文献类型：期刊文章

作　　者：丘浩[1] 张炜[1] 彭博雅[1] 丁兆钧[2] 林翔宇[1]

QIU Hao;ZHANG Wei;PENG Boya;DING Zhaojun;LIN Xiangyu(Electric Power Research Institute of Guangxi Power Grid Co.,Ltd.,Nanning 530023,China;Guangxi Power Grid Co.,Ltd.,Nanning 530023,China)

机构地区：[1]广西电网有限责任公司电力科学研究院,广西南宁530023 [2]广西电网有限责任公司,广西南宁530023

出　　处：《电力科学与技术学报》

基　　金：广西电网有限责任公司科技项目(GXKJXM20190276)。

年　　份：2021

卷　　号：36

期　　号：3

起止页码：195-202

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、IC、JST、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：电网作业常处于高空、高压等危险环境,此类环境常常为电力作业人员的安全带来威胁。仅靠人力监管常会出现监管不力的情况,现有的目标检测算法也只能进行简单的安全识别,无法根据特定的电力作业场景识别违规操作行为。针对这一问题,提出一种基于YOLOv3的特定电力作业场景下的违规操作识别算法,选用YOLOv3算法进行目标检测,同时融入场景识别机制,并引用交并比设定逻辑判断函数,检测特定场景下电力作业的违规操作行为。以电焊作业场景为例进行实验验证,实验结果表明,该模型的检测精确率为82.15%,证明了该方法的有效性,同时也对后续优化该模型提出了几点建议。

关 键 词：目标检测 深度学习  YOLOv3  场景识别  交并比  

分 类 号：TM73]