(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210830306.4 (22)申请日 2022.07.15 (71)申请人 国网江苏省电力有限公司 地址 210000 江苏省南京市上海路215号 申请人 江苏电力 信息技术有限公司 (72)发明人 张恒　杜森　许栋栋　高建　 盛婷婷　江翔　戴华冠　孔陈祥　 (74)专利代理 机构 南京汇盛专利商标事务所 (普通合伙) 32238 专利代理师 陈扬 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/50(2022.01) G06V 10/54(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于YOLO的电网作业现场违章识别方 法及终端 (57)摘要 本发明公开了一种基于YOLO的电网作业现 场违章识别方法及终端， 包括获取作业现场源图 像， 将所述源图像分为训练集和测试集； 在 Darknet‑53目标识别模型的第一卷积层之前提 取所述训练集源图像的方向梯度直方图和图像 纹理特征， 融合所述方向梯度直方图和图像纹理 特征得到 特征图； 将所述特征图与所述Darknet ‑ 53目标识别模型中对应的卷积层进行融合得到 目标特征图像， 将所述目标特征图像输入YOL O神 经网络训练得到基于YOLO神经网络的检测模型； 将所述测试集输入所述Darknet ‑53目标识别模 型和所述基于YOLO神经网络的检测模型， 得到测 试结果， 根据所述测试结果确定基于YOL O神经网 络的最优检测模 型； 实现智能识别作业现场违章 行为的安全监控， 保证电网作业现场的安全建 设。 权利要求书2页 说明书7页 附图2页 CN 115171045 A 2022.10.11 CN 115171045 A 1.一种基于 YOLO的电网作业现场违章识别方法， 其特 征在于， 包括以下步骤： S1、 获取作业现场源图像， 将所述源图像分为训练集和 测试集； S2、 在Darknet ‑53目标识别模型的第一卷积层之前提取所述训练集源图像的方向梯度 直方图和图像纹 理特征， 融合所述方向梯度直方图和图像纹 理特征得到特征图； S3、 将所述特征图与所述Darknet ‑53目标识别模型中对应的卷积层进行融合得到目标 特征图像， 将所述目标特征图像输入YOLO神经网络训练得到基于YOLO神经网络的检测模 型； S4、 将所述测试集输入所述Darknet ‑53目标识别模型和所述基于YOLO神经网络的检测 模型， 得到测试结果， 根据所述测试结果确定基于Y OLO神经网络的最优检测模型， 对电网作 业现场进行违章识别。 2.根据权利要求1所述的一种基于YOLO的电网作业现场违章识别方法， 其特征在于， 所 述S2具体为： S21、 在Darknet ‑5目标识别模型的第一卷积层之前， 将所述训练集源图像进行亮度增 强； S22、 对亮度增强后的源图像进行 灰度归一 化处理得到归一 化灰度图像； S23、 计算所述归一化灰度图像的方向梯度直方图和图像纹理特征后， 组合所述方向梯 度直方图和所述图像纹理特征权重值， 获取最优权重值， 根据所述最优权重值得到特征矩 阵； S24、 使用对应的步长和尺度的卷积核对所述特 征矩阵进行 卷积得到不同尺度特 征图。 3.根据权利要求1所述的一种基于YOLO的电网作业现场违章识别方法， 其特征在于， 所 述S3具体为： S31、 将所述不 同尺度特征 图分别与所述Darknet ‑53目标识别模型中对应尺度的卷积 层进行融合得到不同尺度的目标 特征图像； S32、 将所述 不同尺度的目标 特征图像通过维度聚类算法， 得到多个聚类结果K值； S33、 采用GIOU损失函数确定最优K值， 得到所述检测模型。 4.根据权利要求1所述的一种基于YOLO的电网作业现场违章识别方法， 其特征在于， 所 述S1具体为： 从源地址中获取所述作业现场源图像， 所述源图像包括第一源图像和第二源图像； 所 述第一源图像和所述第二源图像的数据源不同。 5.根据权利要求1所述的一种基于YOLO的电网作业现场违章识别方法， 其特征在于， 在 所述S4之后还 包括： S5、 采集作业现场的所述第一源图像， 将所述第 一源图像输入所述最优检测模型， 得到 第一监测结果， 根据所述第一监测结果判断所述第一源图像是否存在违章行为， 若 是， 则标 记所述第一源图像的作业现场为目标区域， 并执 行S6； S6、 采集所述目标区域的所述第二源图像， 将所述第 二源图像输入所述最优检测模型， 得到第二监测结果， 根据所述第二监测结果判断所述第二源图像是否存在违章行为， 若是， 则上传所述第二源图像至云系统， 并发送警告信息 。 6.根据权利要求5所述的一种基于YOLO的电网作业现场违章识别方法， 其特征在于， 所 述S5还包括：权　利　要　求　书 1/2 页 2 CN 115171045 A 2若所述第一源图像不存在违章行为， 则将所述第一源图像存 入预设地址 。 7.根据权利要求5所述的一种基于YOLO的电网作业现场违章识别方法， 其特征在于， 所 述S6还包括： 若所述第二源图像不存在违章行为， 则将所述第二源图像存 入所述预设地址 。 8.根据权利要求5所述的一种基于YOLO的电网作业现场违章识别方法， 其特征在于， 在 所述S6之后还 包括： S7、 所述预设地址的存储空间达到预设阈值后， 将所述预设地址标记为源地址， 返回执 行S1。 9.一种基于YOLO的电网作业现场违章识别终端， 包括存储器、 处理器， 其特征在于： 所 述处理器根据基于YOLO的电网作业现场违章识别方法， 通过基于Y OLO神经网络的最优检测 模型， 对电网作业现场进行违章识别。权　利　要　求　书 2/2 页 3 CN 115171045 A 3