(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211279083.3 (22)申请日 2022.10.19 (71)申请人 福建亿榕信息技 术有限公司 地址 350000 福建省福州市 鼓楼区软件大 道89号G区20号楼 申请人 国网信息通信产业 集团有限公司 　 武汉大学 (72)发明人 李强　赵峰　庄莉　梁懿　王秋琳　 伍臣周　秦亮　何敏　余金沄　 刘浩锋　刘开培　 (74)专利代理 机构 福州科扬专利事务所(普通 合伙) 35001 专利代理师 郭梦羽 (51)Int.Cl. G06V 20/10(2022.01)G06V 10/40(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种电力现场作业场景检测方法、 系统、 设 备和存储介质 (57)摘要 本发明涉及一种电力现场作业场景检测方 法、 系统、 设备和存储介质， 其中方法包括以下步 骤： 收集若干不同类别的电力现场作业场景图 像， 对各电力现场作业场景图像进行标注； 将标 注后的电力现场作业场景图像放入训练样本集 中； 搭建YOLO模型， 并在Neck网络中加入MCB AM注 意力模块， 得到改进YOL O模型； MCB AM注意力模 块 包括MB多尺度信息捕获模块、 CAM通道注意力模 块以及SAM空间注意力模块； MB多尺度信息捕获 模块用于捕获输入图像的多尺度信息； CAM通道 注意力模块用于进行通道注意力调整； SAM空间 注意力模块用于进行空间注意力调整； 利用训练 样本集对改进YOLO模型进行训练， 利用训练好的 进行检测。 权利要求书3页 说明书9页 附图3页 CN 115359360 A 2022.11.18 CN 115359360 A 1.一种电力现场作业场景检测方法， 其特 征在于， 包括以下步骤： 收集若干不同类别的电力现场作业场景图像， 对各电力现场作业场景图像进行标注， 标注电力现场作业场景图像中特 征的位置 框以及场景类别； 将标注后的电力现场作业场景图像放入训练样本集中； 建立基于Backbone网络、 Neck网络和He ad网络的YOLO模型， 并在 Neck网络中的PAnet网 络的上采样和下采样 部分加入MCBAM注意力模块， 得到改进YOLO模 型； 其中， 所述MCBAM注意 力模块包括MB多尺度信息捕获模块、 CAM通道注意力模块以及SAM空间注意力模块； 所述MB 多尺度信息捕获模块用于通过若干卷积操作捕获输入图像的多尺度信息， 组合输出第一特 征图； 所述CAM通道注意力模块用于对第一特征图进行通道注意力调整， 输出第二特征图； 所述SAM空间注意力模块用于对第二特 征图进行空间注意力调整， 输出第三特 征图； 利用训练样本集对改进YOLO模型进行迭代训练， 得到训练好的电力现场作业场景检测 模型； 利用电力现场作业场景检测模型进行电力现场作业的场景检测。 2.根据权利要求1所述的一种电力现场作业场景检测方法， 其特征在于， 所述电力现场 作业场景图像的场景类别包括： 现场作业人员佩戴安全帽场景、 现场作业人员未佩戴安全帽场景、 现场作业人员穿戴 工作服场景、 现场作业人员未穿戴工作服场景、 作业现场有施工警示牌或围栏场景以及作 业现场无施工警示 牌或围栏的场景。 3.根据权利要求1所述的一种电力现场作业场景检测方法， 其特征在于， 在将标注后的 电力现场作业场景图像放入训练样本集中， 还 包括数据增强步骤， 具体为： 对标注后的电力现场作业场景图像进行数据增强， 所述数据增强的方式包括图像翻转 处理、 图像平移处理、 图像缩放处理、 加噪声处理、 调整对比度处理、 调整亮度处理、 随机擦 除图像块处 理以及马赛克 数据增强处 理中的一种或两种以上的结合。 4.根据权利要求1所述的一种电力现场作业场景检测方法， 其特 征在于： 所述MB多尺度信息捕获模块包括： 一个卷积核大小为1*1的卷积操作以及两个卷积核 大小为3*3， 空洞率分别为6和12的空洞 卷积操作， 每一卷积操作后都跟了相 对应的BN批量 归一化层； 以及多尺度信息特征输出层， 用于将三个卷积操作输出的特征图进 行相加运算， 输出第一特 征图至CAM通道注意力模块； 所述CAM通道注意力模块包括第一池化层、 共享全连接层和通道注意力输出层； 所述第 一池化层用于对输入的第一特征图按通道进 行最大池化和平均池化操作， 得到两个一维向 量； 所述共享全连接层分别对两个一维向量进行全连接运算后进行相加， 再经过sigmoid 激活函数激活生成一维的通道 注意力特 征图； 通道注意力 输出层用于对通道注意力特征图和第 一特征图进行相乘运算， 获得第 二特 征图后输出至SAM空间注意力模块； 所述SAM空间注意力模块包括第二池化层、 卷积层和空间注意力输出层， 所述第二池化 层用于对输入的第二特 征图按通道进行最大池化和平均池化操作， 得到 两个二维向量； 所述卷积层用于将两个二维向量拼接后进行卷积操作， 降为一个通道， 再经过sigmoid 激活函数激活生成二维的空间注意力特 征图；权　利　要　求　书 1/3 页 2 CN 115359360 A 2所述空间注意力 输出层用于对空间注意力特征图和第 二特征图进行相乘运算， 获得第 三特征图后输出。 5.一种电力现场作业场景检测系统， 其特 征在于， 包括： 数据集制作模块， 用于收集若干不同类别的 电力现场作业场景图像， 对各电力现场作 业场景图像进行标注， 标注电力 现场作业场景图像中特征 的位置框以及场景类别； 并将标 注后的电力现场作业场景图像放入训练样本集中； 改进模型构建模块， 用于建立基于Backbone网络、 Neck网络和Head网络的YOLO模型， 并 在Neck网络中的PAnet网络的上采样和下采样 部分加入MCBAM注 意力模块， 得到改进YOLO模 型； 其中， 所述MCBAM注意力模块包括MB多尺度信息捕获模块、 CAM通道注意力模块以及SAM 空间注意力模块； 所述MB 多尺度信息捕获模块用于通过若干卷积操作捕获输入图像的多尺 度信息， 组合输出第一特征图； 所述CAM通道注意力模块用于对第一特征图进 行通道注 意力 调整， 输出第二特征图； 所述SAM空间注意力模块用于对第二特征图进行空间注意力调整， 输出第三特 征图； 训练模块， 用于利用训练样本集对改进YOLO模型进行迭代训练， 得到训练好的电力现 场作业场景检测模型； 检测模块， 用于利用电力现场作业场景检测模型进行电力现场作业的场景检测。 6.根据权利要求5所述的一种电力现场作业场景检测系统， 其特征在于， 所述电力现场 作业场景图像的场景类别包括： 现场作业人员佩戴安全帽场景、 现场作业人员未佩戴安全帽场景、 现场作业人员穿戴 工作服场景、 现场作业人员未穿戴工作服场景、 作业现场有施工警示牌或围栏场景以及作 业现场无施工警示 牌或围栏的场景。 7.根据权利要求5所述的一种电力现场作业场景检测系统， 其特征在于， 所述数据集制 作模块中还 包括数据增强单 元， 具体用于： 对标注后的电力现场作业场景图像进行数据增强， 所述数据增强的方式包括图像翻转 处理、 图像平移处理、 图像缩放处理、 加噪声处理、 调整对比度处理、 调整亮度处理、 随机擦 除图像块处 理以及马赛克 数据增强处 理中的一种或两种以上的结合。 8.根据权利要求5所述的一种电力现场作业场景检测系统， 其特 征在于： 所述MB多尺度信息捕获模块包括： 一个卷积核大小为1*1的卷积操作以及两个卷积核 大小为3*3， 空洞率分别为6和12的空洞 卷积操作， 每一卷积操作后都跟了相 对应的BN批量 归一化层； 以及多尺度信息特征输出层， 用于将三个卷积操作输出的特征图进 行相加运算， 输出第一特 征图至CAM通道注意力模块； 所述CAM通道注意力模块包括第一池化层、 共享全连接层和通道注意力输出层； 所述第 一池化层用于对输入的第一特征图按通道进 行最大池化和平均池化操作， 得到两个一维向 量； 所述共享全连接层分别对两个一维向量进行全连接运算后进行相加， 再经过sigmoid 激活函数激活生成一维的通道 注意力特 征图； 通道注意力 输出层用于对通道注意力特征图和第 一特征图进行相乘运算， 获得第 二特 征图后输出至SAM空间注意力模块； 所述SAM空间注意力模块包括第二池化层、 卷积层和空间注意力输出层， 所述第二池化权　利　要　求　书 2/3 页 3 CN 115359360 A 3