摘要
本发明提供一种基于深度学习的电力作业风险评估方法和系统,包括:采集电力作业现场的图片,并通过数据增强对所述图片进行扩充;将扩充后的图片划分为训练集和验证集;通过对卷积神经网络更换骨干网络和损失函数,构建适用于电力作业场景的自注意力机制的电力作业检测模型;使用所述训练集对电力作业检测模型进行训练;基于熵权法,使用所述验证集对所述电力作业检测模型进行验证;当判断验证集中标注的违规标签的准确率的综合得分,大于预设的阈值时,则确定所述电力作业检测模型通过验证;使用所述电力作业检测模型,通过对待评估的电力作业现场的图片进行检测,获得电力作业现场的风险等级。提高对电力作业违规行为的检测精确度和检测速度。
技术关键词
电力作业现场
电力作业风险评估方法
电力作业场景
图片
标签
注意力机制
子模块
熵权法
信息熵
更新模型参数
全局平均池化
横向特征
网络
传播算法
指标
横条
代表
因子
系统为您推荐了相关专利信息
多任务神经网络
佩戴安全帽
穿戴检测方法
工装
关键点
命名实体识别方法
大语言模型
文本
信息检索
频率
语音情感识别方法
序列
嵌入特征
语音特征
预训练语言模型
多阈值
逻辑门电路
逻辑设计方法
配置结构
缓冲器