5.进一步地，所述对所述第一图像数据进行处理以确定第一目标监测区域，包括：对所述第一图像数据进行前景提取，以得出若干候选对象；将若干所述候选对象与预存对象进行比对计算，根据比对计算结果确定若干目标对象；将各所述目标对象所处区域确定为所述第一目标监测区域。
6.进一步地，所述对所述第一图像数据进行处理以确定第一目标监测区域，还包括：获取变电站第二监测区域的第三图像数据，对所述第三图像数据进行处理以确定第二目标监测区域；其中，所述第二监测区域与所述第一监测区域相邻；从所述第三图像数据中筛选出若干第四目标监测区域；其中，所述第四目标监测区域为不位于所述第一监测区域但与所述第一监测区域的距离小于或等于第一阈值的区域；根据所述第四目标监测区域在所述第一监测区域中确定第五目标监测区域，将所述第五目标监测区域作为所述第一目标检测区域的一部分。
7.进一步地，所述根据所述第四目标监测区域在所述第一监测区域中确定第五目标监测区域，包括：根据所述第四目标监测区域在所述第三图像数据中的第一位置在所述第一图像数据中确定第二位置；
根据所述第一图像数据中的第一特征物确定所述第一监测区域的第一等效值，根据所述第三图像数据中的第二特征物确定所述第二监测区域的第二等效值，根据所述第一等效值和所述第二等效值确定第三等效值；根据所述第二位置和所述第三等效值在所述第一图像数据中确定所述第五目标监测区域。
8.进一步地，所述火焰ai识别模型通过反向传播、波尔兹曼机、卷积神经网络、hopfield网络、多层感知器、径向基函数网络、受限波尔兹曼机、回归神经网络、自组织映射、尖峰神经网络中的任一种构建。
9.进一步地，所述根据所述火焰识别结果确定是否输出火灾预警，包括：若所述火焰识别结果为火焰存在，则对该火焰在所述第二图像数据中的连通域的面积占比进行计算，若所述面积占比大于或等于第二阈值，则确定输出火灾预警；若所述面积占比小于第二阈值，则根据所述第一图像数据进行人员数据提取，根据提取结果确定是否输出火灾预警。
10.进一步地，所述根据提取结果确定是否输出火灾预警，包括：若未提取到所述人员数据，则确定输出火灾预警；若提取到所述人员数据，则计算所述人员数据与目标人员数据的匹配度，若所述匹配度符合预设条件，则不输出火灾预警，反之，则输出火灾预警。
11.本发明的第二方面提供了一种基于ai的变电站火灾预警系统，包括获取模块、处理模块、存储模块；所述处理模块与所述获取模块、所述存储模块连接；所述存储模块，用于存储可执行的计算机程序代码；所述获取模块，用于获取图像数据并传输给所述处理模块；所述处理模块，用于通过调用所述存储模块中的所述可执行的计算机程序代码，执行如前任一项所述的方法。
12.本发明的第三方面提供了一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前任一项所述的方法。
13.本发明的第四方面提供了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上任一项所述的方法。
14.本发明的方案，本发明的方案并非对于监控区域的整幅图像均进行火焰识别，而是针对性的对那些火灾可能出现的区域进行监测，能够降低数据处理负荷，提升火焰识别效率；以及，本发明还使用ai技术进行火焰的识别，相比于传统火焰识别方法来说，本发明的火焰ai识别模型仅需要使用经过人工标注的图像数据进行预先训练即可，人工参与工作量较低，而且随着各种场景下的火焰图像数据量的增加，还能够不断提升火焰识别的准确性。
附图说明
15.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这
些附图获得其他相关的附图。
16.图1是本发明实施例公开的一种基于ai的变电站火灾预警方法的流程示意图；图2是本发明实施例公开的一种基于ai的变电站火灾预警系统的结构示意图；图3是本发明实施例公开一种电子设备的结构示意图。
具体实施方式
17.为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
18.在本技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。
19.应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
20.应当理解，尽管在本技术实施例中可能采用术语第一、第二、第三等来描述
……
，但这些
……
不应限于这些术语。这些术语仅用来将
……
区分开。例如，在不脱离本技术实施例范围的情况下，第一
……
也可以被称为第二
……
，类似地，第二
……
也可以被称为第一
……
。
21.取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
22.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
23.下面结合附图详细说明本发明的优选实施例。
24.实施例一请参阅图1，图1是本发明实施例公开的一种基于ai的变电站火灾预警方法的流程示意图。如图1所示，本发明实施例的一种基于ai的变电站火灾预警方法，包括如下步骤：接收变电站第一监测区域的第一图像数据，对所述第一图像数据进行处理以确定第一目标监测区域；将所述第一目标监测区域的第二图像数据输入火焰ai识别模型，所述火焰ai识别模型输出火焰识别结果；根据所述火焰识别结果确定是否输出火灾预警。
25.在本发明实施例中，如背景技术所述，烟雾传感器并不适用于主要监控场景位于
户外的变电站，所以，本发明采用图像识别技术来对变电站进行火灾监测及预警。具体来说，从第一监测区域的第一图像数据中确定若干第一目标监测区域，再利用预先设置好的火焰ai识别模型来分析第一目标监测区域对应的第二图像数据中是否存在火焰，据此做出火灾预警决策。本发明的方案并非对于监控区域的整幅图像均进行火焰识别，而是针对性的对那些火灾可能出现的区域进行监测，能够降低数据处理负荷，提升火焰识别效率；以及，本发明还使用ai技术进行火焰的识别，相比于传统火焰识别方法来说，本发明的火焰ai识别模型仅需要使用经过人工标注的图像数据进行预先训练即可，人工参与工作量较低，而且随着各种场景下的火焰图像数据量的增加，还能够不断提升火焰识别的准确性。
26.进一步地，所述对所述第一图像数据进行处理以确定第一目标监测区域，包括：对所述第一图像数据进行前景提取，以得出若干候选对象；将若干所述候选对象与预存对象进行比对计算，根据比对计算结果确定若干目标对象；将各所述目标对象所处区域确定为所述第一目标监测区域。
27.在本发明实施例中，变电站内部不少区域并不可能发生火灾，例如，水泥地面、隔离墩等，所以，本发明通过上述处理筛选出监测区域内的可能发生火灾的各目标对象，将其所处区域作为第一目标监测区域。如此设置，可以降低数据处理量，提高火灾识别效率。
28.进一步地，所述对所述第一图像数据进行处理以确定第一目标监测区域，还包括：获取变电站第二监测区域的第三图像数据，对所述第三图像数据进行处理以确定第二目标监测区域；其中，所述第二监测区域与所述第一监测区域相邻；从所述第三图像数据中筛选出若干第四目标监测区域；其中，所述第四目标监测区域为不位于所述第一监测区域但与所述第一监测区域的距离小于或等于第一阈值的区域；根据所述第四目标监测区域在所述第一监测区域中确定第五目标监测区域，将所述第五目标监测区域作为所述第一目标检测区域的一部分。
29.在本发明实施例中，变电站的监控摄像机有固定角度式的，也有角度可调式的，于是就会出现不同的第一监测区域和第二监测区域，其对应着不同的监控角度。针对该实际情况，本发明进一步筛选在先的第二监测区域中靠近当前的第一监测区域的第二目标监测区域（即第四目标监测区域），根据第四目标监测区域来确定位于第一监测区域内的第五目标监测区域，并将其补入原第一目标检测区域。因为第四目标监测区域比较靠近第五目标监测区域，其火灾情况容易在第五目标监测区域中检测到，如此设置，使得在当前监测第一监测区域时，还能够对原第二监测区域内的火灾情况进行监测，而且，在降低图像数据处理负荷的前提下，还尽量避免火灾识别的遗漏。
30.需要进行说明的是，第一监测区域和第二监测区域可能存在重合，也可能完全不重合，所以，本发明在确定第四目标监测区域设置了“不位于所述第一监测区域”这一条件，可以进一步减少第一目标检测区域的数量，从而降低图像数据处理负荷。另外，第一阈值可以基于摄像机的旋转角度来确定，旋转角度越大，则第一阈值越小，即将更靠近第三图像数据侧边（对应第一图像数据）的区域作为第四目标监测区域，反之，则第一阈值越大，即将更远离第三图像数据侧边（对应第一图像数据）的区域作为第四目标监测区域。
31.进一步地，所述根据所述第四目标监测区域在所述第一监测区域中确定第五目标
监测区域，包括：根据所述第四目标监测区域在所述第三图像数据中的第一位置在所述第一图像数据中确定第二位置；根据所述第一图像数据中的第一特征物确定所述第一监测区域的第一等效值，根据所述第三图像数据中的第二特征物确定所述第二监测区域的第二等效值，根据所述第一等效值和所述第二等效值确定第三等效值；根据所述第二位置和所述第三等效值在所述第一图像数据中确定所述第五目标监测区域。
32.在本发明实施例中，在切换监控区域之后，由于景深、摄像焦距都可能存在变化，这会导致第二监测区域的第三图像数据和第一监测区域的第一图像数据中各物体的比例并不一致，相应地，就不能按照第三图像数据中第四目标监测区域的大小而在第一图像数据中划定第五目标监测区域。针对该问题，本发明根据第一图像数据、第二图像数据中各特征物来分别确定各自的等效值，再通过融合计算即可得出反映二者图像差异的第三等效值，进而可以按照第三等效值和原先确定出的第二位置划定出第五目标监测区域。
33.其中，第一特征物和第二特征物可以是相同的，也可以不同，例如，在第一图像数据和第二图像数据存在重合时，优先选择相同的特征物。以及，可以根据第一等效值和第二等效值之间的比例关系或者二者相对于基准值的比例关系来确定第三等效值，具体不限定。
34.进一步地，所述火焰ai识别模型通过反向传播、波尔兹曼机、卷积神经网络、hopfield网络、多层感知器、径向基函数网络、受限波尔兹曼机、回归神经网络、自组织映射、尖峰神经网络中的任一种构建。
35.在本发明实施例中，本发明可以基于以上任一种ai算法进行构建，当然，上述ai算法也包括各ai算法的改进及变种。
36.进一步地，所述根据所述火焰识别结果确定是否输出火灾预警，包括：若所述火焰识别结果为火焰存在，则对该火焰在所述第二图像数据中的连通域的面积占比进行计算，若所述面积占比大于或等于第二阈值，则确定输出火灾预警；若所述面积占比小于第二阈值，则根据所述第一图像数据进行人员数据提取，根据提取结果确定是否输出火灾预警。
37.在本发明实施例中，火焰ai识别模型除了可以识别出面积较大的火焰、烟雾以外，还可以将电弧也识别出来，而电弧的面积相比于火焰、烟雾来说明显更小，所以，基于二者面积占比上的区别可以进行区分，进而决策是否输出火灾预警。另外，电弧的出现有可能是人员正常操作导致，也有可能是异常情况导致，所以，本发明进一步进行人员数据检测，进而再决策是否针对小面积的电弧进行预警。
38.进一步地，所述根据提取结果确定是否输出火灾预警，包括：若未提取到所述人员数据，则确定输出火灾预警；若提取到所述人员数据，则计算所述人员数据与目标人员数据的匹配度，若所述匹配度符合预设条件，则不输出火灾预警，反之，则输出火灾预警。
39.在本发明实施例中，本发明通过分析监测区域内是否存在人员、该人员是否在实施指定操作，若满足，则说明电弧的出现是正常操作导致，不应当输出预警，从而提高了预警的可靠性。例如，变电站相关人员在操控电气触头的闭合时，就会产生电弧，此时则无需
进行预警。
40.其中，此处的匹配度以及前述的比对计算，均可以通过计算相似度得出，而相似度可以采用现有技术中任意合适的计算公式计算得出，对此可不作限定。
41.实施例二请参阅图2，图2是本发明实施例公开的一种基于ai的变电站火灾预警系统的结构示意图。如图2所示，本发明实施例的一种基于ai的变电站火灾预警系统，包括获取模块(101)、处理模块(102)、存储模块(103)；所述处理模块(102)与所述获取模块(101)、所述存储模块(103)连接；所述存储模块(103)，用于存储可执行的计算机程序代码；所述获取模块(101)，用于获取图像数据并传输给所述处理模块(102)；所述处理模块(102)，用于通过调用所述存储模块(103)中的所述可执行的计算机程序代码，执行如前任一项所述的方法。
42.该实施例中的一种基于ai的变电站火灾预警系统的具体功能参照上述实施例一，由于本实施例中的系统采用了上述实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
43.实施例三请参阅图3，图3是本发明实施例公开的一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如实施例一所述的方法。
44.实施例四本发明实施例还公开了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如实施例一所述的方法。
45.本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是，但不限于，电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。
46.计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。
47.计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括、但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
48.可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机
程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
49.注意，上述仅为本发明的较佳实施例及所运用的技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明的构思的情况下，还可以包括更多其他等效实施例，均属于本发明的保护范畴。