[1]陈学台,欧郁强,李 敏,等.基于 YOLOv5 及深度神经网络的电力智慧安监算法[J].机械与电子,2024,42(12):37-42.
　CHEN Xuetai,OU Yuqiang,LI Min,et al.The Intelligent Safety Monitoring Algorithm for Substations Based on YOLOv5 and Deep Neural Networks[J].Machinery & Electronics,2024,42(12):37-42.
点击复制

基于 YOLOv5 及深度神经网络的电力智慧安监算法()
分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

卷:
42
期数:
2024年12期
页码:
37-42
栏目:
智能制造
出版日期:
2024-12-24

文章信息/Info

Title:
The Intelligent Safety Monitoring Algorithm for Substations Based on YOLOv5 and Deep Neural Networks
文章编号:
1001-2257 ( 2024 ) 12-0037-06
作者:
陈学台 1 ; 欧郁强 2 ; 李 敏 2 ; 许镇宇 1 ; 黄观荣 1
1. 广东电网有限责任公司湛江供电局,广东 湛江 524300 ;
2. 广东电网有限责任公司,广东 广州 510000
Author(s):
CHEN Xuetai1 ;  OU Yuqiang2 ;  LI Min2 ;  XU Zhenyu1 ;  HUANG Guanrong1
( 1.Zhanjiang Power Supply Bureau , Guangdong Power Grid Co. , Ltd. , Zhanjiang 524300 , China ;
2.Guangdong Power Grid Co. , Ltd. , Guangzhou 510000 , China )
关键词:
YOLOv5 ; 深度神经网络; 变电站安监; 安监算法
Keywords:
YOLOv5 ;  deep neural networks ;  substation safety monitoring ;  safety monitoring algorithm
分类号:
TM76 ; TP181
文献标志码:
A
摘要:
为解决电力安全监视的挑战,提出一种基于 YOLOv5 和深度神经网络的电力智慧安监算法。首先,分析了电力安全监视的需求和挑战,明确了问题的关键点;接着,介绍了采用的方法,包括深度学习算法结合EfficientDet 模型和基于 YOLOv5 的目标检测模型;然后,描述了实验结果,证明了所提算法在安全帽、安全带、工作服和围栏识别方面的有效性;最后,综合分析了实验结果。实验结果表明,所提算法能够有效应对电力安全监视的需求,提高了电力系统的安全性和智能化水平,具有重要的实际应用价值和推广前景。
Abstract:
To address the challenges of power safety monitoring , a power intelligent safety monitoring algorithm based on YOLOv5 and deep neural networks is proposed.Firstly , the demands and challenges of power safety monitoring are analyzed , and the key issues are pinpointed ; subsequently , the methods employed are introduced , including the combination of deep learning algorithms with the EfficientDet model and a target detection model based on YOLOv5 ; next , the experimental results are described , demonstrating the effectiveness of the proposed algorithm in identifying safety helmets , safety belts , work clothes , and fences ; finally , a comprehensive analysis of the experimental results leads to the conclusion that the proposed algorithm effectively addresses the requirements of power safety monitoring , thereby enhancing the safety and intelligence of the power system , and presenting significant practical value and promising prospects for further application.

参考文献/References:

[ 1 ] 王桂林,康继光,向佳霓,等 . 基于图像识别与边缘计算的电力作业智能安监技术研究[ J ] . 电子设计工程,2023 , 31 ( 22 ): 182-186.

[ 2 ] 郭敬东,李晓林 . 面向电力智能安监的极低分辨率目标检测算法[ J ] . 计算机工程与设计, 2020 , 41 ( 11 ): 3188-3192.
[ 3 ] 李兰亭,丘志强 . 融合云边端协同技术的电力现场作业智能化安全管控应用与实践[ J ] . 电子元器件与信息技术,2023 , 7 ( 11 ): 122-125.
[ 4 ] 李德利,杨丹,任亚群 . 建设工程智慧安监应用现状及改进分析[ J ] . 智能城市, 2023 , 9 ( 6 ): 54-56.
[ 5 ] 叶晓琪,程晓陆,高超,等 . 基于人工智能技术的智慧安监装置研制[ J ] . 机电信息, 2021 ( 15 ): 61-62.
[ 6 ] 张宇泽,张心洁,刘宪栩,等 . 基于竞争神经网络的变电站集中监控全面监视周期分类方法[ J ] . 四川电力技术,2020 , 43 ( 6 ): 11-15.
[ 7 ] YAN K , LI Q J , LI H , et al.Deep learning-based substation remote construction management and AI automatic violation detection system [ J ] .IET Generation , transmission and distribution , 2022 , 16 ( 9 ): 1714-1726.
[ 8 ] 赵伟达,陈海文,郭陆阳,等 . 基于 YOLO-E 与改进 OCRNet 图像分割的变电站仪表读数自适应识别方法[ J ] . 电力建设, 2023 , 44 ( 11 ): 75-85.
[ 9 ] 施保华,井任月,杨超,等 . 用于变电站保护压板状态识别的增强 YOLO 网络[ J ] . 电力系统保护与控制, 2021 ,49 ( 23 ): 163-170.
[ 10 ] AHMADIAN S , EBRAHIMI S , MALKI H.Cyber security enhancement of smart grid ’s substation using object ’s distance estimation in surveillance cameras [ C ] ∥2021 IEEE 11th Annual Computing and Communication Workshop and Conference ( CCWC ) . New York : IEEE , 2021 : 0631-0636.
[ 11 ] 华泽玺,施会斌,罗彦,等 . 基于轻量级 YOLO-v4 模型的变电站数字仪表检测识别[ J ] . 西南交通大学学报,2024 , 59 ( 1 ): 70-80.
[ 12 ] 何蕾,葛鑫,郝晨煜,等 . 基于 YOLO-v5 的变电站作业人员着装规范性识别[ J ] . 电力大数据, 2021 , 24 ( 10 ): 1-8.
[ 13 ] 黄虎,王青云,周琦 . 基于 YOLO v3 的变电站作业安全帽佩戴识别[ J ] . 南京工程学院学报(自然科学版),2020 , 18 ( 3 ): 37-41.
[ 14 ] 尚浩然,王丁丑 . 基于深度学习的变电站继电保护系统故障诊断与预测[ J ] . 电气技术与经济, 2023 ( 9 ): 168-170.

备注/Memo

备注/Memo:
收稿日期: 2024-03-04
基金项目:南方电网公司科技项目资助( 030800KK52220003 )
作者简介:陈学台 ( 1984- ),男,广东湛江人,学士,高级工程师,研究方向为电网智慧化安全监管技术装备。
更新日期/Last Update: 2025-01-13