电力作业监控告警方法和变电站作业安全监控机器人与流程

1.本技术涉及电力技术领域，特别是涉及一种电力作业监控告警方法、装置、存储介质、计算机程序产品和变电站作业安全监控机器人。


背景技术：

2.随着电力监控技术的发展，电力安全已经越来越受到社会各界的关注。为保证变电设备的安全、稳定和高效运行，电力作业现场内监测和管理系统的建设成为当前研究的重点。随着生产自动化需求的提出和智能科技的进步，越来越多的智能产品和装备正在变电站巡检任务中得到广泛应用。
3.在电力行业中，现场作业是极易发生人身等重大责任事故的关键环节，而各种事故的发生的直接原因往往都是违章作业以及监管不到位等原因综合造成的。由于电力作业现场点多面广，相关技术中对生产作业质量缺乏有效的全程监督检查机制，现有的辅助机器人难以应对复杂的作业环节，不能在作业过程中对作业人员的危险行为进行全面检查监督。
4.因此，相关技术中在电力作业场景中存在着作业过程安全性低的问题。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够在电力作业场景中提高作业过程安全性的电力作业监控告警方法、装置、计算机可读存储介质、计算机程序产品和变电站作业安全监控机器人。
6.第一方面，本技术提供了一种电力作业监控告警方法。所述方法包括：
7.获取作业现场图像；所述作业现场图像为对当前作业环节对应的电力作业环境进行拍摄得到的；
8.对所述作业现场图像进行边缘检测，得到所述作业现场图像对应的边缘检测图像；
9.在所述边缘检测图像中识别与所述当前作业环节匹配的作业准备对象；
10.在识别出所述电力作业环境中所述作业准备对象处于异常状态的情况下，根据所述作业现场图像中目标电力设备所在的区域，确定告警区域；所述目标电力设备为所述电力作业环境中与所述作业准备对象匹配的电力设备；
11.在识别到所述电力作业环境中的目标人员进入所述告警区域的情况下，生成告警信息。
12.在其中一个实施例中，所述在所述边缘检测图像中识别与所述当前作业环节匹配的作业准备对象，包括：
13.获取所述作业准备对象对应的预设准备对象图像；
14.通过将所述边缘检测图像与所述预设准备对象图像进行匹配，在所述边缘检测图像中识别与所述当前作业环节匹配的作业准备对象。
15.在其中一个实施例中，所述方法还包括：
16.在所述边缘检测图像中不存在与所述预设准备对象图像匹配的图像信息的情况下，判定所述电力作业环境中所述作业准备对象处于所述异常状态。
17.在其中一个实施例中，所述对所述作业现场图像进行边缘检测，得到所述作业现场图像对应的边缘检测图像，包括：
18.对预设的高斯算子模型进行微分运算，得到所述高斯算子模型的微分运算结果；
19.将所述高斯算子模型的微分运算结果与所述作业现场图像进行卷积，得到所述边缘检测图像。
20.在其中一个实施例中，所述根据所述作业现场图像中目标电力设备所在的区域，确定告警区域，包括：
21.在所述作业现场图像中识别出与所述作业准备对象匹配的目标电力设备；
22.将所述作业现场图像中所述目标电力设备所在的区域，作为所述告警区域。
23.在其中一个实施例中，所述在所述作业现场图像中识别出与所述作业准备对象匹配的目标电力设备，包括：
24.对所述电力作业环境中的各电力设备的形状进行采样，并将各所述电力设备对应的形状采样信息和对应的设备标识建立映射关系；
25.根据所述映射关系，获取与所述目标电力设备对应的设备标识匹配的形状采样信息，作为目标形状采样信息；
26.根据所述目标形状采样信息，在所述作业现场图像中识别出所述目标电力设备。
27.第二方面，本技术还提供了一种电力作业监控告警装置。所述装置包括：
28.获取模块，用于获取作业现场图像；所述作业现场图像为对当前作业环节对应的电力作业环境进行拍摄得到的；
29.检测模块，用于对所述作业现场图像进行边缘检测，得到所述作业现场图像对应的边缘检测图像；
30.识别模块，用于在所述边缘检测图像中识别与所述当前作业环节匹配的作业准备对象；
31.确定模块，用于在识别出所述电力作业环境中所述作业准备对象处于异常状态的情况下，根据所述作业现场图像中目标电力设备所在的区域，确定告警区域；所述目标电力设备为所述电力作业环境中与所述作业准备对象匹配的电力设备；
32.生成模块，用于在识别到所述电力作业环境中的目标人员进入所述告警区域的情况下，生成告警信息。
33.第三方面，本技术还提供了一种变电站作业安全监控机器人。所述变电站作业安全监控机器人包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
34.获取作业现场图像；所述作业现场图像为对当前作业环节对应的电力作业环境进行拍摄得到的；
35.对所述作业现场图像进行边缘检测，得到所述作业现场图像对应的边缘检测图像；
36.在所述边缘检测图像中识别与所述当前作业环节匹配的作业准备对象；
37.在识别出所述电力作业环境中所述作业准备对象处于异常状态的情况下，根据所述作业现场图像中目标电力设备所在的区域，确定告警区域；所述目标电力设备为所述电力作业环境中与所述作业准备对象匹配的电力设备；
38.在识别到所述电力作业环境中的目标人员进入所述告警区域的情况下，生成告警信息。
39.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
40.获取作业现场图像；所述作业现场图像为对当前作业环节对应的电力作业环境进行拍摄得到的；
41.对所述作业现场图像进行边缘检测，得到所述作业现场图像对应的边缘检测图像；
42.在所述边缘检测图像中识别与所述当前作业环节匹配的作业准备对象；
43.在识别出所述电力作业环境中所述作业准备对象处于异常状态的情况下，根据所述作业现场图像中目标电力设备所在的区域，确定告警区域；所述目标电力设备为所述电力作业环境中与所述作业准备对象匹配的电力设备；
44.在识别到所述电力作业环境中的目标人员进入所述告警区域的情况下，生成告警信息。
45.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
46.获取作业现场图像；所述作业现场图像为对当前作业环节对应的电力作业环境进行拍摄得到的；
47.对所述作业现场图像进行边缘检测，得到所述作业现场图像对应的边缘检测图像；
48.在所述边缘检测图像中识别与所述当前作业环节匹配的作业准备对象；
49.在识别出所述电力作业环境中所述作业准备对象处于异常状态的情况下，根据所述作业现场图像中目标电力设备所在的区域，确定告警区域；所述目标电力设备为所述电力作业环境中与所述作业准备对象匹配的电力设备；
50.在识别到所述电力作业环境中的目标人员进入所述告警区域的情况下，生成告警信息。
51.上述电力作业监控告警方法、装置、变电站作业安全监控机器人、存储介质和计算机程序产品，通过获取作业现场图像；作业现场图像为对当前作业环节对应的电力作业环境进行拍摄得到的；对作业现场图像进行边缘检测，得到作业现场图像对应的边缘检测图像；在边缘检测图像中识别与当前作业环节匹配的作业准备对象；在识别出电力作业环境中作业准备对象处于异常状态的情况下，根据作业现场图像中目标电力设备所在的区域，确定告警区域；目标电力设备为电力作业环境中与作业准备对象匹配的电力设备；在识别到电力作业环境中的目标人员进入告警区域的情况下，生成告警信息。
52.如此，可以根据不同作业环节对不同作业环节对应的作业准备对象进行确认，规范作业流程，并在当前作业环节对应的作业准备对象处于异常状态的情况下，即作业流程不规范的情况下，将电力作业环境中与作业准备对象匹配的目标电力设备所在的区域，划
定为与当前作业环节匹配的告警区域，实现了根据不同的作业环节划定不同的告警区域，并在识别出电力作业环境中的目标人员进入告警区域的情况下，生成告警信息，从而可以提醒目标人员安全规范作业，有效提高了电力作业场景中作业过程的安全性。
附图说明
53.图1为一个实施例中一种电力作业监控告警方法的流程示意图；
54.图2为一个实施例中识别目标电力设备步骤的流程示意图；
55.图3为一个实施例中另一种电力作业监控告警方法的流程示意图；
56.图4为另一个实施例中一种电力作业监控告警方法的流程示意图；
57.图5为一个实施例中一种电力作业监控告警装置的结构框图；
58.图6为一个实施例中计算机设备的内部结构图。
具体实施方式
59.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
60.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
61.在一个实施例中，如图1所示，提供了一种电力作业监控告警方法，本实施例以该方法应用于变电站作业安全监控机器人(以下简称为“监控机器人”)进行举例说明，可以理解的是，该方法也可以应用于终端，也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
62.步骤s110，获取作业现场图像。
63.其中，作业现场图像为对当前作业环节对应的电力作业环境进行拍摄得到的。
64.其中，电力作业环境可以包括但不限于为变电站作业环境。
65.其中，目标人员可以为电力作业环境中进行电力作业的工作人员。
66.具体实现中，工作人员可以提前根据电力作业任务，制定作业环节，而作业环节包括前期的一些针对作业准备对象的准备动作，如接地线，安全绳，断开开关，并将作业环节信息进行编号，输入至监控机器人中。其中，作业准备对象包括但不限于为地线、安全绳、断开开关等。
67.针对当前作业环节，图像采集设备可以对当前作业环节对应的电力作业环境进行拍摄，以供监控机器人获取到作业现场图像。
68.实际应用中，图像采集设备可以是手持终端(例如照相机或手机等终端)，工作人员利用手持终端，对电力作业环境中的作业现场进行拍摄，得到作业现场视频，手持终端与监控机器人之间建立无线连接，从而监控机器人可以接收到作业现场视频，监控机器人将
作业现场视频分解成单帧的图像，作为作业现场图像。
69.步骤s120，对作业现场图像进行边缘检测，得到作业现场图像对应的边缘检测图像。
70.具体实现中，监控机器人可以对作业现场图像进行边缘检测，得到作业现场图像对应的边缘检测图像。
71.步骤s130，在边缘检测图像中识别与当前作业环节匹配的作业准备对象。
72.具体实现中，监控机器人可以在边缘检测图像中识别与当前作业环节匹配的作业准备对象。
73.步骤s140，在识别出电力作业环境中作业准备对象处于异常状态的情况下，根据作业现场图像中目标电力设备所在的区域，确定告警区域。
74.其中，目标电力设备为电力作业环境中与作业准备对象匹配的电力设备。
75.其中，异常状态包括电力作业环境中不存在当前作业环节对应的作业准备对象，或作业准备对象的准备工作不规范。
76.具体实现中，监控机器人在识别到电力作业环境中作业准备对象处于异常状态的情况下，例如，识别到作业现场存在未接安全绳、未接底线等情况，则根据作业现场图像中目标电力设备所在的区域，确定告警区域。
77.其中，目标电力设备为电力作业环境中与作业准备对象匹配的电力设备。例如，如若未接安全绳，则将电杆作为目标电力设备，若未接底线，则将变压器等带电设备作为目标电力设备。
78.具体的，监控机器人可以获取各作业准备对象与各电力设备之间的映射关系，通过该映射关系，确定处于异常状态的作业准备对象对应的电力设备，作为目标电力设备。
79.此外，在识别出作业准备对象处于异常状态的情况下，监控机器人还需要生成整改提示信息，以提示作业现场的目标人员对当前作业环节对应的作业准备对象的准备工作进行重新整改。
80.需要说明的是，也可以通过监管人员对作业准备对象进行人工识别，对作业准备对象的状态进行确认。
81.步骤s150，在识别到电力作业环境中的目标人员进入告警区域的情况下，生成告警信息。
82.具体实现中，监控机器人可以对当前作业环节的目标人员的危险行为进行监控。具体的，监控机器人可以对作业现场图像的目标人员进行识别，在识别到处于电力作业环境中的目标人员，进入告警区域的情况下，生成告警信息，进行告警提示，直到完成当前作业环节对应的作业任务，进入下一作业环节。
83.上述电力作业监控告警方法中，通过获取作业现场图像；作业现场图像为对当前作业环节对应的电力作业环境进行拍摄得到的；对作业现场图像进行边缘检测，得到作业现场图像对应的边缘检测图像；在边缘检测图像中识别与当前作业环节匹配的作业准备对象；在识别出电力作业环境中作业准备对象处于异常状态的情况下，根据作业现场图像中目标电力设备所在的区域，确定告警区域；目标电力设备为电力作业环境中与作业准备对象匹配的电力设备；在识别到电力作业环境中的目标人员进入告警区域的情况下，生成告警信息。
84.如此，可以根据不同作业环节对不同作业环节对应的作业准备对象进行确认，规范作业流程，并在当前作业环节对应的作业准备对象处于异常状态的情况下，即作业流程不规范的情况下，将电力作业环境中与作业准备对象匹配的目标电力设备所在的区域，划定为与当前作业环节匹配的告警区域，实现了根据不同的作业环节划定不同的告警区域，并在识别出电力作业环境中的目标人员进入告警区域的情况下，生成告警信息，从而可以提醒目标人员安全规范作业，有效提高了电力作业场景中作业过程的安全性。
85.在一个实施例中，在边缘检测图像中识别与当前作业环节匹配的作业准备对象，包括：获取作业准备对象对应的预设准备对象图像；通过将边缘检测图像与预设准备对象图像进行匹配，在边缘检测图像中识别与当前作业环节匹配的作业准备对象。
86.具体实现中，监控机器人在边缘检测图像中识别与当前作业环节匹配的作业准备对象的过程中，监控机器人可以获取作业准备对象对应的预设准备对象图像，通过将边缘检测图像与预设准备对象图像进行匹配，以在边缘检测图像中识别与当前作业环节匹配的作业准备对象。
87.在边缘检测图像中不存在与预设准备对象图像匹配的图像信息的情况下，判定电力作业环境中作业准备对象处于异常状态。具体的，若在边缘检测图像中不存在与预设准备对象图像之间的匹配度，大于预设匹配度阈值的图像信息的情况下，确定边缘检测图像中不存在与预设准备对象图像匹配的图像信息。如此，可以准确判定作业准备对象是否处于异常状态。
88.本实施例的技术方案，通过获取作业准备对象对应的预设准备对象图像；通过将边缘检测图像与预设准备对象图像进行匹配，在边缘检测图像中识别与当前作业环节匹配的作业准备对象；如此，通过将作业准备对象对应的预设准备对象图像，与边缘检测图像进行匹配，可以准确识别边缘检测图像中的作业准备对象。
89.在一个实施例中，对作业现场图像进行边缘检测，得到作业现场图像对应的边缘检测图像，包括：对预设的高斯算子模型进行微分运算，得到高斯算子模型的微分运算结果；将高斯算子模型的微分运算结果与作业现场图像进行卷积，得到边缘检测图像。
90.具体实现中，监控机器人在对作业现场图像进行边缘检测，得到作业现场图像对应的边缘检测图像的过程中，由于log((laplacian of gaussain，高斯拉普拉斯算子)模型运算量少，成本低，为了高效进行边缘检测，可以通过log((laplacian of gaussain，高斯拉普拉斯算子)模型进行边缘检测。具体的，log模型，一般采用的是5x5的格式，这样检测的效果会更好。与laplacian(拉普拉斯)算子模型相关的二维等效式是二阶导数类型的，那么二元函数f(x,y)的上述变换定义为：
[0091][0092]
表示为二阶偏导数，上述公式本质上是二阶类型的偏导数分别对x和y的总和，上式的表示方法是差分，即可联想到以下公式：
[0093][0094]
同时表现的模块形式，如以下公式所示：
[0095][0096]
算子模型不仅能使图像中的角线突出反映起来，还可以使图像中的孤立点突出反映起来。其中值得注意到的是由于一阶导数对噪声的敏感程度偏高，所以它的稳定性不是很好，但因为如此，当涉及到二阶导数时，它对噪声的敏感程度更高，所以稳定性能更不好。因此在log模型中将平滑滤波引入进来，能够高效的去除那些基于正态分布类型的噪声，使得边缘检测的效果愈发的好起来。
[0097]
log模型的输出函数h(x,y)可以通过卷积的运算方式得到以下公式：
[0098][0099]
式中f(x,y)表示为原始图像(即相当于本实施例中的作业现场图像)，g(x,y)表示为高斯函数。根据卷积求导法有：
[0100][0101]
由上述公式可知，需要先对高斯算子模型(即log模型)进行微分的运算，得到的高斯算子模型的微分运算结果，再和作业现场图像f(x,y)进行卷积，其中：
[0102][0103]
式中σ代表的含义是标准差。通过利用不同标准差的log模型所检测出来的图像边缘效果，可以使得到的边缘检测图像的图像边缘轮廓更加清晰。
[0104]
本实施例的技术方案，通过对预设的高斯算子模型进行微分运算，得到高斯算子模型的微分运算结果；将高斯算子模型的微分运算结果与作业现场图像进行卷积，得到边缘检测图像；如此，通过高斯算子模型对作业现场图像进行卷积，得到边缘检测图像，可以使得边缘检测图像的图像边缘轮廓更加清晰。
[0105]
在一个实施例中，根据作业现场图像中目标电力设备所在的区域，确定告警区域，包括：在作业现场图像中识别出与作业准备对象匹配的目标电力设备；将作业现场图像中目标电力设备所在的区域，作为告警区域。
[0106]
具体实现中，监控机器人在根据作业现场图像中目标电力设备所在的区域，确定告警区域的过程中，监控机器人可以在作业现场图像中识别出与作业准备对象匹配的目标电力设备。具体的，监控机器人可以在对作业现场图像进行边缘检测，得到的边缘检测图像中识别出目标电力设备，然后，将作业现场图像中目标电力设备所在的区域，作为当前作业环节对应的告警区域。
[0107]
可以理解的是，也可以在作业现场图像中通过人工框选的方式划定告警区域。
[0108]
本实施例的技术方案，通过在作业现场图像中识别出与作业准备对象匹配的目标电力设备；将作业现场图像中目标电力设备所在的区域，作为告警区域；如此，由于不同的作业环节具有不用的危险行为，针对当前作业环节，识别出与当前作业环节对应的作业准备对象匹配的目标电力设备，并将目标电力设备所在的区域，作为告警区域，实现了针对当前作业环节划定对应的告警区域；从而可以针对不同作业环节划定不同的告警区域，有效
提高了作业过程中的安全性。
[0109]
在一个实施例中，如图2所示，在作业现场图像中识别出与作业准备对象匹配的目标电力设备，包括以下步骤：
[0110]
步骤s210，对电力作业环境中的各电力设备的形状进行采样，并将各电力设备对应的形状采样信息和对应的设备标识建立映射关系。
[0111]
具体实现中，监控机器人可以提前对电力作业环境中的各电力设备的形状进行采样，并将各电力设备对应的形状采样信息和对应的设备标识建立映射关系，进行存储。
[0112]
步骤s220，根据映射关系，获取与目标电力设备对应的设备标识匹配的形状采样信息，作为目标形状采样信息。
[0113]
具体实现中，监控机器人在确定了与处于异常状态的作业准备对象匹配的目标电力设备，可以根据上述映射关系，获取与目标电力设备对应的设备标识匹配的形状采样信息，作为目标形状采样信息。
[0114]
步骤s230，根据目标形状采样信息，在作业现场图像中识别出目标电力设备。
[0115]
具体实现中，监控机器人在获取到作业现场图像后，可以通过目标形状采样信息，在作业现场图像中匹配出目标电力设备。具体的，可以将目标形状采样信息与边缘检测图像进行匹配，识别出目标电力设备。
[0116]
本实施例的技术方案，通过对电力作业环境中的各电力设备的形状进行采样，并将各电力设备对应的形状采样信息和对应的设备标识建立映射关系；根据映射关系，获取与目标电力设备对应的设备标识匹配的形状采样信息，作为目标形状采样信息；根据目标形状采样信息，在作业现场图像中识别出目标电力设备；如此，通过对电力作业环境中的各电力设备的形状进行采样，建立各电力设备对应的形状采样信息和对应的设备标识之间的映射关系，从而可以通过该映射关系，获取与目标电力设备对应的设备标识匹配的目标形状采样信息，通过目标形状采样信息，可以在作业现场图像中准确识别出目标电力设备。
[0117]
在一个实施例中，如图3所示，提供了另一种电力作业监控告警方法的流程示意图。如图3所示，图像采集设备对电力作业环境中的作业现场进行拍摄，将作业现场视频发送至监控机器人，监控机器人将作业现场视频分解成单帧的图像，作为作业现场图像。监控机器人对作业现场图像中与当前作业环节匹配的作业准备对象进行识别，若识别出作业准备对象处于异常状态(即不符合当前作业环节)，则生成整改提示信息，提示目标人员对当前作业环节对应的作业准备对象的准备工作进行重新整改，并对当前作业环节的目标人员的危险行为进行监控，在监控到目标人员进入当前作业环节对应的告警区域的情况下，生成告警信息。
[0118]
在识别出与当前作业环节匹配的作业准备对象未处于异常状态的情况下(即符合当前作业环节)，监控机器人可以进行下一作业环节的监控，并在监控到目标人员进入下一作业环节对应的告警区域的情况下，生成告警信息。具体的，监控机器人可以将下一作业环节作为当前作业环节，返回获取作业现场图像的步骤，直到完成所有作业环节对应的作业任务。
[0119]
在另一个实施例中，如图4所示，提供了一种电力作业监控告警方法，以该方法应用于变电站作业安全监控机器人为例进行说明，包括以下步骤：
[0120]
步骤s402，获取作业现场图像。
[0121]
步骤s404，对作业现场图像进行边缘检测，得到作业现场图像对应的边缘检测图像。
[0122]
步骤s406，获取作业准备对象对应的预设准备对象图像。
[0123]
步骤s408，通过将边缘检测图像与预设准备对象图像进行匹配，在边缘检测图像中识别与当前作业环节匹配的作业准备对象。
[0124]
步骤s410，在边缘检测图像中不存在与预设准备对象图像匹配的图像信息的情况下，判定电力作业环境中作业准备对象处于异常状态。
[0125]
步骤s412，在识别出电力作业环境中作业准备对象处于异常状态的情况下，根据作业现场图像中目标电力设备所在的区域，确定告警区域。
[0126]
步骤s414，在识别到电力作业环境中的目标人员进入告警区域的情况下，生成告警信息。
[0127]
需要说明的是，上述步骤的具体限定可以参见上文对一种电力作业监控告警方法的具体限定。
[0128]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0129]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的电力作业监控告警方法的电力作业监控告警装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电力作业监控告警装置实施例中的具体限定可以参见上文中对于电力作业监控告警方法的限定，在此不再赘述。
[0130]
在一个实施例中，如图5所示，提供了一种电力作业监控告警装置，包括：获取模块510、检测模块520、识别模块530、确定模块540和生成模块550，其中：
[0131]
获取模块510，用于获取作业现场图像；所述作业现场图像为对当前作业环节对应的电力作业环境进行拍摄得到的。
[0132]
检测模块520，用于对所述作业现场图像进行边缘检测，得到所述作业现场图像对应的边缘检测图像。
[0133]
识别模块530，用于在所述边缘检测图像中识别与所述当前作业环节匹配的作业准备对象。
[0134]
确定模块540，用于在识别出所述电力作业环境中所述作业准备对象处于异常状态的情况下，根据所述作业现场图像中目标电力设备所在的区域，确定告警区域；所述目标电力设备为所述电力作业环境中与所述作业准备对象匹配的电力设备。
[0135]
生成模块550，用于在识别到所述电力作业环境中的目标人员进入所述告警区域的情况下，生成告警信息。
[0136]
在其中一个实施例中，所述识别模块530，具体用于获取所述作业准备对象对应的预设准备对象图像；通过将所述边缘检测图像与所述预设准备对象图像进行匹配，在所述
边缘检测图像中识别与所述当前作业环节匹配的作业准备对象。
[0137]
在其中一个实施例中，所述识别模块530，还用于在所述边缘检测图像中不存在与所述预设准备对象图像匹配的图像信息的情况下，判定所述电力作业环境中所述作业准备对象处于所述异常状态。
[0138]
在其中一个实施例中，所述检测模块520，具体用于对预设的高斯算子模型进行微分运算，得到所述高斯算子模型的微分运算结果；将所述高斯算子模型的微分运算结果与所述作业现场图像进行卷积，得到所述边缘检测图像。
[0139]
在其中一个实施例中，所述确定模块540，具体用于在所述作业现场图像中识别出与所述作业准备对象匹配的目标电力设备；将所述作业现场图像中所述目标电力设备所在的区域，作为所述告警区域。
[0140]
在其中一个实施例中，所述确定模块540，具体用于对所述电力作业环境中的各电力设备的形状进行采样，并将各所述电力设备对应的形状采样信息和对应的设备标识建立映射关系；根据所述映射关系，获取与所述目标电力设备对应的设备标识匹配的形状采样信息，作为目标形状采样信息；根据所述目标形状采样信息，在所述作业现场图像中识别出所述目标电力设备。
[0141]
上述电力作业监控告警装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于变电站作业安全监控机器人中的处理器中，也可以以软件形式存储于变电站作业安全监控机器人中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0142]
在一个实施例中，提供了一种变电站作业安全监控机器人，该变电站作业安全监控机器人可以是终端，其内部结构图可以如图6所示。该变电站作业安全监控机器人包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该变电站作业安全监控机器人的处理器用于提供计算和控制能力。该变电站作业安全监控机器人的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该变电站作业安全监控机器人的输入/输出接口用于处理器与外部设备之间交换信息。该变电站作业安全监控机器人的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电力作业监控告警方法。该变电站作业安全监控机器人的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该变电站作业安全监控机器人的输入装置可以是显示屏上覆盖的触摸层，也可以是变电站作业安全监控机器人外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0143]
本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的变电站作业安全监控机器人的限定，具体的变电站作业安全监控机器人可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0144]
在一个实施例中，还提供了一种变电站作业安全监控机器人，包括存储器和处理
器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0145]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0146]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0147]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
[0148]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0149]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0150]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种电力作业监控告警方法，其特征在于，所述方法包括：获取作业现场图像；所述作业现场图像为对当前作业环节对应的电力作业环境进行拍摄得到的；对所述作业现场图像进行边缘检测，得到所述作业现场图像对应的边缘检测图像；在所述边缘检测图像中识别与所述当前作业环节匹配的作业准备对象；在识别出所述电力作业环境中所述作业准备对象处于异常状态的情况下，根据所述作业现场图像中目标电力设备所在的区域，确定告警区域；所述目标电力设备为所述电力作业环境中与所述作业准备对象匹配的电力设备；在识别到所述电力作业环境中的目标人员进入所述告警区域的情况下，生成告警信息。2.根据权利要求1所述的方法，其特征在于，所述在所述边缘检测图像中识别与所述当前作业环节匹配的作业准备对象，包括：获取所述作业准备对象对应的预设准备对象图像；通过将所述边缘检测图像与所述预设准备对象图像进行匹配，在所述边缘检测图像中识别与所述当前作业环节匹配的作业准备对象。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：在所述边缘检测图像中不存在与所述预设准备对象图像匹配的图像信息的情况下，判定所述电力作业环境中所述作业准备对象处于所述异常状态。4.根据权利要求1所述的方法，其特征在于，所述对所述作业现场图像进行边缘检测，得到所述作业现场图像对应的边缘检测图像，包括：对预设的高斯算子模型进行微分运算，得到所述高斯算子模型的微分运算结果；将所述高斯算子模型的微分运算结果与所述作业现场图像进行卷积，得到所述边缘检测图像。5.根据权利要求1所述的方法，其特征在于，所述根据所述作业现场图像中目标电力设备所在的区域，确定告警区域，包括：在所述作业现场图像中识别出与所述作业准备对象匹配的目标电力设备；将所述作业现场图像中所述目标电力设备所在的区域，作为所述告警区域。6.根据权利要求5所述的方法，其特征在于，所述在所述作业现场图像中识别出与所述作业准备对象匹配的目标电力设备，包括：对所述电力作业环境中的各电力设备的形状进行采样，并将各所述电力设备对应的形状采样信息和对应的设备标识建立映射关系；根据所述映射关系，获取与所述目标电力设备对应的设备标识匹配的形状采样信息，作为目标形状采样信息；根据所述目标形状采样信息，在所述作业现场图像中识别出所述目标电力设备。7.一种电力作业监控告警装置，其特征在于，所述装置包括：获取模块，用于获取作业现场图像；所述作业现场图像为对当前作业环节对应的电力作业环境进行拍摄得到的；检测模块，用于对所述作业现场图像进行边缘检测，得到所述作业现场图像对应的边缘检测图像；
识别模块，用于在所述边缘检测图像中识别与所述当前作业环节匹配的作业准备对象；确定模块，用于在识别出所述电力作业环境中所述作业准备对象处于异常状态的情况下，根据所述作业现场图像中目标电力设备所在的区域，确定告警区域；所述目标电力设备为所述电力作业环境中与所述作业准备对象匹配的电力设备；生成模块，用于在识别到所述电力作业环境中的目标人员进入所述告警区域的情况下，生成告警信息。8.一种变电站作业安全监控机器人，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种电力作业监控告警方法、装置、存储介质、计算机程序产品和变电站作业安全监控机器人。方法包括：获取作业现场图像；作业现场图像为对当前作业环节对应的电力作业环境进行拍摄得到的；对作业现场图像进行边缘检测，得到作业现场图像对应的边缘检测图像；在边缘检测图像中识别与当前作业环节匹配的作业准备对象；在识别出电力作业环境中作业准备对象处于异常状态的情况下，根据作业现场图像中目标电力设备所在的区域，确定告警区域；目标电力设备为电力作业环境中与作业准备对象匹配的电力设备；在识别到电力作业环境中的目标人员进入告警区域的情况下，生成告警信息。采用本方法能够提高电力作业场景中作业过程的安全性。程的安全性。程的安全性。


技术研发人员：周震震 何森 王奇 宋云海 黄和燕 王黎伟 何宇浩 肖耀辉 李为明 丁伟锋 杨育丰
受保护的技术使用者：中国南方电网有限责任公司超高压输电公司电力科研院
技术研发日：2023.06.13
技术公布日：2023/10/15