電力工程現場行為違規視覺AI識別算法研究
王為強，邵波
(國能電力技術工程有限公司，山東 濟南 250101)
摘 要 ：在電力工程現場中，圖像質量常因復雜環境干擾而降低，且單一特征難以全面描述行為， 加上行為模式復雜多變，導致傳統方法識別違規行為時存在較大誤差。提出了電力工程現場行為違規視 覺 AI 識別算法研究。搭建機器視覺系統，采集圖像后用雙邊濾波處理，在降噪同時保留圖像細節。通 過邊緣檢測提取輪廓特征，光流法提取運動特征，構建多維度特征向量。設計多層次行為違規視覺 AI 識別模型，輸入特征向量，經隱藏層非線性變換、違規行為分類層映射，輸出層判別輸出結果，實現自 動識別。測試結果表明，該算法在所有 6 類違規行為類型的樣本中漏判率極低，mAP 值均達到了 0.98 以 上，幀率達到 60 f/s，具有實時、高精度的應用性能。
關鍵詞 ： 電力工程現場 ：行為違規 ；視覺 AI 識別算法 ；機器視覺系統
中圖分類號 ：TM71 ；TP391.41 文獻標識碼 ：A 文章編號 ：1007-3175(2025)11-0061-05
Research on Visual AI Recognition Algorithm for Behavior Violations of Power Engineering Site
WANG Wei-qiang, SHAO Bo
（Guoneng Electric Power Technology Engineering Co., Ltd, Jinan 250101, China）
Abstract: In power engineering sites, image quality is often reduced due to complex environmental interference, and a single feature is difficult to fully describe behavior. Moreover, the behavior patterns are complex and varied, leading to significant errors in traditional methods for identifying violations. Therefore, a research on visual AI recognition algorithm for violations of on-site behavior in power engineering has been proposed. Build a machine vision system that processes captured images using bilateral filtering to reduce noise while preserving image details. Extracting contour features through edge detection and motion features via optical flow methods to construct a multi-dimensional feature vector. Designing a multi-level behavior violation visual AI recognition model, inputting feature vectors, the nonlinear transformation through hidden layers, violation behavior classification layer mapping, output layer discrimination output results, and achieve automatic recognition. The test results show that the algorithm has an extremely low false positive rate among all six types of violations, with mAP values above 0.98 and the frame rate per second reaches 60 f/s, demonstrating real-time and high-precision application performance.
Key words: power engineering site; behavior violation; visual AI recognition algorithm; machine vision system
參考文獻
[1] 閆云鳳，陳汐，金浩遠，等. 基于計算機視覺的電力作業人員行為分析研究現狀與展望 [J]. 高電壓技術，2024，50(5)：1842-1854.
[2] 賀洲強，夏天，陳亮，等. 基于高精度機器視覺的電力違規作業動作監控識別算法設計 [J]. 電子設計工 程，2023，31(15)：145-149.
[3] 張永敏，劉勝男，易玲，等 . 基于濾波的電力計量系統分流竊電行為動態識別方法 [J]. 機械設計與制造工程，2024，53(3)：129-132.
[4] 衛雅婧，劉樹成，李立軍，等 . 新能源電力工程管理現狀及對策[J]. 電站系統工程，2023，39(1) ：75-76.
[5] 李飛，陳童 . 考慮多種攻擊策略的國防工程電力系統網架生存性評估[J]. 計算機科學，2024，51( z1)： 1121-1128.
[6] 郭禹伶，左曉軍，崔景洋，等 . 基于模糊聚類的多類簇歸屬電力實體行為異常檢測算法 [J]. 河北科技大學 學報，2022，43(5)：528-537.
[7] 章家威，李昊冉，羅天慧，等 . 融合多組雙目視覺系統的管道尺寸測量技術研究 [J]. 電子測量技術， 2023，46(6)：137-146.
[8] 薛斌斌，高文俊，張偉 . 基于邊緣計算的電力施工現場違規行為告警[J]. 信息技術，2023，47(7)：162-166.
[9] 房方，呂游，師瑞峰 . 基于多維度培養質量評價的電力特色自動化類專業工程人才培養改革實踐[J]. 中國 電機工程學報，2023，43(23)：9352-9361.
[10] 馮興龍，吳田，萬亞旭，等 . 基于人-物交互關系檢測的帶電作業人員行為識別方法研究 [J]. 中國安全生 產科學技術，2024，20(9) ：205-211.
[11] 趙連斌，張鋒，楊輝 . 基于改進卷積神經網絡算法的違規作業行為檢測 [J]. 電子設計工程，2023， 31(21) ：141-145.
[12] 莊陵，劉瑩，宋詩葦 . 具有系數相關性的可變分 時延濾波器設計方法[J]. 通信學報，2024，45(4)： 137-145.
[13] 劉士利，呂東建，張飛 . 斷路器并聯動態合閘電阻對濾波器合閘涌流的抑制效能研究[J]. 電網技術， 2024，48(9)：3931-3937.
[14] 鄧建新，黃秋林，袁邦頤，等 . 基于邊緣重構圖像的邊緣檢測算法優選研究[J]. 機電工程，2023， 40(9)：1441-1448.
[15] 鄭恩壯，鐘寶江 . 各向異性的多尺度邊緣檢測算法[J]. 激光與光電子學進展，2022，59(4)：274-282.
[16] 江友華，葉夢豆，趙樂，等 . 基于seq2seq和SVM雙層融合的非侵入式用戶異常行為檢測 [J]. 計算機應用 與軟件，2024，41(9)：97-105.
[17] 鐵富珍 . 基于改進光流法的視頻監控中人群異常行為檢測算法 [J]. 現代電子技術，2024，47(7)：45-48.
[18] 陳辛，楊江濤，許新云 . 基于光流法優化的人群異常行為檢測研究[J]. 現代電子技術，2023，46(12)： 168-174.
[19] 楊樂，郭一鳴，霍勇博，等 . 改進YOLOv5在電力生產違規穿戴檢測中的應用[J]. 電力系統保護與控制， 2023，51(14)：160-168.
[20] 王梓歌，葛利躍，陳震，等 . 聯合深度超參數卷積和 交叉關聯注意力的大位移光流估計[J]. 自動化學報， 2024，50(8)：1631-1645.
[21] 王思遠，劉元坤，于馨 . 基于光流像素匹配的掃描顯微相位測量輪廓術[J]. 光電工程，2024，51(11)： 36-46.
[22] 姜文濤，陳霖霖，張晟翀 . 正態隨機仿射變換的圖像數據增強方法[J]. 計算機工程與應用，2024， 60(23)：176-186.
[23] 白玉，胡旋，耿世松 . 衛星圖像數據高速傳輸與處理系統的設計與驗證[J]. 電訊技術，2024，64(2)： 215-221.
[24] 王小君，竇嘉銘，劉曌，等 . 可解釋人工智能在電力系統中的應用綜述與展望[J]. 電力系統自動化， 2024，48(4)：169-191.
[25] 王春妍，盧達，李賀龍，等 . 考慮電力市場化交易的電碳表計量及實現方法研究[J]. 電網技術，2024， 48(6) ：2297-2306.
[26] 趙恒，胡勝男，徐進霞，等 . 基于DBN-SVM的電力智慧工地異常行為識別[J]. 自動化與儀器儀表， 2023(5)：92-95.
