电子设计工程ElectronicDesignEngineering第31卷Vol.31第15期No.152023年8月Aug.2023收稿日期：2021-12-21稿件编号：202112134基金项目：国网甘肃省电力公司安全劳动技术保护科技兴安工程项目（SGGS2021431）作者简介：贺洲强（1981—），男，甘肃武山人，硕士，高级工程师。研究方向：安全监督、生产技术管理、应急管理。随着人工智能技术的不断进步，对电力作业人员违规动作监控也提出了更严格的要求。但由于监管部门的责任缺失，违规动作易引发安全事故的发基于高精度机器视觉的电力违规作业动作监控识别算法设计贺洲强1，夏天1，陈亮2，杨康2，胡进栋2（1.国网甘肃省电力公司，甘肃兰州730030；2.国网甘肃省电力公司兰州供电公司，甘肃兰州730070）摘要：随着神经网络与深度学习算法研究的不断深入，对电力作业人员的违规动作监控与识别也有了更高要求。为提升电力生产的安全系数，开展了基于高精度机器视觉的电力违规作业动作监控识别算法设计研究。该算法采用主流的CNN模型对电力违规作业进行监控和数据处理，通过交叉混合操作完成特征提取，并利用Logistic分类器与随机森林分类器对违规作业动作进行目标识别。同时基于间隔帧间差分法检测两帧图像间的差异，对目标图像进行二值化处理，且通过坐标的变化判断目标位置的偏移，增加了算法的鲁棒性。算例分析结果表明，所述方法的识别准确率更高、运行效率更快，具有良好的工程应用价值。关键词：机器视觉；违规作业；监控识别；特征提取中图分类号：TN-9文献标识码：A文章编号：1674-6236（2023）15-0145-05DOI：10.14022/j.issn1674-6236.2023.15.030Designofmonitoringandrecognitionalgorithmforpowerviolationoperationbasedonhigh⁃precisionmachinevisionHEZhouqiang1，XIATian1，CHENLiang2，YANGKang2，HUJindong2（1.StateGridGansuElectricPowerCompany，Lanzhou730030，China；2.LanzhouPowerSupplyCompany，StateGridGansuElectricPowerCompany，Lanzhou730070，China）Abstract:Withthedeepeningoftheresearchonneuralnetworkanddeeplearningalgorithm，therearehigherrequirementsforthemonitoringandidentificationofillegalactionsofpoweroperators.Inordertoimprovethesafetyfactorofpowerproduction，thedesignandresearchofactionmonitoringandrecognitionalgorithmofpowerillegaloperationbasedonhigh⁃precisionmachinevisioniscarriedout.ThealgorithmusesthemainstreamC...
