基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着电网建设的高速发展,作业现场技术支撑人员规模不断扩大.电力现场属于高危作业场所,违规穿戴安全防护用品将会严重危及作业人员的人身安全,为了改善传统人工监管方式效率低下的问题,本文采用实时深度学习算法进行违规穿戴行为检测.检测模型结合实时目标检测网络YOLOv3和Self-Attention机制,借鉴DANet结构,在YOLOv3网络高层嵌入自注意力模块,更好地挖掘和学习特征位置和通道关系.实验结果表明,该模型在违规穿戴检测任务中mAP达到了94.58%,Recall达到了96.67%,与YOLOv3相比,mAP提高了12.66%,Recall提高了2.69%,显著提高模型的精度,可以满足任务的检测需求,提升了电网智能化水平.
推荐文章
变电站作业现场安全智能管控技术研究
人工智能
安全管控
神经网络
变电站作业
冶金企业智能电力调度技术研究与展望
虚拟电厂
态势感知
智能运维
电网运行驾驶舱
知识决策分析
基于Self-Attention模型的机器翻译系统
神经机器翻译
Seq2Seq框架
注意力机制
Self-Attention模型
地下电力电缆故障检测技术研究
电力电缆
故障
测距
在线监测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 引入Self-Attention的电力作业违规穿戴智能检测技术研究
来源期刊 计算机与现代化 学科 工学
关键词 电力作业 违规穿戴 YOLOv3技术 Self-Attention机制 目标检测
年,卷(期) 2020,(2) 所属期刊栏目 图像处理
研究方向 页码范围 115-121
页数 7页 分类号 TP391
字数 5345字 语种 中文
DOI 10.3969/j.issn.1006-2475.2020.02.023
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吴克河 华北电力大学控制与计算机工程学院 47 410 12.0 19.0
2 莫蓓蓓 华北电力大学控制与计算机工程学院 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (63)
共引文献  (45)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2014(5)
  • 参考文献(0)
  • 二级参考文献(5)
2015(19)
  • 参考文献(0)
  • 二级参考文献(19)
2016(10)
  • 参考文献(1)
  • 二级参考文献(9)
2017(7)
  • 参考文献(2)
  • 二级参考文献(5)
2018(13)
  • 参考文献(2)
  • 二级参考文献(11)
2019(4)
  • 参考文献(4)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
电力作业
违规穿戴
YOLOv3技术
Self-Attention机制
目标检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
论文1v1指导