风电作业安全检测方法及系统与流程

本技术涉及人工智能，且更为具体地，涉及一种风电作业安全检测方法及系统。

背景技术：

1、近年来，我国使用的风力发电机有相当数量超过保修期，设备维修和维护作业次数明显增加，维护风机正常运转的风险也相伴增长。在高空作业中，由于对工作环境的习惯而造成的安全意识淡薄，操作过程不规范、不标准，是发生事故最主要的原因。例如在高空作业时，不佩戴安全帽、安全带，不固定防坠器，不扣安全双钩等对看似简单的操作步骤的忽视，往往形成习惯性的违规行为。而且这种传统的生命安全保障措施在现在并没有有效的预防措施，尤其是在不同的工作场景中，安全预防的要求又有一些差异。目前电力生产安全管理的子系统“两票系统”，该“两票系统”负责操作票和工作票的建立、审核、批准、终结等流程的管理。可以说，两票系统是电力安全生产工作的“两票制度”的执行平台，如果发生事故,可以据此分辨判断各方责任，因此，两票系统也是电力行业安全生产保证体系中最基本的一个子系统。但是，以风力发电场为例，目前风电的检修和日常运维工作仍有大量采用外包的形式，外包部门虽然具有机动灵活、能在短期内召集足够的人力的优点，但是外包队伍也同时具有人员变动快，安全意识差、工作经验相对不足等现实问题。据统计，每年国内风电行业因为不佩戴安全帽、安全带，不固定防坠器，不扣安全双钩等违章导致伤亡数量占总事故的50%以上。因此，研究一种系统、可靠、主动、有效的基于本质安全的安全防护检测系统是一个迫切的任务。

技术实现思路

1、鉴于现有技术存在的上述问题，本发明的一方面目的在于提供一种风电作业安全检测方法，该方法能够与现行两票系统及门禁系统联动，在风电塔筒外即可开始进行风电作业的安全检测。

2、为了实现上述第一方面目的，本发明提供的风电作业安全检测方法，包括：

3、采集塔筒外申请进入的人员的正面图像信息；

4、根据预先训练完成的第一神经网络模型，确定对应于人脸的第一特征区域；根据所述第一特征区域对所述正面图像信息进行图像分割，形成人脸识别图像；

5、针对所述人脸识别图像进行人脸识别，获取人员身份信息；

6、获取人员位置信息，并根据所述人员身份信息，从两票系统中获取该人员的工作票，所述工作票至少包含工作执行位置信息；验证所述人员位置信息是否与工作执行位置信息一致；如是，

7、检测该人员是否合法佩戴安全设备，如是，向门禁系统发出通行信号。

8、作为优选，所述检测该人员是否合法佩戴安全设备，包括：

9、判断安全设备自身是否合法；以及，

10、判断安全设备佩戴是否合法。

11、作为优选，所述判断安全设备自身是否合法，包括：

12、读取安全设备的设备标识以获取安全设备id；

13、根据所述安全设备id，从数据库中获取预备案的安全设备的设备信息，所述设备信息至少包括购买时间信息、生产厂家信息、使用记录信息和/或维修记录信息；

14、判断设备信息是否满足第一预设条件。

15、作为优选，所述设备标识为二维码或rfid标签。

16、作为优选，所述第一神经网络算法模型，还用于分别确定对应于不同的安全设备佩戴部位的多个第二特征区域，该方法还包括根据多个所述第二特征区域，生成一组安全设备佩戴图像，每组所述安全设备佩戴图像，包括有多个表征安全设备佩戴方式的佩戴子图像，其中，所述判断安全设备佩戴是否合法，包括：

17、预先训练第二神经网络模型；

18、将多个佩戴子图像输入到所述第二神经网络模型，生成对应于多个所述佩戴子图像的多个特征向量；

19、合并多个特征向量生成向量矩阵；

20、基于支持向量机对所述特征矩阵的每一行向量进行分类，生成对应于多个所述佩戴子图像的权重矩阵；

21、判断所述权重矩阵的大小是否落入预设范围，如是，判断安全设备佩戴合法。

22、本发明的再一方面，还提供了另一种风电作业安全检测方法，包括：

23、读取安全设备的设备标识以获取安全设备id；

24、根据所述安全设备id，从数据库中获取预备案的安全设备的设备信息，所述设备信息至少包括购买时间信息、生产厂家信息、使用记录信息和/或维修记录信息；

25、判断设备信息是否满足第一预设条件，如是，

26、采集塔筒外申请进入的人员的正面图像信息；

27、根据预先训练完成的第一神经网络模型，确定对应于人脸的第一特征区域；根据所述第一特征区域对所述正面图像信息进行图像分割，形成人脸识别图像；分别确定对应于不同的安全设备佩戴部位的多个第二特征区域；

28、针对所述人脸识别图像进行人脸识别，获取人员身份信息；获取人员位置信息，并根据所述人员身份信息，从两票系统中获取该人员的工作票，所述工作票至少包含工作执行位置信息；验证所述人员位置信息是否与工作执行位置信息一致；

29、根据多个所述第二特征区域，生成一组安全设备佩戴图像，每组所述安全设备佩戴图像，包括有多个表征安全设备佩戴方式的佩戴子图像；判断安全设备佩戴是否合法，包括：预先训练第二神经网络模型；将多个佩戴子图像输入到所述第二神经网络模型，生成对应于多个所述佩戴子图像的多个特征向量；合并多个特征向量生成向量矩阵；基于支持向量机对所述特征矩阵的每一行向量进行分类，生成对应于多个所述佩戴子图像的权重矩阵；判断所述权重矩阵的大小是否落入预设范围，如是，判断安全设备佩戴合法，向门禁系统发出通行信号。

30、本发明的又一个方面，还提供了一种风电作业安全检测系统，该系统包括：

31、图像采集单元，用于采集塔筒外申请进入的人员的正面图像信息；

32、第一神经网络模型，用于根据预先训练完成的第一神经网络模型，确定对应于人脸的第一特征区域；根据所述第一特征区域对所述正面图像信息进行图像分割，形成人脸识别图像；

33、人脸识别单元，用于针对所述人脸识别图像进行人脸识别，获取人员身份信息；

34、验证单元，用于获取人员位置信息，并根据所述人员身份信息，从两票系统中获取该人员的工作票，所述工作票至少包含工作执行位置信息；验证所述人员位置信息是否与工作执行位置信息一致；

35、检测单元，用于检测该人员是否合法佩戴安全设备，如是，向门禁系统发出通行信号。

36、针对上述本发明的系统的进一步改进，该系统还包括：

37、信息读取单元，读取安全设备的设备标识以获取安全设备id；

38、数据库，存储预备案的安全设备的设备信息，所述设备信息至少包括购买时间信息、生产厂家信息、使用记录信息和/或维修记录信息；

39、所述验证单元还配置为判断设备信息是否满足第一预设条件。

40、进一步地，在该系统中，所述第一神经网络算法模型，还用于分别确定对应于不同的安全设备佩戴部位的多个第二特征区域，该方法还包括根据多个所述第二特征区域，生成一组安全设备佩戴图像，每组所述安全设备佩戴图像，包括有多个表征安全设备佩戴方式的佩戴子图像，其中，所述判断安全设备佩戴是否合法，该系统还包括：

41、第二神经网络模型，接收多个佩戴子图像的输入，生成对应于多个所述佩戴子图像的多个特征向量；

42、向量和并单元，合并多个特征向量生成向量矩阵；

43、分类单元，基于支持向量机对所述特征矩阵的每一行向量进行分类，生成对应于多个所述佩戴子图像的权重矩阵；

44、相似性判断单元，判断所述权重矩阵的大小是否落入预设范围，如是，判断安全设备佩戴合法。

45、本公开提供的风电作业安全检测方法及系统，存在如下有益效果：本公开实施例中，可在塔筒外塔基处通过与两票系统和门禁系统的联动，在核实两票的同时，针对相关人员的安全设备的佩戴进行安全性检测。运维人员不能到达完成工作票和操作票工作之外的区域，从本质上避免由于装备不足或者安全准备不够而因此的事故。当的确需要临时进入某个区域时，可以在线向监控室进行请示，审批通过后也可以解锁相应区域，这样通过网络进行申请，一方面能比较严谨地遵守安全规定，另一方面也能比较快捷地完成任务。