深度學(xué)習(xí)技術(shù)及圖像識(shí)別技術(shù)在水電站的應(yīng)用研究

國(guó)能大渡河猴子巖發(fā)電有限公司 邱 華 李天智 郝亞鵬 王魯川

猴子巖水電站作為宏觀智慧電廠的基本構(gòu)成，其終端數(shù)據(jù)處理與人工智能感知能力也隨著終端感知能力和分析能力提升而不斷進(jìn)步。多維導(dǎo)向下的智能化生產(chǎn)運(yùn)行也要去現(xiàn)場(chǎng)運(yùn)維巡檢具備一定程度的異物識(shí)別、佩戴識(shí)別、設(shè)備外觀辨識(shí)以及人員違章情況識(shí)別。將歷史案例視頻庫(kù)、相近場(chǎng)景視頻、關(guān)聯(lián)場(chǎng)景視頻等信息進(jìn)行歸一化比對(duì)，在及時(shí)警告、現(xiàn)場(chǎng)留痕的基礎(chǔ)上將傳統(tǒng)的視頻“監(jiān)督”轉(zhuǎn)換為人機(jī)體驗(yàn)更強(qiáng)的智慧“監(jiān)控”，做到數(shù)據(jù)共享化、現(xiàn)場(chǎng)嚴(yán)管化、安全本質(zhì)化的優(yōu)化生產(chǎn)。作者在此基于多年工作經(jīng)驗(yàn)提出建設(shè)性意見(jiàn)。

1 深度學(xué)習(xí)與圖像識(shí)別概述

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種。他的概念來(lái)源于人工神經(jīng)網(wǎng)絡(luò)（ANN），它從信息處理的角度模擬了人腦神經(jīng)元之間信息傳遞和處理的方式。2006年Hinton等人提出了深度學(xué)習(xí)的概念，它是一種具有多個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，可以更抽象、更深入地描述目標(biāo)對(duì)象的特征[1]。深度學(xué)習(xí)一般可以分為有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)，分類(lèi)基于數(shù)據(jù)是否包含標(biāo)記。在監(jiān)督學(xué)習(xí)過(guò)程中，會(huì)發(fā)現(xiàn)訓(xùn)練數(shù)據(jù)的特征與成績(jī)的映射關(guān)系，通過(guò)成績(jī)不斷修正學(xué)習(xí)過(guò)程中的偏差，修正學(xué)習(xí)預(yù)測(cè)率，不斷提高監(jiān)督學(xué)習(xí)主要包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）和深度堆疊網(wǎng)絡(luò)（DSN）[2]，無(wú)監(jiān)督學(xué)習(xí)的訓(xùn)練數(shù)據(jù)沒(méi)有標(biāo)記。常用的算法包括受限玻爾茲曼機(jī)（RBM）和深度信念網(wǎng)絡(luò)（DBN）。

圖像識(shí)別技術(shù)可智能提取圖像特征、完成圖像分類(lèi)，已應(yīng)用于醫(yī)療、交通、安防等各種生活場(chǎng)景。圖像識(shí)別一般包括三個(gè)步驟：圖像預(yù)處理、圖像特征提取和圖像分類(lèi)。圖像預(yù)處理旨在通過(guò)消除圖像中的噪聲和干擾，增強(qiáng)有用信息來(lái)提高圖像識(shí)別精度。圖像特征提取包括將圖像轉(zhuǎn)換為“非圖像”描述，例如數(shù)字表示或向量描述。其基本思想是將高維空間中的原始圖像映射或變換為低維特征描述。圖像識(shí)別是根據(jù)提取圖像的特征，根據(jù)分類(lèi)決策得到待識(shí)別圖像所屬的類(lèi)別。

2 深度學(xué)習(xí)技術(shù)分析

識(shí)別方法的設(shè)計(jì)。通過(guò)遷移學(xué)習(xí)，大大提高了學(xué)習(xí)性能，ImageNet訓(xùn)練的參數(shù)提取能力更強(qiáng)。通過(guò)特征提取進(jìn)行數(shù)據(jù)集特征縮減包括三種典型網(wǎng)絡(luò)：一種是VGG網(wǎng)絡(luò)、一種是ResNet殘差網(wǎng)絡(luò)，第三種是密集連接的DenseNet網(wǎng)絡(luò)[3]。使用交叉熵函數(shù)作為損失函數(shù)，選擇自適應(yīng)矩估計(jì)方法作為模型的優(yōu)化器。選擇Softmax回歸算法進(jìn)行分類(lèi)，使用微平均F1分?jǐn)?shù)、準(zhǔn)確率和回收率進(jìn)行輔助評(píng)估，提高你的準(zhǔn)確率。

數(shù)據(jù)集的建立。捕獲圖像后，將其壓縮到一定的像素大小。專(zhuān)業(yè)人員將記錄數(shù)據(jù)并將相同類(lèi)型的文件放在同一文件夾中。比如提取3000張圖片、分成24組，你會(huì)用8:1:1的比例作為訓(xùn)練數(shù)據(jù)集、驗(yàn)證數(shù)據(jù)集、測(cè)試數(shù)據(jù)集。由于每個(gè)類(lèi)別的數(shù)據(jù)數(shù)量不均衡，必須使用旋轉(zhuǎn)、平移、切片、縮放和翻轉(zhuǎn)等方法進(jìn)行數(shù)據(jù)增強(qiáng)。

識(shí)別模型的壓縮。執(zhí)行更深、更復(fù)雜的網(wǎng)絡(luò)挖掘功能并提高其準(zhǔn)確性，因此數(shù)據(jù)消耗非常大，因此必須優(yōu)化網(wǎng)絡(luò)以減少資源消耗。本研究采用可分離的深度卷積壓縮方法來(lái)減少計(jì)算量并壓縮模型。此外，可以使用網(wǎng)絡(luò)修剪和模型量化壓縮方法來(lái)減少參數(shù)數(shù)量并跳過(guò)不必要的計(jì)算[4]。

3 圖像識(shí)別技術(shù)的優(yōu)缺點(diǎn)

優(yōu)勢(shì)：自然性。運(yùn)用圖像識(shí)別最簡(jiǎn)便的自然特征和面部生物特性進(jìn)行身份的快速驗(yàn)證，無(wú)需進(jìn)行特定擺放和額外的證件識(shí)別；不易察覺(jué)性。需求者和終端圖像信息能夠進(jìn)行主動(dòng)獲取，在受體未察覺(jué)的前提下完成數(shù)據(jù)采集。特別是人臉識(shí)別可以在不同光線先進(jìn)行不同數(shù)據(jù)量的人臉圖像信息比對(duì)，并在紅外線與可見(jiàn)光融合的前提下完成多光源人臉圖像識(shí)別數(shù)據(jù)歸一化，讓受體體驗(yàn)性和數(shù)據(jù)采集的隱蔽性更佳；非接觸性，相比其他測(cè)量、識(shí)別碼錄入、生物信息采集等傳統(tǒng)識(shí)別技術(shù)，運(yùn)用圖像識(shí)別更具有高效性。圖像設(shè)備無(wú)需接觸就能完成圖像信息的識(shí)別和分揀。并在特定大小下進(jìn)行不同物體幾何形狀繪制與識(shí)別。區(qū)分生物體和機(jī)械設(shè)備大體運(yùn)行狀態(tài)，做到動(dòng)態(tài)表征。

缺點(diǎn)：圖像識(shí)別技術(shù)其精度有限，在特定燈光前提下無(wú)法捕捉更多細(xì)節(jié)。同時(shí)因?yàn)樵O(shè)備和生物形態(tài)可能存在相似性，所以在不同個(gè)體之間的區(qū)別特征較少時(shí)無(wú)法進(jìn)行精確識(shí)別，特別是在人臉識(shí)別范疇，在人臉結(jié)構(gòu)特征相似，在加上化妝掩蓋和光線角度的制約下加大了識(shí)別的難度。加之不同表情下的人臉存在易變性，所以很難在大幅度運(yùn)動(dòng)前提下通過(guò)臉部視覺(jué)圖像進(jìn)行識(shí)別。多重要素弱化了該種方式的識(shí)別效率。

4 深度學(xué)習(xí)技術(shù)及圖像識(shí)別技術(shù)在水電站的應(yīng)用

水電站的運(yùn)行需要強(qiáng)有力的安全防護(hù)，該種方面需要進(jìn)行機(jī)電設(shè)備的長(zhǎng)效巡檢，同時(shí)要求安保系統(tǒng)較高。避免外來(lái)入侵者破壞相應(yīng)設(shè)備、同時(shí)實(shí)時(shí)監(jiān)控相關(guān)設(shè)備正常運(yùn)行、確保施工現(xiàn)場(chǎng)無(wú)違章作業(yè)和施工質(zhì)量不達(dá)標(biāo)帶來(lái)的安全運(yùn)行隱患。其主要圖像識(shí)別要點(diǎn)有人員信息碼識(shí)別、安全帽（帶）佩戴檢測(cè)、危險(xiǎn)源識(shí)別、設(shè)備完整性識(shí)別以及人員跨越危險(xiǎn)區(qū)等違章操作[5]。

異物識(shí)別。異物包括關(guān)鍵設(shè)備緊固部件完善性以及人員工具異物、火種和違規(guī)違章操作等。系統(tǒng)可以將實(shí)現(xiàn)錄用的歷史視頻以信息流的形式進(jìn)行存儲(chǔ)。將攝像機(jī)進(jìn)行定點(diǎn)部署，做到施工現(xiàn)場(chǎng)全覆蓋。然后將獲取的圖像進(jìn)行原始信息比對(duì)，在智能分析前提下及時(shí)發(fā)現(xiàn)關(guān)鍵要害部位零部件缺失、物品違規(guī)以及違章操作等，然后通過(guò)預(yù)設(shè)專(zhuān)家?guī)祜L(fēng)險(xiǎn)因素進(jìn)行信息平臺(tái)數(shù)據(jù)共享，及時(shí)預(yù)判危險(xiǎn)，并將風(fēng)險(xiǎn)預(yù)警情況進(jìn)行有限提示，必要時(shí)還可進(jìn)行視頻切換至指揮系統(tǒng)人工評(píng)判。

佩戴識(shí)別。應(yīng)用圖像識(shí)別模塊自動(dòng)檢索像素直方圖，數(shù)學(xué)模型自動(dòng)計(jì)算頭盔（帶）佩戴形態(tài)分析，判斷是否佩戴頭盔（帶）等勞保產(chǎn)品。工作人員進(jìn)行實(shí)時(shí)分析、識(shí)別、監(jiān)控和報(bào)警，在不戴頭盔的情況下提前預(yù)警危險(xiǎn)行為，將截圖和報(bào)警視頻保存在數(shù)據(jù)庫(kù)中形成報(bào)告，并將報(bào)警信息發(fā)送給管理人員。

設(shè)備外觀識(shí)別。安裝在大壩泄洪出入口等重點(diǎn)區(qū)域的攝像頭用于采集施工人員的面部圖像。數(shù)據(jù)的比較和計(jì)算。當(dāng)比較結(jié)果為合理值時(shí)，允許白名單人員通過(guò)；當(dāng)比對(duì)結(jié)果超過(guò)合理值時(shí)，系統(tǒng)會(huì)屏蔽此人，即黑名單上的人，并對(duì)未授權(quán)人員進(jìn)行警告和警告。記錄報(bào)警信息并發(fā)送給系統(tǒng)，人工合成后可解除禁令。此外，通過(guò)對(duì)進(jìn)場(chǎng)人員的身份進(jìn)行身份驗(yàn)證，可以確保值班人員的真實(shí)性和操作票的合規(guī)性，以有效解決出入口等重點(diǎn)區(qū)域，水電站建設(shè)內(nèi)部人員管理問(wèn)題。

人員移動(dòng)及跨越識(shí)別?？稍陔姀S生活區(qū)和重點(diǎn)風(fēng)險(xiǎn)管理區(qū)進(jìn)行電子圍欄監(jiān)控。根據(jù)實(shí)際情況制作警戒區(qū)地圖，該地區(qū)禁止人員和物品。當(dāng)攝像機(jī)檢測(cè)到有人移動(dòng)、穿越或其他違法行為時(shí)，通過(guò)圖像識(shí)別分析自動(dòng)識(shí)別報(bào)警并發(fā)送給系統(tǒng)管理人員，可有效提高對(duì)危險(xiǎn)區(qū)域人員的管理和控制。