典型文献
一种电力施工安全规范模型验证方法
文献摘要：
电力行业安全、稳定运行,事关各行各业以及国名经济发展和人民群众的根本利益,所以确保安全生产是我们的头等大事.由于电力行业涉及诸多作业场景,因此对相关作业场景进行有无违章操作的监测就具有重要意义.规范的作业执行,能够确保生产安全,提高生产效率.本文着重研究对视频监控过程中易发多发且具有一定危险性违章行为的实时监测与预警提醒,主要是基于图像识别基础,结合深度学习技术,对电力作业相关场景进行目标检测来对作业过程中拟存在的违章场景进行实时监测与预警提醒.本文基于单阶段目标检测模型YOLOV5来开展相应的训练与验证测试,经过测试发现全类别模型4_m(指检测多类目标物,YOLOV5预训练模型采用YOLOV5m.pt)的对多种类别目标物检测的平均精度达到0.85,模型的推理测试能力达到0.66左右.截止目前研究阶段而言,全类别模型4_m对作业场景的违章监测效果相对最佳.基于深度学习模型对电力作业场景目标物的实时检测,在结合相应的逻辑判断,即可对相应的作业场景进行有无违章操作的预警提醒,实现电力作业施工的过程管控,实现违章行为的早发现早纠正,避免事故发生,确保安全生产.
文献关键词：
电力安全;监测预警;图像识别;电力杆塔;深度学习;模型训练
中图分类号：
作者姓名：
孙倩;赵李强;高雪林
作者机构：
昆明能讯科技有限责任公司,云南 昆明 650217
文献出处：
引用格式：
[1]孙倩;赵李强;高雪林-.一种电力施工安全规范模型验证方法)[J].云南电力技术,2022(03):9-14
A类：
YOLOV5m
B类：
电力施工,施工安全,安全规范,规范模型,模型验证,验证方法,电力行业,国名,根本利益,确保安全,头等大事,相关作业,违章操作,生产安全,对视,视频监控,中易,违章行为,监测与预警,预警提醒,图像识别,深度学习技术,电力作业,作业过程,单阶段目标检测,目标检测模型,验证测试,类目,预训练模型,pt,测试能力,力达,截止,研究阶段,监测效果,深度学习模型,实时检测,逻辑判断,过程管控,早发现,电力安全,监测预警,电力杆塔,模型训练
AB值：
0.384639
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
