摘要
本发明属于电力作业安全监管领域,公开了一种基于具身智能的电力作业安全违章辨识方法及相关装置,采集作业人员姿态、位置、生理数据及现场图像、环境参数构建动态场景模型,再调用深度神经网络模型为基础、结合历史与实时数据持续优化的违章行为识别模型进行识别,最后根据结果向机器人输出执行指令。通过多源数据融合构建动态模型,全面反映作业场景;利用深度神经网络的特征提取与学习能力,结合持续优化的模型,精准识别违章行为;实现机器人的快速响应与管控。本方法有效解决了传统监管方式效率低、识别精度不足、风险响应滞后等问题,能综合多方面信息精准辨识安全违章行为,提升监管效率与精度,及时干预潜在风险,保障电力作业安全开展。
技术关键词
电力作业场景
电力作业现场
辨识方法
深度神经网络模型
机器人本体
生理
数据
图像
指令
辨识系统
安全监管
动态场景
带电设备
移动底盘
作业风险
系统为您推荐了相关专利信息
环境监测站点
天气预报方法
城市环境监测
数学模型
传输路径
桥梁预应力
智能识别方法
轻量级深度神经网络
连续小波变换
信号
传动模组
翻转支架
移动机器人
机器人本体
动力齿轮
多旋翼无人机
生成神经网络模型
旋翼空气动力学
仿真模型生成方法
训练集
深度神经网络模型
样本
数据
注意力机制
非暂态计算机可读存储介质