本发明涉及配电网作业安全管控,具体涉及一种作业安全风险评估方法、装置、计算机设备及介质。
背景技术:
1、配电网点多面广,总体来说单体规模小、开工数量多,同时,配电网作业人员的作业水平差异性较大,存在习惯性作业违规等状况,安全管理多依托人工方式开展,耗时耗力,亟需依托数字化手段提升配电网质量安全管理水平。
2、在配电网领域,目前多采用云台监控、执法仪、手机拍摄等方式,采集现场图像数据,根据配电网安全监督管理体系完善,已累计形成丰富的图像数据样本,但未能充分利用图像历史数据价值,利用先进技术手段,支撑配电网安全高质量建设。配电网图像数据的应用存在四方面突出问题:图像数据管理不规范、复杂背景图像处理难、图像数据识别准确性低、图像数据价值发掘不足。
3、当前,已有的研究多围绕作业人员的行为识别开展,有效提高了安全监督管理的水平,但未能形成安全防护、安全管控的成套产品,从识别预防、装置防护两方面全面保护配网工程作业人员的人身安全,因此亟需从智能识别算法、穿戴装置入手,形成配网工程作业安全防护与管控识别算法、系统及设备。
技术实现思路
1、为了克服上述缺陷,本发明提出了一种作业安全风险评估方法、装置、计算机设备及介质。
2、第一方面,提供一种作业安全风险评估方法,所述作业安全风险评估方法包括:
3、获取预先构建的配网工程作业风险三层级自适应量化评估体系中各层评价指标的量化值;
4、基于所述各层评价指标的量化值及所述各层评价指标的权重系数确定配网工程作业风险评价值;
5、其中,所述各层评价指标的权重系数基于层次分析法获取。
6、优选的,所述预先构建的配网工程作业风险三层级自适应量化评估体系为三层指标体系,第一层为风险体系量化评估指标,第二层包含作业人员行为风险指标、环境风险指标、安全防护风险指标;
7、所述作业人员行为风险指标对应的第三层评价指标包括:风险行为指标1、风险行为指标2、风险行为指标3、风险行为指标4、风险行为指标5、风险行为指标6、风险行为指标7、风险行为指标8;
8、所述环境风险指标对应的第三层评价指标包括:温湿度归一化值、风力等级归一化值、电场分布归一化值;
9、所述安全防护风险指标对应的第三层评价指标包括:安全防护指标1、安全防护指标2、安全防护指标3、安全防护指标4。
10、进一步的,所述获取预先构建的配网工程作业风险三层级自适应量化评估体系中各层评价指标的量化值,包括:
11、若配电网作业现场存在高空抛物行为,则风险行为指标1的量化值为1,否则,风险行为指标1的量化值为0;
12、若配电网作业现场存在跨越围栏行为,则风险行为指标2的量化值为1,否则,风险行为指标2的量化值为0;
13、若配电网作业现场存在无专人看守现象,则风险行为指标3的量化值为1,否则,风险行为指标3的量化值为0;
14、若配电网作业现场存在梯上作业无人扶梯行为,则风险行为指标4的量化值为1,否则,风险行为指标4的量化值为0;
15、若配电网作业现场存在安全距离不足现象,则风险行为指标5的量化值为1,否则,风险行为指标5的量化值为0;
16、若配电网作业现场存在接地线安装安全措施不到位现象,则风险行为指标6的量化值为1,否则,风险行为指标6的量化值为0;
17、若配电网作业现场存在杆塔作业保护措施缺失现象,则风险行为指标7的量化值为1,否则,风险行为指标7的量化值为0;
18、若配电网作业现场存在吊车下站人现象,则风险行为指标8的量化值为1,否则,风险行为指标8的量化值为0。
19、进一步的,所述方法包括:
20、基于配电网作业场景的视频数据,采用目标检测算法或图像分割算法识别配电网作业场景中的配电网作业人员;
21、提取配电网作业人员的人体节点,并通过聚类算法将所述人体节点划分为多类人体关键点,并将多类人体关键点的聚类中心作为配电网作业人员的人体关键点;
22、将配电网作业人员的人体关键点作为预先训练的神经网络模型的输入,得到预先训练的神经网络模型输出的配电网作业人员违规行为识别结果;
23、所述配电网作业人员违规行为包括:高空抛物行为、跨越围栏行为、无专人看守现象、梯上作业无人扶梯行为、安全距离不足现象、接地线安装安全措施不到位现象、杆塔作业保护措施缺失现象、吊车下站人现象;
24、所述多类人体关键点包括:鼻子节点,嘴节点,左右眼节点,左右耳节点,左右肩节点,左右肘节点,左右腕节点,左右臀节点,左右膝节点,左右脚踝节点。
25、进一步的,所述预先训练的神经网络模型的训练过程包括:
26、利用配电网作业人员的人体关键点及其对应的配电网作业人员违规行为识别结果向量建立训练数据;
27、利用所述训练数据训练预先构建的神经网络模型;
28、其中,所述配电网作业人员的人体关键点对应的配电网作业人员违规行为识别结果向量为0和1组成的向量。
29、进一步的,所述获取预先构建的配网工程作业风险三层级自适应量化评估体系中各层评价指标的量化值,包括:
30、若配电网作业人员未佩戴安全帽,则安全防护指标1的量化值为1,否则,安全防护指标1的量化值为0;
31、若配电网作业人员未穿着工服,则安全防护指标2的量化值为1,否则,安全防护指标2的量化值为0;
32、若配电网作业人员未佩戴绝缘手套,则安全防护指标3的量化值为1,否则,安全防护指标3的量化值为0;
33、若配电网作业人员未进行验电操作,则安全防护指标4的量化值为1,否则,安全防护指标4的量化值为0。
34、进一步的,通过智能安全帽检测配电网作业人员是否佩戴安全帽;
35、通过智能安全背心检测配电网作业人员是否穿着工服;
36、通过智能安全手套检测配电网作业人员是否佩戴绝缘手套;
37、通过智能验电杆检测配电网作业人员是否进行验电操作。
38、优选的,所述基于所述各层评价指标的量化值及所述各层评价指标的权重系数确定配网工程作业风险评价值,包括:
39、按下式确定所述配网工程作业风险评价值w:
40、w=[w1,w2,w3][ω1,ω2,ω3]t
41、上式中,w1,w2,w3为预先构建的配网工程作业风险三层级自适应量化评估体系中第1、2、3个二层评价指标的量化值,ω1,ω2,ω3为预先构建的配网工程作业风险三层级自适应量化评估体系中第1、2、3个二层评价指标的权重系数,t为转置符号;
42、其中,所述预先构建的配网工程作业风险三层级自适应量化评估体系中第1、2、3个二层评价指标的量化值如下:
43、令i=1、2、3,按下式确定预先构建的配网工程作业风险三层级自适应量化评估体系中第i个二层评价指标的量化值wi:
44、wi=[wi1,wi2,...,wij][ωi1,ωi2,...,ωij]t
45、上式中,wij为预先构建的配网工程作业风险三层级自适应量化评估体系中第i个二层评价指标对应的第j个三层评价指标的量化值,ωij为预先构建的配网工程作业风险三层级自适应量化评估体系中第i个二层评价指标对应的第j个三层评价指标的权重系数。
46、优选的,所述基于所述各层评价指标的量化值及所述各层评价指标的权重系数确定配网工程作业风险评价值之后,包括:
47、当所述配网工程作业风险评价值超过预设值时,发出声光告警。
48、第二方面,提供一种作业安全风险评估装置,所述作业安全风险评估装置包括:
49、获取模块,用于获取预先构建的配网工程作业风险三层级自适应量化评估体系中各层评价指标的量化值;
50、评估模块,用于基于所述各层评价指标的量化值及所述各层评价指标的权重系数确定配网工程作业风险评价值;
51、其中,所述各层评价指标的权重系数基于层次分析法获取。
52、优选的,所述预先构建的配网工程作业风险三层级自适应量化评估体系为三层指标体系,第一层为风险体系量化评估指标,第二层包含作业人员行为风险指标、环境风险指标、安全防护风险指标;
53、所述作业人员行为风险指标对应的第三层评价指标包括:风险行为指标1、风险行为指标2、风险行为指标3、风险行为指标4、风险行为指标5、风险行为指标6、风险行为指标7、风险行为指标8;
54、所述环境风险指标对应的第三层评价指标包括:温湿度归一化值、风力等级归一化值、电场分布归一化值;
55、所述安全防护风险指标对应的第三层评价指标包括:安全防护指标1、安全防护指标2、安全防护指标3、安全防护指标4。
56、进一步的,所述获取模块具体用于:
57、若配电网作业现场存在高空抛物行为,则风险行为指标1的量化值为1,否则,风险行为指标1的量化值为0;
58、若配电网作业现场存在跨越围栏行为,则风险行为指标2的量化值为1,否则,风险行为指标2的量化值为0;
59、若配电网作业现场存在无专人看守现象,则风险行为指标3的量化值为1,否则,风险行为指标3的量化值为0;
60、若配电网作业现场存在梯上作业无人扶梯行为,则风险行为指标4的量化值为1,否则,风险行为指标4的量化值为0;
61、若配电网作业现场存在安全距离不足现象,则风险行为指标5的量化值为1,否则,风险行为指标5的量化值为0;
62、若配电网作业现场存在接地线安装安全措施不到位现象,则风险行为指标6的量化值为1,否则,风险行为指标6的量化值为0;
63、若配电网作业现场存在杆塔作业保护措施缺失现象,则风险行为指标7的量化值为1,否则,风险行为指标7的量化值为0;
64、若配电网作业现场存在吊车下站人现象,则风险行为指标8的量化值为1,否则,风险行为指标8的量化值为0。
65、进一步的,所述装置包括:
66、第一分析模块,用于基于配电网作业场景的视频数据,采用目标检测算法或图像分割算法识别配电网作业场景中的配电网作业人员;
67、第二分析模块,用于提取配电网作业人员的人体节点,并通过聚类算法将所述人体节点划分为多类人体关键点,并将多类人体关键点的聚类中心作为配电网作业人员的人体关键点;
68、第三分析模块,用于将配电网作业人员的人体关键点作为预先训练的神经网络模型的输入,得到预先训练的神经网络模型输出的配电网作业人员违规行为识别结果;
69、所述配电网作业人员违规行为包括:高空抛物行为、跨越围栏行为、无专人看守现象、梯上作业无人扶梯行为、安全距离不足现象、接地线安装安全措施不到位现象、杆塔作业保护措施缺失现象、吊车下站人现象;
70、所述多类人体关键点包括:鼻子节点,嘴节点,左右眼节点,左右耳节点,左右肩节点,左右肘节点,左右腕节点,左右臀节点,左右膝节点,左右脚踝节点。
71、进一步的,所述预先训练的神经网络模型的训练过程包括:
72、利用配电网作业人员的人体关键点及其对应的配电网作业人员违规行为识别结果向量建立训练数据;
73、利用所述训练数据训练预先构建的神经网络模型;
74、其中,所述配电网作业人员的人体关键点对应的配电网作业人员违规行为识别结果向量为0和1组成的向量。
75、进一步的,所述获取模块具体用于:
76、若配电网作业人员未佩戴安全帽,则安全防护指标1的量化值为1,否则,安全防护指标1的量化值为0;
77、若配电网作业人员未穿着工服,则安全防护指标2的量化值为1,否则,安全防护指标2的量化值为0;
78、若配电网作业人员未佩戴绝缘手套,则安全防护指标3的量化值为1,否则,安全防护指标3的量化值为0;
79、若配电网作业人员未进行验电操作,则安全防护指标4的量化值为1,否则,安全防护指标4的量化值为0。
80、进一步的,通过智能安全帽检测配电网作业人员是否佩戴安全帽;
81、通过智能安全背心检测配电网作业人员是否穿着工服;
82、通过智能安全手套检测配电网作业人员是否佩戴绝缘手套;
83、通过智能验电杆检测配电网作业人员是否进行验电操作。
84、优选的,所述评估模块具体用于:
85、按下式确定所述配网工程作业风险评价值w:
86、w=[w1,w2,w3][ω1,ω2,ω3]t
87、上式中,w1,w2,w3为预先构建的配网工程作业风险三层级自适应量化评估体系中第1、2、3个二层评价指标的量化值,ω1,ω2,ω3为预先构建的配网工程作业风险三层级自适应量化评估体系中第1、2、3个二层评价指标的权重系数,t为转置符号;
88、其中,所述预先构建的配网工程作业风险三层级自适应量化评估体系中第1、2、3个二层评价指标的量化值如下:
89、令i=1、2、3,按下式确定预先构建的配网工程作业风险三层级自适应量化评估体系中第i个二层评价指标的量化值wi:
90、wi=[wi1,wi2,...,wij][ωi1,ωi2,...,ωij]t
91、上式中,wij为预先构建的配网工程作业风险三层级自适应量化评估体系中第i个二层评价指标对应的第j个三层评价指标的量化值,ωij为预先构建的配网工程作业风险三层级自适应量化评估体系中第i个二层评价指标对应的第j个三层评价指标的权重系数。
92、优选的,所述装置,包括:
93、预警模块,用于当所述配网工程作业风险评价值超过预设值时,发出声光告警。
94、第三方面,提供一种计算机设备,包括:一个或多个处理器;
95、所述处理器,用于存储一个或多个程序;
96、当所述一个或多个程序被所述一个或多个处理器执行时,实现所述的作业安全风险评估方法。
97、第四方面,提供一种计算机可读存储介质,其上存有计算机程序,所述计算机程序被执行时,实现所述的作业安全风险评估方法。
98、本发明上述一个或多个技术方案,至少具有如下一种或多种有益效果:
99、本发明提供了一种作业安全风险评估方法、装置、计算机设备及介质,包括:获取预先构建的配网工程作业风险三层级自适应量化评估体系中各层评价指标的量化值;基于所述各层评价指标的量化值及所述各层评价指标的权重系数确定配网工程作业风险评价值;其中,所述各层评价指标的权重系数基于层次分析法获取。本发明提供的技术方案,实现配电网作业现场风险的动态跟踪,违规作业行为智能判别,提高作业人员的操作规范性,降低安全事故发生的几率,保障作业人员的人身安全,可降低人工安全监理的工作压力,提升安全管控的实时性与有效性。