A Safety Detection Model for Substation Operations Based on Combination of Spatial Context Reasoning Algorithm and Deep Learning Techniques
Notice bibliographique
Résumé
The environment near substations is complex, and electrocution accidents of operators occur from time to time during on-site operations, and the development of safety detection models for substation operations has received more and more attention.The article proposes a safety distance detection model for substation operation, which is mainly composed of binocular stereo matching perception model and safe area detection model.The binocular stereo matching perception is based on the PSMNet network model, combined with the parallax regression calculation to obtain the threedimensional coordinates of the operation area in the process of substation operation, and the threedimensional reconstruction of the substation operation process.The spatial context inference algorithm is utilized in the safe region detection model to detect the edge of the safe region, and the image segmentation of the safe region of the substation operation scene is performed by the improved OTSU algorithm.Then the three-dimensional coordinates obtained from binocular stereo matching perception and the three-dimensional coordinates of safe region detection are solved for the Euclidean distance, and then the safe distance detection of substation operation is realized.The EPE result accuracy of binocular stereo perception matching on the dataset is reduced by 0.71px compared with CRL, and the resulting mismatch pixel rate is between 0.83 and 1.48%.The average time-consuming image segmentation of the improved OTSU threshold segmentation method is 6.34ms, and the average relative error of the safety distance detection for substation operation is only 0.85%, and the maximum absolute error of the safety distance detection is only 0.13 m.Combining the spatial contextual reasoning algorithm with the deep learning technology can realize the effective detection of the safety distance for substation operation in multiple scenarios, and fully ensure the operation of the substation workers' safety.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».