论文总字数：22296字

摘 要

本文在深度学习算法的基础上对电力作业人员安全着装检测进行研究，实现对电力作业现场工作人员的着装有效且快速的检测，为电力施工现场的管理监督提供技术保障，对电力施工现场的安全管理有着重要的意义。本文的主要工作如下：

在目标聚类算法的基础上，优化在对电力作业人员安全着装检测过程中目标检测框的生成方案。第一步，分析YOLOV4对检测数据集图片中的目标检测尺寸分布规律，得出YOLOV4目标检测框并不是适合电力作业人员安全着装检测场景。第二步，通过对电力作业人员安全着装检测数据集进行分析，通过对一定数量的数据集进行检测目标手动框选。第三步，手动框选的目标检测样本，通过目标聚类算法对检测系统进行训练，优化电力作业人员安全着装检测场景下的目标检测框，解决了系统集中检测过程中检测的有效目标较少的问题，一定程度上能提升系统的检测精度。

在类别检测和位置检测的多尺度特征网络的基础上，进行检测目标多尺度训练策略。第一步，分析基于YOLOV4的电力作业人员安全着装检测算法，在对检测目标进行位置检测和类别预测，之后对比识别目标特征图的特点。第二步以YOLOV4网络为主体，设计一种多特征类别预测网络结构，基于该网络结构提出一种多尺度特征训练方案。通过实验对电力作业现场工作人员的着装进行多尺度训练之后，能在电力作业场景下，快速有效识别出工作人员的服装是否符合规定要求，识别精度达到预期效果。

移植到硬件平台。本设计选用Jetson Nano设备作为硬件平台，该设备具有体积小、功能性强、性价比高等特点，符合本设计软件系统运行需求。将软件系统移植至硬件平台之后，可通过监控摄像头实现对电力作业场景进行实时监控。

关键字：深度学习算法；YOLOV4；安全服检测；电力作业；多尺度特征网络

Design and Implementation of Safety Clothing Detection System for Electric Power Operators Based on Deep Learning Algorithm

Abstract

Based on the deep learning algorithm, this paper studies the detection of the safe clothing of the electric power operators, realizes the effective and rapid detection of the clothing of the electric power operators, provides technical support for the management and supervision of the electric power construction site, and has important significance for the safety management of the electric power construction site. The main work of this paper is as follows

On the basis of the target clustering algorithm, the generation scheme of the target detection frame in the process of the safety clothing detection of the electric power operators is optimized. The first step is to analyze the size distribution of the objects detected by yoov4 in the images of the detection data set. It is concluded that the yoov4 object detection frame is not suitable for the scene of safe clothing detection of electric power operators. A certain number of data sets to manually frame the detection target. In the third the target detection frame in the scene of safe clothing detection for power operators.

Based on the multi-scale feature network of category detection and location detection, the multi-scale training strategy of target detection is carried out. The first step is to analyze the detection algorithm based on yoov4. After the location detection and category prediction of the detection target, the characteristics of the target feature mAP are compared. The second step is to design a multi feature class prediction network structure based on yolov4 network, and propose a multi-scale feature training scheme based on the network structure. After the multi-scale training of the staff's clothing in the electric power operation scene through the experiment.

Transplant to hardware platform. Jetson Nano device is selected as the hardware platform in this design, which has the characteristics of small size, strong functionality, high cost performance, and meets the operation requirements of the software system. After the software system is transplanted to the hardware platform, the real-time monitoring of power operation scene can be realized through the monitoring camera.

Keywords: Deep Learning Algorithm; YOLOV4；Safety Clothing Testing; Electric Power Operation Scene; Multi Scale Feature Network

目 录

摘 要 I

Abstract II

第一章 绪 论 1

1.1研究的目的及其意义 1

1.2国内外研究现状 1

1.3研究内容 2

1.4章节安排 2

第二章 基于YOLOV4的电力作业人员安全着装检测算法研究 3

2.1 YOLOV4算法介绍 3

2.2目标建议框设计方案 4

2.2.1安全着装检测图像尺寸分布规律分析 4

2.2.2基于目标聚类的目标建议框设计方案优化 5

2.3电力作业人员安全着装检网络结构设计 7

2.3.1位置和类别预测的特征分离策略 7

2.3.2网络结构设计 9

2.4 YOLV4算法卷积特性分析 10

2.5本章总结 11

第三章 电力作业人员安全着装检测系统构建 12

3.1电力作业人员安全着装检测样本提取 12

3.2电力作业人员安全着装检测数据集构建 13

3.2.1数据集划分 13

3.2.2数据集标注 14

3.3多尺度检测训练 15

3.4嵌入式平台搭建 16

3.4.1Jetson Nano简介 16

3.4.2Jetson Nano的优点 16

3.5本章总结 17

第四章 实验测试与分析 18

4.1实验框架及算法评价指标 18

4.1.1深度学习框架DarkNet简介 18

4.1.2基于DarkNet框架的模型搭建过程 18

4.1.3算法评价指标 19

4.2实验过程 20

4.3系统识别效果 21

4.4实验结果分析 22

4.5本章总结 23

第四章 结 论 24

致 谢 25

参 考 文 献 26

绪 论

1.1研究的目的及其意义

随着我国城市化进程的加快，电力等基础设施建设工程规模扩大，电力作业人员数量上升，电力施工现场的安全管理面临极大的挑战。为了保障电力作业人员的人身安全，在电力安全作业管理规章中明确指出，电力作业人员在工作期间必须按规定要求穿着安全作业服。电力安全作业管理规定中对电力安全作业着装提出相应的设计标准。首先就是电力作业服必须保证作业人员的手臂不能裸露在外，防止操作失误产生触电的危险，保护作业人员的生命安全。其次，电力维修有时需要高空作业，为了能清楚地确认高空作业时电力工作人员的位置，作业服需要具备反光的功能^[2]。

我们根据实地调查发现，目前在很多电力施工现场，仍有很多工作人员没有按照规定穿着电力作业服。同时，我们上网收集电力安全事故资料并对其进行分析后发现，出现电力作业重大伤亡事故中，涉事人员都是没有按照规定要求穿着电力作业服，因此，对电力施工现场进行安全监管是十分必要的。目前，传统施工现场采用人的是人工监管的方式。但由于电力施工现场人员流动大，作业范围广，监控死角多，监管人员无法对施工现场进行全天候且全覆盖式检测。因此，人工检测不能有限遏制电力作业人员不按要求穿着电力安全作业服的违规行为^[1]。

剩余内容已隐藏，请支付后下载全文，论文总字数：22296字