一种面向配电运检中的TitanOS人工智能开发方法及装置

摘要

本申请属于人工智能技术领域，特别涉及一种面向配电运检中的TitanOS人工智能开发方法及装置。方法包括：获取配电运检场景以及需求；根据所述配电运检场景以及需求构建训练模型；获取现场摄像机拍摄的现场作业视频，识别视频中的关键因素，根据所述训练模型对所述关键因素中的异常情况进行识别，并根据识别结果实现生产作业的智能监管和站点的无人化智能巡视。本申请基于电力业务需求的各类人工智能功能，提出基于人工智能技术的平台化综合解决方案，依照电力业务需求场景组织各个人工智能模型训练流程，形成统一的人工智能平台，向用户提供能够实现从数据到模型，再由模型到应用的几乎无人工智能专业技能要求的人工智能综合能力。

说明书

技术领域

本申请属于人工智能技术领域，特别涉及一种面向配电运检中的TitanOS人工智能开发方法及装置。

背景技术

国网总部提出了“三型两网，世界一流”的战略部署，人工智能技术在电力行业的应用成为国家电网的重要发展方向。

近些年来，人工智能技术的蓬勃发展，人工智能技术应用在电力系统的运行、控制、管理等领域。人工智能技术在电力系统中的应用不仅拓展了人工智能技术的应用范围，而且扩展了人工智能技术凭借自动化和智能化程度高等优势，提升了电力产业的智能化升级。人工智能技术使电力系统真正实现决策智能和管理智能。标准化的AI具有人脸识别、语音识别和文字识别等功能，因此标准化AI应用场景单一，业务逻辑需迎合AI标准，业务需求单一，AI无需更新升级，只是人工智能应用的冰山一角。随着人工智能技术的不断完善，出现了定制化的AI，它拥有着装识别、缺陷破损检测、信号灯智能决策等功能，它面向的业务场景，模型深度契合业务逻辑，需求和场景变换多变，应具有贴近业务快速迭代的能力。在电力行业中场景特别、光照多变、摄像头角度多变、需求持续演变，面向配电运检中的TitanOS人工智能开发平台通过有针对性的数据进行训练满足复杂多变的场景和需求。

目前变电站或配电室正常运维下，有时需要对配电柜进行检修来确保设备正常运行，在进行工作票操作时需要监护人员、操作人员和唱票人员、但这些人员的身份权限和工作着装是否合规以及操作柜子时，步骤是否正确都存在着不稳定因素。监护人员在进行监护过程中，监护效果也受到人员的心理素质、外部工作环境、工作经验、技能水平及工作人员责任心等方面的影响，存在遗漏或者看错的问题，若没能发现出现的问题将会对设备和操作人员的人身安全造成严重的影响。

此外，在电气设备正常运行过程中，巡视人员巡视设备时需要站在离设备较近的地方，对巡视人员的人身安全也有一定的威胁，特别是在异常现象查看、恶劣天气特巡、事故原因查找时危险性更大。

因此，希望有一种技术方案来克服或至少减轻现有技术的至少一个上述缺陷。

发明内容

本申请的目的是提供了一种面向配电运检中的TitanOS人工智能开发平台，以解决现有技术存在的至少一个问题。

本申请的技术方案是：

本申请的第一个方面提供了一种面向配电运检中的TitanOS人工智能开发方法，包括：

获取配电运检场景以及需求；

根据所述配电运检场景以及需求构建训练模型；

获取现场摄像机拍摄的现场作业视频，识别视频中的关键因素，根据所述训练模型对所述关键因素中的异常情况进行识别，并根据识别结果实现生产作业智能监管和站点无人化智能巡视。

可选地，所述配电运检场景以及需求包括：人员身份识别、着装识别、危险行为识别、仪表识别、异物识别以及作业规范识别。

可选地，所述根据所述配电运检场景以及需求构建训练模型包括：

根据所述配电运检场景以及需求制定训练流程；

对配电运检场景以及需求进行化分；

完成相关数据集的导入、标注后，开始训练；

获得训练模型。

可选地，所述训练流程依次包括选择训练数据集、模型训练、模型选择、模型矫正以及矫正评测。

可选地，所述根据所述配电运检场景以及需求获取训练模型后还包括：

对所述训练模型进行加密。

可选地，所述获取现场摄像机拍摄的现场作业视频，识别视频中的关键因素，根据所述训练模型对所述关键因素进行分析，判断是否存在异常，并根据判断结果实现生产作业的智能监管包括：

自动化调整现场摄像机朝向以及焦距；

基于网络视频协议获取现场摄像机拍摄的现场作业视频；

对获取的视频进行分析，识别视频中的关键因素；

判断所述关键因素与所述训练模型中的作业内容是否一致，当现场作业过程中出现异常时，对调度管理人员进行报告，对现场人员告警，并根据现场人员的作业进行度，对现场人员作业；

对现场作业的全过程进行记录，供调度管理人员查看。

可选地，所述获取现场摄像机拍摄的现场作业视频，识别视频中的关键因素，根据所述训练模型对所述关键因素进行分析，判断是否存在异常，并根据判断结果实现站点的无人化智能巡视包括：

自动化调整现场摄像机朝向以及焦距；

基于网络视频协议获取现场摄像机拍摄的现场作业视频；

对获取的视频进行分析，识别视频中的关键因素；

判断所述关键因素与所述训练模型中的作业内容是否一致，当现场作业过程中出现异常时，生成相关记录，并对该异常事件予以上报。

本申请的第二个方面提供了一种面向配电运检中的TitanOS人工智能开发装置，基于如上所述的面向配电运检中的TitanOS人工智能开发方法，包括：

数据获取模块，用于获取配电运检场景以及需求；

训练模型获取模块，用于根据所述配电运检场景以及需求构建训练模型；

生产作业智能监管模块，用于获取现场摄像机拍摄的现场作业视频，识别视频中的关键因素，根据所述训练模型对所述关键因素中的异常情况进行识别，并根据识别结果实现生产作业智能监管；

站点无人化智能巡视模块，用于获取现场摄像机拍摄的现场作业视频，识别视频中的关键因素，根据所述训练模型对所述关键因素中的异常情况进行识别，并根据识别结果实现站点无人化智能巡视。

本申请的第三个方面提供了一种计算机设备，包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序用于实现如上所述的面向配电运检中的TitanOS人工智能开发方法。

本申请的第四个方面提供了一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序被处理器执行时用于实现如上所述的面向配电运检中的TitanOS人工智能开发方法。

发明至少存在以下有益技术效果：

本申请的面向配电运检中的TitanOS人工智能开发方法，基于电力业务需求的各类人工智能功能，提出基于人工智能技术的平台化综合解决方案，依照电力业务需求场景组织各个人工智能模型训练流程，并由此添加合并更多的功能，形成统一的人工智能平台，向用户提供能够实现从数据到模型，再由模型到应用的几乎无人工智能专业技能要求的人工智能综合能力。

附图说明

图1是本申请一个实施方式的面向配电运检中的TitanOS人工智能开发方法流程图；

图2是本申请一个实施方式的面向配电运检中的TitanOS人工智能开发方法的生产作业智能监管框架图；

图3是本申请一个实施方式的面向配电运检中的TitanOS人工智能开发方法的站点无人化智能巡视框架图。

具体实施方式

为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本申请一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本申请的实施例进行详细说明。

下面结合附图1至图3对本申请做进一步详细说明。

本申请的第一个方面提供了一种面向配电运检中的TitanOS人工智能开发方法，包括：

获取配电运检场景以及需求；

根据配电运检场景以及需求构建训练模型；

获取现场摄像机拍摄的现场作业视频，识别视频中的关键因素，根据训练模型对关键因素中的异常情况进行识别，并根据识别结果实现生产作业智能监管和站点无人化智能巡视。

本申请的面向配电运检中的TitanOS人工智能开发方法，配电运检场景以及需求包括：人员身份识别、着装识别、危险行为识别、仪表识别、异物识别以及作业规范识别。其中，着装识别可以包括抽烟识别、工作服识别、安全帽识别、手套识别等。仪表识别可以包括对开关、带电显示器、电气指示装置、压板、五防编码锁、物防开关等的识别。

本申请的面向配电运检中的TitanOS人工智能开发方法，根据配电运检场景以及需求构建训练模型包括：根据配电运检场景以及需求制定训练流程，一个业务中不同的场景，由于摄像头角度、光照条件等因素，导致数据不同，训练的模型也不同，因此需要针对各种场景做定制化训练，训练流程依次包括选择训练数据集、模型训练、模型选择、模型矫正以及矫正评测；对配电运检场景以及需求进行化分；完成相关数据集的导入、标注后，开始训练，获得训练模型。本实施例中，根据配电运检场景以及需求构建训练模型后还包括：对训练模型进行加密。在加密后对训练中所管理的各个计算节点内所有计算资源进行全局管理，并对训练中所管理的各个计算节点内所有存储资源进行全局管理，此外，还对人工智能训练平台内所有数据，尤其是训练和验证数据进行管理。

本申请的面向配电运检中的TitanOS人工智能开发方法，生产作业的智能监管主要实现生产作业过程的人工智能识别与分析，需要基于现场摄像机拍摄的现场作业视频，通过人工智能技术对视频中的人、设备、操作等关键因素进行分析与识别，再结合工作票和操作票内容要求，判断操作正误。依据判断结果，对应地报告现场情况、对现场人员进行提醒、对作业全过程进行记录。本实施例中，生产作业的智能监管主要包括以下功能：现场摄像机的控制、基于网络视频协议的视频读取与解析、人工智能功能、两票比对核验功能、事件报告及现场提醒、生产作业全过程记录。具体的，首先实现现场摄像机的控制，依据工作票和操作票内容，实现摄像机朝向、焦距等的自动化调整，以拍摄操作人员，被操作设备等关键点；实现基于网络视频协议的视频读取与解析，通过网络获取摄像机拍摄到的视频，供人工智能分析与判断；获取现场摄像机拍摄的现场作业视频，采用人工智能功能对获取的现场作业视频进行分析，识别视频中的关键因素，包含识别人员的着装与绝缘防护、识别人员所操作的设备、识别被操作的设备经历的操作；两票比对核验功能，根据训练模型对关键因素进行分析，判断两者是否一致，当现场作业过程中出现异常时，对调度管理人员进行报告，对现场人员告警，并根据现场人员的作业进行度，对现场人员作业；对现场作业的全过程进行记录，供调度管理人员查看。

本申请的面向配电运检中的TitanOS人工智能开发方法，站点的无人化智能巡视可以分为电脑界面和手机界面，提供同样的功能，供调度管理人员，使其了解配电站房的当前状况与发生的异常事件，令其知晓和处理，并提供查阅各历史事件记录的功能。实现站点的无人化智能巡视过程主要包括：依据工作票和操作票内容，自动化调整现场摄像机朝向以及焦距；基于网络视频协议获取现场摄像机拍摄的现场作业视频；对获取的视频进行分析，识别视频中的关键因素；判断关键因素与训练模型中的作业内容是否一致，当现场作业过程中出现异常时，生成相关记录，并对该异常事件予以上报。本实施例中，判断关键因素与训练模型中的作业内容是否一致包括：异常人员的识别与判断、着装是否合规的分析与判断、人员是否存在吸烟等危险行为的分析与判断、设备仪表是否发生变位的分析与判断、是否有异物闯入的分析与判断以及作业规范识别等。

本申请的第二个方面提供了一种面向配电运检中的TitanOS人工智能开发装置，基于如上的面向配电运检中的TitanOS人工智能开发方法，包括：

数据获取模块，用于获取配电运检场景以及需求；

训练模型获取模块，用于根据配电运检场景以及需求构建训练模型；

生产作业智能监管模块，用于获取现场摄像机拍摄的现场作业视频，识别视频中的关键因素，根据训练模型对关键因素中的异常情况进行识别，并根据识别结果实现生产作业智能监管；

站点无人化智能巡视模块，用于获取现场摄像机拍摄的现场作业视频，识别视频中的关键因素，根据训练模型对关键因素中的异常情况进行识别，并根据识别结果实现站点无人化智能巡视。

在生产作业智能监管模块中，主要功能为操作票的下发、以及工作完成后的任务回放，下发的工单点击开始工作后，在现场操作人员进行操作时，会进行操作的辅助判断，出现错误操作后，系统会自动提示出现错误，在操作完成后，可以查看每一次工作票的完成情况，便于在后台进行管理。在站点无人化智能巡视模块中，主要功能为定点巡视配电柜上仪表状态以及配电站室内工作人员的身份权限和着装是否符合要求。巡视的内容分为展示内人员着装和异物的巡视以及配电柜柜体仪表状态信息的巡视，在进行巡视时，系统检查出不合规范的事项并播报。

本申请的第三个方面提供了一种计算机设备，包括处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序用于实现如上的面向配电运检中的TitanOS人工智能开发方法。

本申请的第四个方面提供了一种可读存储介质，可读存储介质存储有计算机程序，计算机程序被处理器执行时用于实现如上的面向配电运检中的TitanOS人工智能开发方法。

本申请的面向配电运检中的TitanOS人工智能开发方法及装置，利用TitanOS人工智能开发平台控制摄像头，实现在站室内的设备不间断巡检，通过观察柜体上各个仪表盘的指针变化以及各个状态指示灯的亮灭、颜色等来确保站室内各个柜子状态正常，在站室内还可进行对工作人员的着装进行核查，避免因着装不合规出现安全问题，管理人员能够通过Osprey平台系统实现对设备的远程实时监控，以及对人员权限及着装的检查。本申请能够大大增强了配电室工作的安全性和管控性，减少了人为错误出现的概率。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。