基于机器学习和图像识别的电力作业现场安全监督

来源 :光源与照明 | 被引量 : 0次 | 上传用户:w5130293253
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了进一步提高电力现场作业人员的作业安全性,避免作业现场的人员进入危险区域造成事故,需根据实际情况做好针对闯入人员的检测工作.鉴于此,文章研究了采取借助梯度方向直方图和向量机来开展完全帧人员检测工作,以及借助OpenCV图像处理技术分析人员是否已进入警戒区域,同时采用视频监控设备辅助采集现场图像,从而对电力现场作业人员的一些危险行为进行警告.试验表明,借助该检测技术其检测准确率可达90%以上.
其他文献
随着经济全球化发展,能源需求与环境问题也逐步成为全球关注的焦点,积极推进新能源的开发与利用是当前全球发展的重要方向.新能源的开发与利用通常建立在电力系统储能技术的基础上,只有依托新型储能技术才能保证电力能源得到最大限度的发挥.因此,文章就储能技术的应用现状及其在发展过程中遇到的实际问题进行分析,探索新时期对电力系统储能技术的新需求.
当前,为了加强对生态环境的保护,我国对各类新能源的开发提供了一定的政策支持,其中包括太阳能光伏发电站的开发与管理.太阳能作为一种新型能源,对其进行有效应用,有助于节约资源、保护环境,但是目前在光伏发电站的开发和管理过程中存在一定的问题,需要对其进行深入分析,并提供解决策略.
传统石油能源车逐渐向新电力能源方向转变,这对电动车充电站配套设施提出了新的要求.基于此,文章对新能源电动车充电站进行了研究,并探讨了其发展趋势,以及目前存在的各类技术难题,最后提出汽车充电站的具体的发展策略,以促进其可持续发展.