基于AI边缘深度算法视频分析装置的电力场景异常识别技术研究

• 作者: 王浩 王功臣 娄德章 刘永 张乐 付娟娟
• 来源期刊: 电力大数据
• 学科: 工学
• 关键词: 视频监控 边缘计算 卷积神经网络 电力场景 智能识别
• 年，卷（期）: 2021,（11）
• 所属期刊栏目: 大数据专题|Big Data Special Reports
• 页码范围: 1-8
• 页数: 8页
• 分类号: TM63
• 语种: 中文

摘要

针对现有变电站视频监控系统人工巡视模式效率低下的问题,本文基于AI边缘计算技术建立变电站视频深度学习识别模型,构建了适用于变电站现场的电力专用视频智能识别计算单元,采用卷积神经网络算法实现了"烟火""安全帽""异物""画面质量"四大电力定制场景的融合识别,形成"现场视频分析装置+主站云分析平台"的"云-边"协同视频智能分析系统.在云端构服务器实现对现场上传识别结果的二次深度分析,并通过主站样本库积累及反向传输机制使装置具备持续学习的能力.试运行阶段的实际数据表明,四大场景平均识别准确达到90％以上,系统实现了变电站视频画面内容的自动识别,极大提高变电站视频监控的质量和效率,具有很强的实用价值和推广价值.