摘要
本发明公开了基于多模态数据的电力设备故障预测方法及相关设备,属于电力作业安全监测技术领域,方法包括:采集电力作业现场的多模态数据;将数据输入目标检测模型,结合目标身份重关联算法,确定目标类别及位置信息,进行位置跟踪;根据目标实时位置的信道状态信息并预处理,结合深度神经网络进行姿态推理,得到目标姿态,确定目标行为异常状态;根据目标实时位置及电子围栏技术,确定目标的位置区域;当目标处于危险作业区域,基于目标的图像并采用个人防护设备检测模型,确定目标人员的防护设备佩戴异常状态,通过边云协同预警,输出预警信息。实现了电力作业现场的高精度安全监测,提升了人员行为识别能力,全面降低了作业风险。
技术关键词
电力作业现场
防护设备
异常状态
实时位置
电子围栏技术
信道状态信息
监测方法
输出预警信息
危险作业
位置跟踪
电力设备故障预测方法
深度学习语义分割技术
深度神经网络
关联算法
正确佩戴安全帽
提示设备
智能电子围栏
采集设备温度
智能语音播报
系统为您推荐了相关专利信息
语义知识图谱
三维数字地图
博物馆
移动终端
坐标系
智能运行方法
无人船
地图模型
水下图像数据
监测点
门架式起重机
协同作业方法
空间约束条件
静态障碍物
远距离
输液泵控制系统
血管内皮细胞损伤
数据
异常状态
血管壁