配網(wǎng)不停電作業(yè)全流程安全監(jiān)測(cè)與預(yù)警系統(tǒng)

張 冬，謝世朋

(1.國(guó)網(wǎng)江蘇省電力有限公司淮安供電分公司，江蘇 淮安 223002;2.南京郵電大學(xué)，江蘇 南京 210069)

1 概 述

1.1 課題背景

隨著中國(guó)電網(wǎng)的持續(xù)快速發(fā)展，對(duì)于中國(guó)目前的輸配電線路的維修、電網(wǎng)設(shè)備檢測(cè)和維護(hù)等工作，不停電作業(yè)技術(shù)已經(jīng)成為一種重要手段。但是不停電作業(yè)對(duì)于作業(yè)人員也是一項(xiàng)極其危險(xiǎn)的工作，在這種作業(yè)環(huán)境下存在的高強(qiáng)度的電場(chǎng)、暫態(tài)電擊和穩(wěn)態(tài)電擊以及作業(yè)過(guò)程中對(duì)誤操作短接空氣間隙放電，都對(duì)不停電作業(yè)人員的安全造成了很大的威脅，因此不停電作業(yè)安全防護(hù)問(wèn)題也就成為不停電作業(yè)順利實(shí)施的關(guān)鍵。目前，國(guó)內(nèi)開(kāi)展配網(wǎng)不停電作業(yè)時(shí)，有時(shí)會(huì)出現(xiàn)作業(yè)人員不規(guī)范穿戴絕緣安全帽、不穿絕緣防護(hù)服與絕緣防護(hù)手套就進(jìn)行不停電作業(yè)，在作業(yè)過(guò)程中極有可能出現(xiàn)安全事故。作業(yè)過(guò)程中，即使穿戴了絕緣防護(hù)裝備，如作業(yè)動(dòng)作不當(dāng)，不能與帶電體保持安全距離，也會(huì)存在被高壓電擊穿觸電的風(fēng)險(xiǎn)。目前國(guó)內(nèi)不停電作業(yè)中安全監(jiān)控及預(yù)警手段和方法缺乏，很難實(shí)時(shí)精準(zhǔn)度量現(xiàn)場(chǎng)作業(yè)人員與帶電體之間的距離，并監(jiān)控現(xiàn)場(chǎng)作業(yè)人員的行為，進(jìn)行主動(dòng)預(yù)警。目前，中國(guó)輸配電線路不停電作業(yè)的人員安全問(wèn)題主要從兩方面共同解決，一是依靠具有豐富經(jīng)驗(yàn)的專責(zé)監(jiān)護(hù)人，二是作業(yè)人員的自覺(jué)性。在實(shí)際的作業(yè)過(guò)程當(dāng)中，由于現(xiàn)場(chǎng)作業(yè)點(diǎn)多面廣，作業(yè)人員工作任務(wù)繁重，容易疲勞，精力無(wú)法持續(xù)集中，作業(yè)人員很容易發(fā)生違反操作規(guī)程、忽視安全距離等危險(xiǎn)行為，從而導(dǎo)致安全事故的發(fā)生。

因此，亟需一種智能化的不停電作業(yè)全流程安全監(jiān)測(cè)與預(yù)警系統(tǒng)，依靠此系統(tǒng)減少在不停電作業(yè)工作中的安全隱患，保證作業(yè)人員的人身安全。

1.2 相關(guān)工作

關(guān)于“不停電作業(yè)”的安全監(jiān)測(cè)系統(tǒng)的研發(fā)從2013年來(lái)就有了相關(guān)研究，近年來(lái)隨著計(jì)算機(jī)視覺(jué)、人工智能技術(shù)的飛速發(fā)展，此安全監(jiān)測(cè)系統(tǒng)又有了眾多設(shè)計(jì)與實(shí)現(xiàn)方案。

文獻(xiàn)[1-6]進(jìn)行了不停電作業(yè)中工作環(huán)境的數(shù)據(jù)收集與研究，文獻(xiàn)[7-10]收集與研究了不停電作業(yè)中作業(yè)人員的健康數(shù)據(jù)，文獻(xiàn)[1-2,6-7,10-12]涉及不停電作業(yè)中作業(yè)人員的工作軌跡研究。上述文獻(xiàn)都涉及了不停電作業(yè)安全距離預(yù)警系統(tǒng)相關(guān)的數(shù)據(jù)收集研究，但未涉及有關(guān)開(kāi)工安全檢查系統(tǒng)方面的研究。

2013年，Yuan[13]提出了一個(gè)基于雙目視覺(jué)的輸電網(wǎng)帶電作業(yè)安全監(jiān)測(cè)方法測(cè)距技術(shù)。2014年，國(guó)家電網(wǎng)公司[14]提出了使用圖像處理的方式進(jìn)行帶電作業(yè)現(xiàn)場(chǎng)著裝的安全檢測(cè)。2015年，F(xiàn)an等人[15]提出基于高斯混合模型的視頻圖像分析的輸電高壓線安全距離檢測(cè)技術(shù)。2019年，廣東電網(wǎng)有限責(zé)任公司[16]提出了障礙物與帶電體之間安全距離測(cè)量的方法。2020年Ruan等人[17]使用了深度相機(jī)測(cè)量輸電網(wǎng)帶電作業(yè)的安全距離。文獻(xiàn)[13,16-17]提出了使用深度相機(jī)計(jì)算安全距離的概念，但是均沒(méi)有區(qū)分人與帶電體，實(shí)踐起來(lái)會(huì)受到很多限制，很難在配電網(wǎng)不停電作業(yè)上實(shí)施。Zhou等人[18]提出一種組合式高壓電場(chǎng)測(cè)量裝置來(lái)實(shí)現(xiàn)安全預(yù)警，但是由于物體入侵引起高壓電場(chǎng)變形，使得這種方法測(cè)量精度不高。

文獻(xiàn)[1-2,4]和該文針對(duì)不停電作業(yè)安全距離預(yù)警系統(tǒng)研究，都運(yùn)用了實(shí)時(shí)監(jiān)控技術(shù)，但采用的方法不同。文獻(xiàn)[1-2,4]采用的是基于TOF攝像機(jī)實(shí)時(shí)監(jiān)測(cè)作業(yè)人員與帶電體的距離來(lái)進(jìn)行安全預(yù)警，而該文是通過(guò)激光雷達(dá)、RGB相機(jī)對(duì)不停電作業(yè)環(huán)境進(jìn)行3D建模，使用基于語(yǔ)義分割模型識(shí)別周圍帶電體進(jìn)行安全檢測(cè)與預(yù)警；文獻(xiàn)[3,5,7-8,14]都研究了基于實(shí)時(shí)監(jiān)控技術(shù)的穿戴于作業(yè)人員身上的安全預(yù)警裝置，與該文基于激光雷達(dá)和RGB相機(jī)的靜止/運(yùn)動(dòng)平臺(tái)式預(yù)警系統(tǒng)不同。在基于智能空間測(cè)距的帶電作業(yè)安全防護(hù)技術(shù)研究方面，文獻(xiàn)[6,11-12]采用的是實(shí)時(shí)定位的智能監(jiān)控預(yù)警系統(tǒng)，文獻(xiàn)[10]采用的是作業(yè)軌跡流程的監(jiān)測(cè)系統(tǒng)，文獻(xiàn)[16]是監(jiān)測(cè)障礙物與帶電物之間的距離的預(yù)警方法，而該文研究的預(yù)警系統(tǒng)既實(shí)時(shí)監(jiān)測(cè)作業(yè)人員的工作軌跡，也對(duì)作業(yè)人員與帶電體之間的安全距離進(jìn)行預(yù)警。

1.3 主要設(shè)計(jì)內(nèi)容

本系統(tǒng)應(yīng)用于不停電作業(yè)的全流程安全監(jiān)測(cè)，旨在預(yù)防或減少不停電作業(yè)人員人身傷害等事故的發(fā)生，實(shí)現(xiàn)不停電作業(yè)全流程管控智能化，并實(shí)時(shí)監(jiān)測(cè)人與帶電體的安全距離并進(jìn)行主動(dòng)預(yù)警。具體應(yīng)用目標(biāo)表現(xiàn)在：

(1)開(kāi)工準(zhǔn)備檢查。系統(tǒng)自動(dòng)識(shí)別現(xiàn)場(chǎng)作業(yè)人員是否召開(kāi)開(kāi)工會(huì)；系統(tǒng)自動(dòng)判斷現(xiàn)場(chǎng)作業(yè)人員是否進(jìn)行風(fēng)速、溫度和濕度的測(cè)量。系統(tǒng)自動(dòng)判斷作業(yè)現(xiàn)場(chǎng)圍欄是否規(guī)范；系統(tǒng)自動(dòng)識(shí)別作業(yè)人員是否正確穿戴安全帽、絕緣防護(hù)服、絕緣防護(hù)手套；系統(tǒng)自動(dòng)識(shí)別作業(yè)人員是否對(duì)絕緣斗臂車添加絕緣墊片、是否可靠接地。

(2)作業(yè)過(guò)程監(jiān)測(cè)。當(dāng)作業(yè)人員進(jìn)行作業(yè)時(shí)，通過(guò)人體關(guān)鍵點(diǎn)識(shí)別系統(tǒng)、帶電體識(shí)別系統(tǒng)和空間位置判斷系統(tǒng)對(duì)作業(yè)人員的身體與帶電體之間的距離進(jìn)行自動(dòng)判斷，及時(shí)進(jìn)行安全距離預(yù)警。

2 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

本項(xiàng)目將激光雷達(dá)與攝像頭圖像相融合，通過(guò)三維點(diǎn)云匹配算法快速建立局部三維場(chǎng)景地圖。然后，利用深度學(xué)習(xí)算法精準(zhǔn)定位目標(biāo)，精準(zhǔn)判斷人體部位和電纜的距離，實(shí)現(xiàn)主動(dòng)預(yù)警功能。之后，構(gòu)建基于慣導(dǎo)系統(tǒng)的運(yùn)動(dòng)誤差補(bǔ)償算法。通過(guò)視頻與數(shù)據(jù)傳輸模塊，建立遠(yuǎn)程動(dòng)態(tài)可視化監(jiān)控系統(tǒng)，實(shí)現(xiàn)實(shí)時(shí)不停電作業(yè)現(xiàn)場(chǎng)監(jiān)控。搭建支持邊緣計(jì)算框架及彈性動(dòng)態(tài)匯聚功能的云服務(wù)系統(tǒng)，實(shí)現(xiàn)分布式、多網(wǎng)格、多傳感器的有效數(shù)據(jù)采集、存儲(chǔ)以及可視化。同時(shí)，利用深度學(xué)習(xí)技術(shù)，通過(guò)作業(yè)人員動(dòng)作識(shí)別和穿戴絕緣防護(hù)用具識(shí)別來(lái)完成不停電作業(yè)全流程安全監(jiān)測(cè)。

2.1 基于人工智能的開(kāi)工準(zhǔn)備檢查

本模塊的目的是實(shí)現(xiàn)在不停電作業(yè)中的開(kāi)工準(zhǔn)備檢查，包括：系統(tǒng)自動(dòng)識(shí)別現(xiàn)場(chǎng)作業(yè)人員是否召開(kāi)開(kāi)工會(huì)；系統(tǒng)自動(dòng)判斷現(xiàn)場(chǎng)作業(yè)人員是否進(jìn)行風(fēng)速、溫度和濕度的測(cè)量。系統(tǒng)自動(dòng)判斷作業(yè)現(xiàn)場(chǎng)圍欄是否正常；系統(tǒng)自動(dòng)識(shí)別作業(yè)人員是否正確穿戴安全帽、絕緣防護(hù)服、絕緣防護(hù)手套；系統(tǒng)自動(dòng)識(shí)別作業(yè)人員是否對(duì)絕緣斗臂車添加絕緣墊片、是否可靠接地。

本項(xiàng)目選擇了YOLO模型作為檢測(cè)基礎(chǔ)模型，聯(lián)合網(wǎng)絡(luò)DensetNet和ResNet的特點(diǎn)，采用遷移學(xué)習(xí)方法構(gòu)建了新型、高效的目標(biāo)識(shí)別網(wǎng)絡(luò)。與傳統(tǒng)檢測(cè)算法相比，它們的主要區(qū)別是傳統(tǒng)檢測(cè)算法把檢測(cè)問(wèn)題劃歸為圖像分類問(wèn)題，整個(gè)檢測(cè)過(guò)程利用的是滑動(dòng)窗口技術(shù)，其原理是首先采用不同的窗口在圖片上以特定步長(zhǎng)滑動(dòng)，然后對(duì)窗口內(nèi)的圖像進(jìn)行分類。但是這種方法存在窗口大小設(shè)置和步長(zhǎng)選擇等問(wèn)題，且計(jì)算量相對(duì)較大，不能夠?qū)崿F(xiàn)快速檢測(cè)。而本項(xiàng)目則將檢測(cè)問(wèn)題劃歸為回歸問(wèn)題，檢測(cè)圖片被劃分為若干單元塊，由各個(gè)單元塊獨(dú)自完成檢測(cè)任務(wù)，分析落在其中心點(diǎn)的目標(biāo)，并給出預(yù)測(cè)類型結(jié)果、邊界框以及置信度等參數(shù)。本項(xiàng)目模型檢測(cè)的優(yōu)點(diǎn)主要有：檢測(cè)速度快，實(shí)時(shí)性強(qiáng)；預(yù)測(cè)時(shí)會(huì)完整分析單位塊內(nèi)整個(gè)圖片信息，沒(méi)有對(duì)網(wǎng)格數(shù)進(jìn)行限制；可以獲得目標(biāo)圖像的普適化特征，泛化能力強(qiáng)。

(1)YOLO算法流程。

YOLO網(wǎng)絡(luò)結(jié)構(gòu)把目標(biāo)分類、目標(biāo)定位結(jié)合在一起，放置于單個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型中。其YOLO作業(yè)過(guò)程如下：

Step1：輸入視頻流圖像，將每幀圖像劃分為M×N個(gè)單元格，從每個(gè)單元格提取得到W個(gè)初始候選框。

Step2：對(duì)W個(gè)初始候選框分別進(jìn)行目標(biāo)識(shí)別，計(jì)算出W個(gè)候選框中存在目標(biāo)的預(yù)測(cè)置信度。若候選框中無(wú)目標(biāo)物體，則候選置信度值為零，若含有目標(biāo)物體，置信度即為預(yù)測(cè)框與真實(shí)框的比值。并對(duì)存在目標(biāo)物體的候選框識(shí)別其目標(biāo)對(duì)象類別。

Step3：候選框中包含了目標(biāo)對(duì)象的置信度和邊界框的位置信息，即YOLO網(wǎng)絡(luò)的輸出向量為(X、Y、W、H、C)，其中X、Y表示相對(duì)預(yù)測(cè)框的中心點(diǎn)坐標(biāo)，W、H分別表示預(yù)測(cè)框的長(zhǎng)和寬，置信度C(confidence)表示的是存在目標(biāo)對(duì)象的候選框?yàn)檎鎸?shí)樣本的概率。

Step4：通過(guò)作業(yè)人員的運(yùn)動(dòng)軌跡解決頭部與身體部位的遮擋問(wèn)題，給出遮擋部位的虛擬的識(shí)別判斷結(jié)果。

Step5：給出全部識(shí)別結(jié)果：是否帶有安全帽、是否穿戴絕緣防護(hù)服以及是否穿戴絕緣防護(hù)手套。

(2)基于YOLO的半監(jiān)督學(xué)習(xí)識(shí)別算法。

基于YOLO的半監(jiān)督學(xué)習(xí)識(shí)別算法，在確保準(zhǔn)確率不變的情況下，使樣本標(biāo)注與收集作業(yè)更加簡(jiǎn)化，同時(shí)提高了小目標(biāo)的準(zhǔn)確率和模型的泛化能力，使其能適用于現(xiàn)場(chǎng)的實(shí)時(shí)識(shí)別。基于YOLO的半監(jiān)督學(xué)習(xí)識(shí)別算法的總框架主要包括以下三個(gè)步驟：

Step1：設(shè)計(jì)作業(yè)人員識(shí)別網(wǎng)絡(luò)與具體網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)是一種級(jí)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)，此過(guò)程由粗到精，這對(duì)捕捉作業(yè)人員未穿戴安全的不安全行為效率有明顯提高，對(duì)于遠(yuǎn)景監(jiān)控鏡頭的小目標(biāo)對(duì)象有比較好的應(yīng)用效果；

Step2：選取大型公共數(shù)據(jù)集和一些真實(shí)施工現(xiàn)場(chǎng)圖像集對(duì)網(wǎng)絡(luò)模型進(jìn)行離線訓(xùn)練，對(duì)網(wǎng)絡(luò)模型的參數(shù)進(jìn)行確定并微調(diào)，進(jìn)而得到一個(gè)泛化模型；

Step3：應(yīng)用半監(jiān)督學(xué)習(xí)方式在線學(xué)習(xí)，增強(qiáng)目標(biāo)單目相機(jī)在一些特定場(chǎng)景下的泛化能力，并分析作業(yè)人員的運(yùn)動(dòng)軌跡處理解決頭部與身體等部位的遮擋問(wèn)題。

2.2 基于人工智能的作業(yè)過(guò)程監(jiān)測(cè)

基于人工智能的作業(yè)過(guò)程監(jiān)測(cè)系統(tǒng)，包括以激光雷達(dá)、高精度慣性傳感器(IMU)和攝像頭為數(shù)據(jù)采集源，通過(guò)人體關(guān)鍵點(diǎn)識(shí)別系統(tǒng)、帶電體識(shí)別系統(tǒng)、數(shù)據(jù)融合系統(tǒng)以及空間位置判斷系統(tǒng)判斷人與帶電體之間的距離，并給出主動(dòng)預(yù)警。

2.2.1 人體關(guān)鍵點(diǎn)識(shí)別系統(tǒng)

人體關(guān)鍵點(diǎn)識(shí)別系統(tǒng)包括人體肢體關(guān)鍵點(diǎn)位置識(shí)別模塊、關(guān)鍵點(diǎn)安全防護(hù)判斷模塊，人體肢體關(guān)鍵點(diǎn)位置識(shí)別模塊接收攝像頭圖像并基于改進(jìn)后的卷積位姿機(jī)網(wǎng)絡(luò)對(duì)人體肢體關(guān)鍵點(diǎn)位置快速識(shí)別。關(guān)鍵點(diǎn)安全防護(hù)判斷模塊接收攝像頭圖像以及人體肢體關(guān)鍵點(diǎn)位置識(shí)別模塊的輸出數(shù)據(jù)，判斷作業(yè)人員是否穿戴安全帽、是否穿戴絕緣防護(hù)服與絕緣防護(hù)手套，其中設(shè)有安全帽識(shí)別模塊、絕緣防護(hù)服和絕緣防護(hù)手套識(shí)別模塊。當(dāng)判斷作業(yè)人員未穿戴安全帽，則會(huì)通過(guò)主動(dòng)預(yù)警系統(tǒng)進(jìn)行報(bào)警。同時(shí)對(duì)作業(yè)人員是否穿戴絕緣防護(hù)服和絕緣防護(hù)手套進(jìn)行檢測(cè)，當(dāng)攝像頭檢測(cè)到不良現(xiàn)象或者作業(yè)人員未穿戴絕緣防護(hù)服和絕緣防護(hù)手套則會(huì)通過(guò)主動(dòng)預(yù)警系統(tǒng)進(jìn)行報(bào)警。本項(xiàng)目通過(guò)設(shè)置人體關(guān)鍵點(diǎn)識(shí)別系統(tǒng)，當(dāng)作業(yè)人員需要進(jìn)行不停電作業(yè)時(shí)，人體關(guān)鍵點(diǎn)識(shí)別系統(tǒng)則會(huì)對(duì)作業(yè)人員的肢體位置進(jìn)行識(shí)別，及時(shí)提醒人員肢體與帶電體之間的距離。

本項(xiàng)目人體關(guān)鍵點(diǎn)識(shí)別系統(tǒng)的人體肢體關(guān)鍵點(diǎn)位置識(shí)別模塊進(jìn)行基于改進(jìn)后的卷積位姿機(jī)網(wǎng)絡(luò)對(duì)人體肢體關(guān)鍵點(diǎn)位置快速識(shí)別。本項(xiàng)目針對(duì)不停電作業(yè)上場(chǎng)景的特殊要求，對(duì)原始的卷積位姿機(jī)網(wǎng)絡(luò)主要做了以下兩點(diǎn)改進(jìn)：

(1)將原卷積位姿機(jī)的六階段網(wǎng)絡(luò)變?yōu)樗碾A段網(wǎng)絡(luò)，有效地減少了網(wǎng)絡(luò)迭代次數(shù)、網(wǎng)絡(luò)參數(shù)量和網(wǎng)絡(luò)模型大小。

(2)原網(wǎng)絡(luò)每一階段的輸入僅來(lái)自于其直接相連的上一階段的輸出和直接從原圖中提取的特征，通過(guò)引入不同階段間的跳躍連接，使得更多的圖像底層細(xì)節(jié)在處理高層細(xì)節(jié)時(shí)得以保留，增強(qiáng)了不同階段間數(shù)據(jù)的共享，提高了網(wǎng)絡(luò)的表達(dá)能力。

改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。其中，中心圖為獲取的攝像頭圖像原圖與高斯函數(shù)模板進(jìn)行卷積操作，生成的中心圖，中心圖池化后為小中心圖。

改進(jìn)后的卷積位姿機(jī)網(wǎng)絡(luò)對(duì)人體肢體關(guān)鍵點(diǎn)位置快速識(shí)別的具體步驟為：

Step1：獲取的攝像頭圖像原圖與高斯函數(shù)模板進(jìn)行卷積操作，生成中心圖。

Step2：中心圖池化為小中心圖，并送入第二、三和四階段網(wǎng)絡(luò)。

Step3：獲取的攝像頭圖像原圖經(jīng)過(guò)MultiBlock_1操作后，送入第二、第三和第四階段網(wǎng)絡(luò)。

Step4：獲取的攝像頭圖像原圖經(jīng)過(guò)MultiBlock_0操作后，送入第二和第三階段網(wǎng)絡(luò)。

Step5：第二階段網(wǎng)絡(luò)操作后的特征數(shù)據(jù)，送入第三和第四階段網(wǎng)絡(luò)。

Step6：在第四階段網(wǎng)絡(luò)，特征數(shù)據(jù)經(jīng)過(guò)匯合后，經(jīng)過(guò)ConvBlock操作后輸出64*64*18的特征數(shù)據(jù)。

圖1 改進(jìn)卷積位姿機(jī)網(wǎng)絡(luò)結(jié)構(gòu)

從圖1可見(jiàn)，改進(jìn)后的網(wǎng)絡(luò)共有四個(gè)階段，第三、第四階段網(wǎng)絡(luò)的輸入來(lái)源除了MultiBlock_1、小中心圖和直接與其相連的第二、第三階段外，還分別有來(lái)自第一、第二階段的輸出。這樣的四階段跳躍連接設(shè)計(jì)結(jié)構(gòu)使得在不損失太多原卷積位姿機(jī)檢測(cè)性能的基礎(chǔ)上實(shí)現(xiàn)了原網(wǎng)絡(luò)的簡(jiǎn)化，有效減少了網(wǎng)絡(luò)迭代次數(shù)、網(wǎng)絡(luò)參數(shù)量和網(wǎng)絡(luò)模型大小，以滿足不停電作業(yè)對(duì)實(shí)時(shí)性的要求。

2.2.2 帶電體識(shí)別系統(tǒng)

帶電體識(shí)別系統(tǒng)包括帶電體圖像識(shí)別模塊和帶電體測(cè)量?jī)x器，帶電體圖像識(shí)別模塊通過(guò)人工智能神經(jīng)網(wǎng)絡(luò)對(duì)帶電體進(jìn)行語(yǔ)義分割和識(shí)別并結(jié)合帶電體測(cè)量?jī)x器輔助判斷其是否帶電。

帶電體識(shí)別系統(tǒng)首先通過(guò)人工智能神經(jīng)網(wǎng)絡(luò)對(duì)帶電體進(jìn)行語(yǔ)義分割和識(shí)別，然后帶電體測(cè)量?jī)x器輔助判斷其是否帶電。本項(xiàng)目使用Mask RCNN[19]進(jìn)行帶電體的語(yǔ)義分割識(shí)別。通過(guò)設(shè)置帶電體識(shí)別系統(tǒng)，當(dāng)作業(yè)人員需要不停電作業(yè)時(shí)，在帶電體識(shí)別系統(tǒng)的配合下，從而得以對(duì)帶電體位置進(jìn)行判斷。后期空間位置判斷系統(tǒng)結(jié)合激光雷達(dá)產(chǎn)生的空間位置點(diǎn)云數(shù)據(jù)，計(jì)算得出帶電體的空間位置信息，及時(shí)對(duì)人員肢體與帶電體之間的距離進(jìn)行預(yù)警，以避免不停電作業(yè)人員的安全隱患，提高了不停電作業(yè)的安全性。

2.2.3 數(shù)據(jù)融合系統(tǒng)

激光雷達(dá)與攝像頭數(shù)據(jù)融合，其實(shí)相當(dāng)于是激光雷達(dá)發(fā)揮激光雷達(dá)的優(yōu)勢(shì)，攝像頭發(fā)揮攝像頭的優(yōu)勢(shì)。激光雷達(dá)能獲取點(diǎn)云位置信息，攝像頭能獲取更豐富的細(xì)節(jié)信息。本項(xiàng)目考慮融合激光雷達(dá)、攝像頭和高精度慣性傳感器進(jìn)行高精度空間位置的定位。數(shù)據(jù)融合系統(tǒng)獲取攝像頭與激光雷達(dá)位置內(nèi)參和外參，將點(diǎn)云三維坐標(biāo)系下的點(diǎn)投影到相機(jī)三維坐標(biāo)系下，通過(guò)建立點(diǎn)云和圖像像素點(diǎn)之間的對(duì)應(yīng)關(guān)系，實(shí)現(xiàn)激光雷達(dá)與攝像頭的融合。實(shí)際施工現(xiàn)場(chǎng)會(huì)出現(xiàn)工程車輛抖動(dòng)、作業(yè)斗抖動(dòng)、人體運(yùn)動(dòng)抖動(dòng)和裝置碰撞的情況，對(duì)定位準(zhǔn)確性影響較大。為了增加空間位置數(shù)據(jù)的精度，本項(xiàng)目結(jié)合慣性傳感器數(shù)據(jù)對(duì)激光雷達(dá)-攝像頭融合數(shù)據(jù)進(jìn)一步補(bǔ)償運(yùn)動(dòng)誤差。

2.2.4 空間位置判斷系統(tǒng)

空間位置判斷系統(tǒng)分別通過(guò)攝像頭、激光雷達(dá)以及慣性傳感器并經(jīng)人體關(guān)鍵點(diǎn)識(shí)別系統(tǒng)、帶電體識(shí)別系統(tǒng)、數(shù)據(jù)融合系統(tǒng)獲取帶電體空間位置以及作用人員空間位置，判斷空間位置是否正常。

人體關(guān)鍵點(diǎn)識(shí)別系統(tǒng)、帶電體識(shí)別系統(tǒng)以及空間位置判斷系統(tǒng)均與主動(dòng)預(yù)警系統(tǒng)連接，分別用于控制主動(dòng)預(yù)警系統(tǒng)進(jìn)行報(bào)警。

3 測(cè)試及結(jié)果分析

目前項(xiàng)目已開(kāi)始在淮安市不停電作業(yè)中心試點(diǎn)應(yīng)用，實(shí)現(xiàn)了20次現(xiàn)場(chǎng)作業(yè)的全流程安全監(jiān)測(cè)與預(yù)警，規(guī)避了2次危險(xiǎn)作業(yè)風(fēng)險(xiǎn)。使得作業(yè)人員作業(yè)更加規(guī)范，更加安全。

通過(guò)現(xiàn)場(chǎng)實(shí)地實(shí)驗(yàn)，本項(xiàng)目可實(shí)現(xiàn)不停電作業(yè)全流程管控智能化；通過(guò)人體關(guān)鍵點(diǎn)監(jiān)測(cè)系統(tǒng)可以判斷作業(yè)前是否進(jìn)行開(kāi)工會(huì)及天氣檢測(cè)，保證作業(yè)前準(zhǔn)備工作全部進(jìn)行(如圖2所示)；通過(guò)作業(yè)人員穿戴絕緣防護(hù)用具檢查系統(tǒng)可以保證作業(yè)人員進(jìn)行不停電作業(yè)前穿戴好全套的絕緣防護(hù)用具，當(dāng)系統(tǒng)檢測(cè)帶工作人員為穿戴相應(yīng)的絕緣防護(hù)用具時(shí)，系統(tǒng)會(huì)通過(guò)語(yǔ)音提示其穿戴相應(yīng)絕緣防護(hù)用具(如圖3和圖4所示)；通過(guò)安全距離監(jiān)測(cè)及預(yù)警系統(tǒng)可以保證工作人員進(jìn)行不停電作業(yè)時(shí)與帶電體(如圖5所示)保持安全距離，當(dāng)工作距離接近安全距離時(shí)，系統(tǒng)會(huì)進(jìn)行語(yǔ)音提示，保證工作人員的安全。

圖2 開(kāi)工會(huì)檢測(cè)

圖3 安全帽檢測(cè)

圖4 斗臂車絕緣墊片檢測(cè)

圖5 安全距離監(jiān)測(cè)及預(yù)警中的帶電體與接地體識(shí)別結(jié)果 (左圖為相機(jī)獲取數(shù)據(jù)，右圖為文中方法對(duì)帶電體與接地體識(shí)別結(jié)果)

4 結(jié)束語(yǔ)

針對(duì)目前在不停電作業(yè)過(guò)程中存在的安全監(jiān)控及預(yù)警手段和方法缺乏問(wèn)題，提出了基于人工智能的不停電作業(yè)全流程安全監(jiān)測(cè)與安全預(yù)警系統(tǒng)，實(shí)現(xiàn)了不停電作業(yè)流程管控智能化，開(kāi)工準(zhǔn)備檢查和作業(yè)過(guò)程監(jiān)測(cè)。