基于毫米波及多传感技术的变电站作业越界预警系统

1.本发明涉及毫米波技术领域，尤其是基于毫米波及多传感技术的变电站作业越界预警系统。


背景技术：

2.变电站场地环境复杂，存在着威胁人身的众多因素。在变电站施工的过程中,需要对即将误入危险区域的作业人员进行快速准确地检测并及时预警，减少生命和财产的损失。但现有的危险区域检测方法大多数基于传感器的方法，需要布置大量的传感器，实际操作复杂，而且在工人身上附着传感器，会干扰工人的施工操作，而人工观察耗时费力，容易受观察者的精神状态影响。随着人工智能的发展，不少研究人员开始把深度学习技术和危险区域检测问题结合起来。然而现有的技术主要依赖于大量的标记数据进行模型的训练，进而在后端进行检测识别，没有充分利用前端的计算资源，在数据的传输上消耗太大，也降低了适用性。
3.传统视频监控系统主要为人工监控，事后观察视频取证；而且视频监控系统的架构设计比较单一，不能对视频图像进实时智能分析，不能实现远程监控，并且无法进行异常事件及时报警。


技术实现要素：

4.本发明的目的是通过提出基于毫米波及多传感技术的变电站作业越界预警系统，以解决上述背景技术中提出的缺陷。
5.本发明采用的技术方案如下：
6.提供基于毫米波及多传感技术的变电站作业越界预警系统，包括可重组空间移动监测终端，空间构建模块通过可重组空间移动监测终端快速搭建变电站检修工作环境的立体安全控制区域；越界监测模块通过可重组空间移动监测终端监测变电站检修作业存在的隐患行为；越限预警模块对监测的存在隐患的行为发出越限预警。
7.作为本发明的一种优选技术方案：所述可重组空间移动监测终端通过抗干扰的高频窄带毫米波进行扫描识别。
8.作为本发明的一种优选技术方案：所述空间构建模块通过可重组空间移动监测终端发出的抗干扰的高频窄带毫米波向可重组空间移动监测终端周围发出毫米波信号，通过检测变电站各物体的反射率，通过构建深度学习网络判别物体种类及其安全距离，快速搭建立体安全控制区域。
9.作为本发明的一种优选技术方案：所述述越界监测模块中的隐患行为包括穿越水平施工区域及垂直超高触电控制区域。
10.作为本发明的一种优选技术方案：所述越界监测模块建立复杂背景下的动态多目标智能检测与跟踪模型，综合分析变电站安全区域越界隐患行为。
11.作为本发明的一种优选技术方案：所述动态多目标智能检测与跟踪模型构建步骤
如下：
12.s2.1：获取可重组空间移动监测终端的监测图像；
13.s2.2：通过yolov3网络训练进行动态多目标检测；
14.s2.3：根据多目标检测模型检测的运动目标进行目标追踪，并预测运动目标轨迹；
15.s2.4：根据预测的运动目标轨迹检测是否存在隐患行为。
16.作为本发明的一种优选技术方案：所述s2.2将获取的图像帧输入至yolov3网络中进行训练，并通过损失函数计算检测值与真实情况之间的误差，通过反向传播更新网络的权重参数，通过损失函数不断迭代收敛，获得网络模型，通过检测框检测函数进行循环判断和识别。
17.作为本发明的一种优选技术方案：所述yolov3模型的损失函数如下：
18.l
yolo
＝l
xy
+l
wh
+l
confidence
+l
class
19.其中，l
xy
为预测边框中心点的损失函数，l
wh
为预测边框宽高损失函数，l
confidence
为针对预测结果生成置信度的损失函数，l
class
为计算并判定目标所述类别的损失函数，l
loss
为分辨率损失函数；
20.其中：
[0021][0022][0023][0024][0025]
其中，表示第i个小格的第j个先验框是否负责某个目标的检测，负责则该项取1，反之取0；分别表示第i个小格第j个先验框的中心点的坐标，分别表示第i个小格第j个真实框的中心点的坐标；
[0026]
分别表示第i个小格第j个先验框的宽和高，分别表示第i个小格第j个真实框的宽和高；
[0027]
表示预测值；表示真实值，其取值由所在小格预测所得的边框是否负责某个
目标的检测决定，负责则该值取1，反之则取0；则表示第i个小格的第j个先验框不负责某个物体的检测；
[0028]
为真实分类概率，pi为预测分类概率。
[0029]
作为本发明的一种优选技术方案：所述检测框检测函数如下：
[0030][0031]
其中，object_confidence表示置信度，即预测边框中包含目标的置信度，pr(object)表示目标是否存在于预测边框对应的单元格中，取1表示存在，取0表示不存在，表示检测框与真实框的交并比。
[0032]
作为本发明的一种优选技术方案：所述动态多目标智能检测与跟踪模型使用检测的运动目标，将检测的多个运动目标放入追踪目标集合g中，对g中每个元素对象赋予相应的id同时获取该运动目标的位置信息、检测框大小和目标速度信息；分别对每个元素对象使用扩展卡尔曼滤波算法进行轨迹预测，当轨迹预测出现穿越水平施工区域及垂直超高触电控制区域的隐患行为时，通过越限预警模块发出越限预警。
[0033]
本发明提供的基于毫米波及多传感技术的变电站作业越界预警系统，与现有技术相比，其有益效果有：
[0034]
通过抗干扰高频窄带毫米波扫描技术，构建变电站可重组空间移动监测模型，实现变电站复杂检修工作环境的立体安全控制区域快速搭建。建立复杂背景下动态多目标智能检测与跟踪模型，综合分析变电站安全区域越界隐患行为，实现变电站检修作业现场人员及设备的越限预警。
附图说明
[0035]
图1为本发明优选实施例的系统框图。
[0036]
图中各个标记的意义为：100、可重组空间移动监测终端；200、空间构建模块；300、越界监测模块；400、越限预警模块。
具体实施方式
[0037]
需要说明的是，在不冲突的情况下，本实施例中的实施例及实施例中的特征可以相互组合，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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他实施例，都属于本发明保护的范围。
[0038]
参照图1，本发明优选实施例提供了基于毫米波及多传感技术的变电站作业越界预警系统，包括可重组空间移动监测终端100，空间构建模块200通过可重组空间移动监测终端100快速搭建变电站检修工作环境的立体安全控制区域；越界监测模块300通过可重组空间移动监测终端100监测变电站检修作业存在的隐患行为；越限预警模块400对监测的存在隐患的行为发出越限预警。
[0039]
所述可重组空间移动监测终端100通过抗干扰的高频窄带毫米波进行扫描识别。
[0040]
所述空间构建模块200通过可重组空间移动监测终端100发出的抗干扰的高频窄带毫米波向可重组空间移动监测终端100周围发出毫米波信号，通过检测变电站各物体的反射率，通过构建深度学习网络判别物体种类及其安全距离，快速搭建立体安全控制区域。
[0041]
所述越界监测模块300中的隐患行为包括穿越水平施工区域及垂直超高触电控制区域。
[0042]
所述越界监测模块300建立复杂背景下的动态多目标智能检测与跟踪模型，综合分析变电站安全区域越界隐患行为。
[0043]
所述动态多目标智能检测与跟踪模型构建步骤如下：
[0044]
s2.1：获取可重组空间移动监测终端100的监测图像；
[0045]
s2.2：通过yolov3网络训练进行动态多目标检测；
[0046]
s2.3：根据多目标检测模型检测的运动目标进行目标追踪，并预测运动目标轨迹；
[0047]
s2.4：根据预测的运动目标轨迹检测是否存在隐患行为。
[0048]
所述s2.2将获取的图像帧输入至yolov3网络中进行训练，并通过损失函数计算检测值与真实情况之间的误差，通过反向传播更新网络的权重参数，通过损失函数不断迭代收敛，获得网络模型，通过检测框检测函数进行循环判断和识别。
[0049]
所述yolov3模型的损失函数如下：
[0050]
l
yolo
＝l
xy
+l
wh
+l
confidence
+l
class
[0051]
其中，l
xy
为预测边框中心点的损失函数，l
wh
为预测边框宽高损失函数，l
confidence
为针对预测结果生成置信度的损失函数，l
class
为计算并判定目标所述类别的损失函数，l
loss
为分辨率损失函数；
[0052]
其中：
[0053][0054][0055][0056][0057]
其中，表示第i个小格的第j个先验框是否负责某个目标的检测，负责则该项
取1，反之取0；分别表示第i个小格第j个先验框的中心点的坐标，分别表示第i个小格第j个真实框的中心点的坐标；
[0058]
分别表示第i个小格第j个先验框的宽和高，分别表示第i个小格第j个真实框的宽和高；
[0059]
表示预测值；表示真实值，其取值由所在小格预测所得的边框是否负责某个目标的检测决定，负责则该值取1，反之则取0；则表示第i个小格的第j个先验框不负责某个物体的检测；
[0060]
为真实分类概率，pi为预测分类概率。
[0061]
所述检测框检测函数如下：
[0062][0063]
其中，object_confidence表示置信度，即预测边框中包含目标的置信度，pr(object)表示目标是否存在于预测边框对应的单元格中，取1表示存在，取0表示不存在，表示检测框与真实框的交并比。
[0064]
所述动态多目标智能检测与跟踪模型使用检测的运动目标，将检测的多个运动目标放入追踪目标集合g中，对g中每个元素对象赋予相应的id同时获取该运动目标的位置信息、检测框大小和目标速度信息；分别对每个元素对象使用扩展卡尔曼滤波算法进行轨迹预测，当轨迹预测出现穿越水平施工区域及垂直超高触电控制区域的隐患行为时，通过越限预警模块400发出越限预警。
[0065]
本实施例中，以某新建变电站检修工作为例。
[0066]
空间构建模块200通过抗干扰高频窄带毫米波扫描技术，向可重组空间移动监测终端100周围发出毫米波信号，通过检测变电站各物体的反射率，例如毫米波全息成像人体安全检查仪，通过构建深度学习网络判别物体种类及其安全距离，如分类为变压器，判断其安全距离，构建该变压器的危险区以外的安全区。越界监测模块200建立复杂背景下动态多目标智能检测与跟踪模型，综合分析变电站安全区域越界隐患行为，通过越限预警模块400实现变电站检修作业现场人员及设备的越限预警。
[0067]
动态多目标智能检测与跟踪模型中，通过可重组空间移动监测终端100进行监测获取监测图像，将获取的图像帧输入至yolov3网络中进行训练，yolov3网络改用逻辑回归对每个分类的得分进行预测，结合设置的阈值确定边框内目标的真正类别，并通过损失函数计算检测值与真实情况之间的误差，通过调节损失函数得到边框中心位置及宽、高的误差，并通过置信度损失函数针对小格内是否存在目标的两种情况中，没有目标的项增加了系数，通过增加权重项适当减少北江乡对最终损失计算的干扰，防止网络倾向预测不包含目标的单元格。形成背景误检率低的目标检测网络，适用于复杂背景下的目标检测。
[0068]
通过反向传播更新网络的权重参数，通过损失函数不断迭代收敛，获得网络模型。
[0069]
在网络训练完成后，将图像送入yolov3的网络卷积层提取图像特征，调用图片检测函数对提取特征进行循环判断和识别目标，获得每一个类标签的概率；对每一个类标签概率进行判断，选择最大概率的类型作为目标，并定位图像中每个运动目标的检测框和置
信度分数，输出检测框的坐标。在所有的检测框中找到置信度最大的框，通过检测框检测函数：
[0070][0071]
其中，object_confidence表示置信度，即预测边框中包含目标的置信度，pr(object)表示目标是否存在于预测边框对应的单元格中，取1表示存在，取0表示不存在，表示检测框与真实框的交并比。
[0072]
依次计算其与剩余框的两框重叠比例iou，如果iou值大于阈值，则将该框删除。
[0073]
使用检测的运动目标，将检测的多个运动目标放入追踪目标集合g中，对g中每个元素对象赋予相应的id同时获取该目标的位置信息、检测框大小和目标速度信息；分别对每个元素对象使用扩展卡尔曼滤波算法进行轨迹预测，当轨迹预测出现穿越水平施工区域及垂直超高触电控制区域的隐患行为时，通过越限预警模块400发出越限预警。
[0074]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0075]
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

技术特征：
1.基于毫米波及多传感技术的变电站作业越界预警系统，包括可重组空间移动监测终端(100)，其特征在于：空间构建模块(200)通过可重组空间移动监测终端(100)快速搭建变电站检修工作环境的立体安全控制区域；越界监测模块(300)通过可重组空间移动监测终端(100)监测变电站检修作业存在的隐患行为；越限预警模块(400)对监测的存在隐患的行为发出越限预警。2.根据权利要求1所述的基于毫米波及多传感技术的变电站作业越界预警系统，其特征在于：所述可重组空间移动监测终端(100)通过抗干扰的高频窄带毫米波进行扫描识别。3.根据权利要求1所述的基于毫米波及多传感技术的变电站作业越界预警系统，其特征在于：所述空间构建模块(200)通过可重组空间移动监测终端(100)发出的抗干扰的高频窄带毫米波向可重组空间移动监测终端(100)周围发出毫米波信号，通过检测变电站各物体的反射率，通过构建深度学习网络判别物体种类及其安全距离，快速搭建立体安全控制区域。4.根据权利要求1所述的基于毫米波及多传感技术的变电站作业越界预警系统，其特征在于：所述越界监测模块(300)中的隐患行为包括穿越水平施工区域及垂直超高触电控制区域。5.根据权利要求4所述的基于毫米波及多传感技术的变电站作业越界预警系统，其特征在于：所述越界监测模块(300)建立复杂背景下的动态多目标智能检测与跟踪模型，综合分析变电站安全区域越界隐患行为。6.根据权利要求5所述的基于毫米波及多传感技术的变电站作业越界预警系统，其特征在于：所述动态多目标智能检测与跟踪模型构建步骤如下：s2.1：获取可重组空间移动监测终端(100)的监测图像；s2.2：通过yolov3网络训练进行动态多目标检测；s2.3：根据多目标检测模型检测的运动目标进行目标追踪，并预测运动目标轨迹；s2.4：根据预测的运动目标轨迹检测是否存在隐患行为。7.根据权利要求6所述的基于毫米波及多传感技术的变电站作业越界预警系统，其特征在于：所述s2.2将获取的图像帧输入至yolov3网络中进行训练，并通过损失函数计算检测值与真实情况之间的误差，通过反向传播更新网络的权重参数，通过损失函数不断迭代收敛，获得网络模型，通过检测框检测函数进行循环判断和识别；所述yolov3模型的损失函数如下：l
yolo
＝l
xy
+l
wh
+l
confidence
+l
class
其中，l
xy
为预测边框中心点的损失函数，l
wh
为预测边框宽高损失函数，l
confidence
为针对预测结果生成置信度的损失函数，l
class
为计算并判定目标所述类别的损失函数，l
loss
为分辨率损失函数；其中：
其中，表示第i个小格的第j个先验框是否负责某个目标的检测，负责则该项取1，反之取0；分别表示第i个小格第j个先验框的中心点的坐标，分别表示第i个小格第j个真实框的中心点的坐标；分别表示第i个小格第j个先验框的宽和高，分别表示第i个小格第j个真实框的宽和高；表示预测值；表示真实值，其取值由所在小格预测所得的边框是否负责某个目标的检测决定，负责则该值取1，反之则取0；则表示第i个小格的第j个先验框不负责某个物体的检测；为真实分类概率，p
i
为预测分类概率。8.根据权利要求7所述的基于毫米波及多传感技术的变电站作业越界预警系统，其特征在于：所述检测框检测函数如下：其中，object_confidence表示置信度，即预测边框中包含目标的置信度，p
r
(object)表示目标是否存在于预测边框对应的单元格中，取1表示存在，取0表示不存在，表示检测框与真实框的交并比。9.根据权利要求8所述的基于毫米波及多传感技术的变电站作业越界预警系统，其特征在于：所述动态多目标智能检测与跟踪模型使用检测的运动目标，将检测的多个运动目标放入追踪目标集合g中，对g中每个元素对象赋予相应的id同时获取该运动目标的位置信息、检测框大小和目标速度信息；分别对每个元素对象使用扩展卡尔曼滤波算法进行轨迹预测，当轨迹预测出现穿越水平施工区域及垂直超高触电控制区域的隐患行为时，通过越限预警模块(400)发出越限预警。

技术总结
本发明涉及毫米波技术领域，尤其为基于毫米波及多传感技术的变电站作业越界预警系统，包括可重组空间移动监测终端，空间构建模块通过可重组空间移动监测终端快速搭建变电站检修工作环境的立体安全控制区域；越界监测模块通过可重组空间移动监测终端监测变电站检修作业存在的隐患行为；越限预警模块对监测的存在隐患的行为发出越限预警。通过抗干扰高频窄带毫米波扫描技术，构建变电站可重组空间移动监测模型，实现变电站复杂检修工作环境的立体安全控制区域快速搭建。建立复杂背景下动态多目标智能检测与跟踪模型，综合分析变电站安全区域越界隐患行为，实现变电站检修作业现场人员及设备的越限预警。员及设备的越限预警。员及设备的越限预警。


技术研发人员：安兴 张晓华 孙猛 杨顺富 孙勃 李鹏祥 刘战 李成 齐恩铁 张广新 赵立英
受保护的技术使用者：长春工程学院
技术研发日：2023.01.06
技术公布日：2023/5/23