基于目标检测算法的识别基坑口是否存在安全围栏的方法

技术领域

本发明涉及安全生产技术领域，尤其是基于目标检测算法的识别基坑口是否存在安全围栏的方法。

背景技术

输电线路建设工程基础开挖和浇筑阶段，基坑口需设置安全围栏，如未设置安全围栏需要及时进行风险提示和处理。现阶段识别方式为安全督察人员通过查看远程实时视频、采集回来的照片或者现场查看方式来进行识别判定， 基本为人工判断，依赖安全督察人员的经验和责任心，容易漏识别或者错误识别，且需要花费大量人力物力，安全督察效率低，无法及时识别和处理。

发明内容

本发明提出基于目标检测算法的识别基坑口是否存在安全围栏的方法，能减少对安全督察人员的依赖，提高安全督察效率和安全风险识别准确性。

本发明采用以下技术方案。

基于目标检测算法的识别基坑口是否存在安全围栏的方法，包括以下步骤；

步骤S1、通过无人机对基坑场地进行图片数据采集，然后进行人工标注，制作训练数据；

步骤S2、采用目标检测网络为基础框架，以训练数据对其进行训练，通过对训练参数的调整，使目标检测网络的模型准确率达到所需要求；

步骤S3、目标检测网络对基坑所在区域的影像进行识别，判断识别到的基坑口数量，如果数量小于等于1，则判断识别到的安全围栏数量，如果安全围栏数量小于4，则返回预设参数以表述场地存在安全隐患，如果等于4，则返回其它预设参数以表述场地正常；

步骤S4、如果识别到的基坑口的数量大于2，则计算每个安全围栏与和每个基坑口的距离，然后将距离每个基坑口最近的安全围栏作为该基坑口的安全围栏，然后分别判断每个基坑口安全围栏数量，如果安全围栏数量小于4，则返回设定好的存在安全隐患的参数，如果等于4，则返回设定好的正常的参数。

基坑口和安全围栏的距离的识别方法为：通过模型识别安全围栏与基坑之间的位置关系，将识别到的基坑口和安全围栏进行重合度判断和中心点判断，如果安全围栏距离基坑口较远，则计算值较小，以此确定安全围栏的基坑口归属关系，再通过安全围栏数量判断是否该基坑缺少安全围栏。

相邻基坑处安全围栏的基坑口归属关系的判定方法为：如果安全围栏中间点到基坑口A中心点的距离x1小于到基坑口B中心点的距离x2，则安全围栏属于基坑口A。

所述目标检测网络基于yolov5深度学习算法，包括负责特征图提取的backbone，负责特征融合的neck，负责预测的yolo。

所述基坑口为基础开挖和浇筑阶段的输电线路建设工程现场的基坑口。

步骤S3中的基坑所在区域的影像，由移动终端或无人机拍摄。

当识别到基坑口处存在安全围栏方面的安全隐患时，自动向上级管理机构上报相关信息。

本发明可自动识别基坑口是否存在安全围栏，减少对安全督察人员的依赖，提高安全督察效率和安全风险识别准确性，本发明的技术方案可搭载在移动终端如无人机上，实时自动检测工程建设现场中存在的安全风险并及时上报。

本发明的技术优点还在于：

1、可实现自动检测并输出检测结果，搭载在终端巡检设备上可实时识别检测并及时反馈结果

2、识别准确率高：在较清晰的拍摄下准确率达到90%以上

3、提高巡检效率，自动化识别安全风险，节约安全督察人力和物力成本

4、算法更新速度快，只需要定期将巡检包含识别目标的图片存入训练集，就能通过模型训练提升准确率，减少误报率。

附图说明

下面结合附图和具体实施方式对本发明进一步详细的说明：

附图1是本发明的流程示意图；

附图2是相邻基坑处安全围栏的基坑口归属关系的判定示意图。

具体实施方式

如图1所示，基于目标检测算法的识别基坑口是否存在安全围栏的方法，包括以下步骤；

步骤S1、通过无人机对基坑场地进行图片数据采集，然后进行人工标注，制作训练数据；

步骤S2、采用目标检测网络为基础框架，以训练数据对其进行训练，通过对训练参数的调整，使目标检测网络的模型准确率达到所需要求；

步骤S3、目标检测网络对基坑所在区域的影像进行识别，判断识别到的基坑口数量，如果数量小于等于1，则判断识别到的安全围栏数量，如果安全围栏数量小于4，则返回预设参数以表述场地存在安全隐患，如果等于4，则返回其它预设参数以表述场地正常；

步骤S4、如果识别到的基坑口的数量大于2，则计算每个安全围栏与和每个基坑口的距离，然后将距离每个基坑口最近的安全围栏作为该基坑口的安全围栏，然后分别判断每个基坑口安全围栏数量，如果安全围栏数量小于4，则返回设定好的存在安全隐患的参数，如果等于4，则返回设定好的正常的参数。

基坑口和安全围栏的距离的识别方法为：通过模型识别安全围栏与基坑之间的位置关系，将识别到的基坑口和安全围栏进行重合度判断和中心点判断，如果安全围栏距离基坑口较远，则计算值较小，以此确定安全围栏的基坑口归属关系，再通过安全围栏数量判断是否该基坑缺少安全围栏。

相邻基坑处安全围栏的基坑口归属关系的判定方法为：如果安全围栏中间点到基坑口A中心点的距离x1小于到基坑口B中心点的距离x2，则安全围栏属于基坑口A。

所述目标检测网络基于yolov5深度学习算法，包括负责特征图提取的backbone，负责特征融合的neck，负责预测的yolo。

所述基坑口为基础开挖和浇筑阶段的输电线路建设工程现场的基坑口。

步骤S3中的基坑所在区域的影像，由移动终端或无人机拍摄。

当识别到基坑口处存在安全围栏方面的安全隐患时，自动向上级管理机构上报相关信息。

本发明可自动识别基坑口是否存在安全围栏，减少对安全督察人员的依赖，提高安全督察效率和安全风险识别准确性，本发明的技术方案可搭载在移动终端如无人机上，实时自动检测工程建设现场中存在的安全风险并及时上报。