风力发电机组机舱外部工作区作业人员防坠落预警方法及系统与流程

本技术涉及人工智能，且更为具体地，涉及一种风力发电机组机舱外部工作区作业人员防坠落预警方法及系统。

背景技术：

1、风电机组舱外作业是指在风电机组舱外进行的一系列作业和维护任务。这些作业通常涉及到风力发电机塔筒、叶片、机组舱外部设备等部分的维护、检修和安装。一些常见的风电机组舱外作业可示例性包括：1）风力发电机塔维护，包括风力发电机塔的表面清洁、防腐涂装、螺栓紧固等工作。这些作业需要使用悬挂式吊篮、登高绳索等设备进行。2）叶片维护，主要包括风力发电机的叶片的定期进行检查、清洁和维护。3）天线和信号灯维护，风力发电机塔顶部通常安装有天线和信号灯，用于通信和航空安全。这些设备需要定期检查、维护和更换。4）外部设备安装和维护：风力发电机组机舱外部工作区还会安装一些辅助设备，如监控摄像头、机舱天窗等。这些设备也需要进行安装、定期检查和维护。在上述的舱外作业中，由于塔顶位置无法依赖绳索或吊篮设备，因此危险性最高，需要作业人员更专业的培训及更严格的作业规范，以此提高作业安全。但由于目前风电的检修和日常运维工作仍有大量采用外包的形式，人员变动快，安全意识差、工作经验相对不足等现实问题，仍不能完全杜绝此类风险。因此，研究一种系统、可靠、主动、有效的基于本质安全的作业安全系统，仍是一个迫切且意义重大的任务。

技术实现思路

1、鉴于现有技术存在的上述问题，本发明的一方面目的在于提供一种在作业人员进行机舱外部工作区作业时提供安全监测及作业规范监督的风力发电机组机舱外部工作区作业人员防坠落预警方法。

2、为了实现上述第一方面目的，本发明提供的风力发电机组机舱外部工作区作业人员防坠落预警方法，包括：

3、s1、采集作业人员在风电机组机舱外部工作区的视频流信息，获取多个连续的第一图像帧；

4、s2、针对多个连续的所述第一图像帧进行人体检测，根据检测结果判定舱顶是否存在工作人员；

5、s3、当判定舱顶存在工作人员时，判断安全挂钩是否正确挂载在安全双钩挂载点和/或风速仪支架上；在判定结果为否时，发出第一预警信息，

6、其中，判断安全挂钩是否正确挂载在安全双钩挂载点和/或风速仪支架上，包括：

7、针对所述第二图像帧进行切割生成图像块，针对每个图像块进行安全挂钩特征识别；

8、标记含有安全挂钩特征的图像块；

9、基于预设坐标系，标记出子图像的平面位置；

10、在每个出现安全挂钩的图像块中二次识别安全挂钩，得到其面积及图形块的最大长度；

11、根据所述面积和图像块的最大长度，针对安全挂钩的实际位置及空间深度进行估算，其中，针对安全挂钩的实际位置及空间深度进行估算，包括：

12、基于空间曲线方程，获得安全挂钩挂载点与安全挂钩间的垂直距离；

13、根据所述垂直距离与预设值的比较结果，确定所述安全挂钩的挂载状态。

14、作为优选，在进行人体检测时，包括：

15、构建基于简化人体结构的卷积神经网络算法模型，所述卷积神经网络算法模型至少包括多个用于提取图像的不同特征的卷积层、池化层和全连接层，每个所述卷积层包含多个卷积核，每个所述卷积核用于检测输入的所述第一图像帧中不同的人体特征；

16、基于预设的训练集和测试集对所述卷积神经网络算法模型进行训练和优化；将所述第一图像帧输入至经过训练和优化的所述卷积神经网络算法模型，根据模型输出，确定舱顶是否存在工作人员，生成包含有人体特征的第二图像帧。

17、作为优选，在确定所述安全挂钩的挂载状态时，基于多个关键帧图像进行n次判定，当其中至少存在m次判定为真时，确定所述安全挂钩为正确挂载状态；其中，m小于等于n且m、n为自然数。

18、作为优选，在判定舱顶是否存在工作人员的同时，

19、s11、采集作业人员在风电机组舱内的视频流信息，获取多个连续的第二图像帧；

20、s12、针对多个连续的所述第二图像帧，进行基于目标跟踪算法的人体检测；

21、s13、对于连续的所述第二图像帧中检测到的人体目标，确定工作人员位于机舱内的位置信息；

22、s14、依据所述位置信息，确定工作人员是否位于预设第二位置，如是，针对工作人员的安全挂钩操作进行安全检测，获取第二检测结果；所述第一位置表征机舱天窗及机舱天窗出安全双钩挂载点所在位置；

23、s15、依据所述第二检测结果，针对所述机舱天窗的电子锁进行控制，和/或发出第一预警信息。

24、作为优选，在s11步骤中，获取多个连续的第一图像帧之后，还包括对所述第一图像帧进行图像预处理，所述图像预处理包括图像的缩放、灰度化和/或去噪处理。

25、作为优选，在s12步骤中，目标跟踪算法包括基于深度学习的检测器、基于特征识别算法的检测器、或基于光流的目标检测算法。

26、作为优选，在s13步骤中，确定工作人员位于机舱内的位置信息，包括：

27、针对连续的所述第一图像帧中检测到的人体目标，提取目标特征信息；

28、确定表征所述预设第一位置的候选区域，获取候选区域的区域特征信息；

29、基于相似性度量，将所述目标特征信息与候选区域的区域特征信息进行相似性比较，基于第一阈值，确定工作人员是否到达所述预设第一位置。

30、作为优选，在s13步骤中，确定工作人员位于机舱内的位置信息，还包括：

31、通过设置在所述预设第一位置的红外人体传感器，检测工作人员是否到达所述预设第一位置。

32、作为优选，在s13步骤中，确定工作人员位于机舱内的位置信息，还包括：

33、通过在机舱内机舱天窗处、吊物口盖板处以及轮毂舱处设置的多个蓝牙定位传感器，实时发送广播信号；

34、根据工作人员随身终端，获取随身终端相对于多个不同蓝牙定位传感器的第一信号强度；

35、依据所述第一信号强度，确定工作人员当前位置。

36、作为优选，获取随身终端相对于多个不同蓝牙定位传感器的信号强度，还包括获取机舱下层塔筒内蓝牙定位传感器的第二信号强度，通过所述第一信号强度和/或所述第二信号强度与第二阈值的比较结果，确定工作人员当前位置。

37、作为优选，在s13步骤中，在所述红外人体传感器、蓝牙定位传感器和/或目标跟踪算法确定工作人员到达所述预设第一位置之后，在相邻两帧所述第一图像帧中下一帧图像未检测到人体目标时，如所述第一信号强度小于第二阈值，且所述第一信号强度大于所述第二信号强度，则确定工作人员已登上塔顶。

38、本发明的另一方面，还提供了一种风力发电机组机舱外部工作区作业人员防坠落预警系统，该系统包括：

39、舱外视觉识别模块，其配置为采集作业人员在风电机组机舱外部工作区的视频流信息，获取多个连续的第一图像帧；针对多个连续的所述第一图像帧进行人体检测，根据检测结果判定舱顶是否存在工作人员；当判定舱顶存在工作人员时，判断安全挂钩是否正确挂载在安全双钩挂载点和/或风速仪支架上；

40、舱内视觉识别模块，其配置为采集作业人员在风电机组舱内的视频流信息，获取多个连续的第二图像帧；针对多个连续的所述第二图像帧，进行基于目标跟踪算法的人体检测；对于连续的所述第二图像帧中检测到的人体目标，确定工作人员位于机舱内的位置信息；依据所述位置信息，确定工作人员是否位于预设第一位置，如是，针对工作人员的安全挂钩操作进行安全检测，获取第二检测结果；所述第一位置表征机舱天窗及机舱天窗出安全双钩挂载点所在位置；

41、控制模块，其配置为依据所述第二检测结果，针对所述机舱天窗的电子锁进行控制，和/或发出第一预警信息。

42、本公开提供的风力发电机组机舱外部工作区作业人员防坠落预警方法及系统，可通过机舱内的人体检测算法，判断工作人员是否位于机舱天窗处，并在预判工作人员登上塔顶之前，通过安全挂钩检测，提示并强制工作人员正确操作安全挂钩之后，打开天窗电子锁，允许工作人员登上机舱外部工作区。同时，除通过计算机视觉识别算法之外，在本发明提供的方法中，还可通过红外人体传感器、蓝牙定位传感器以及角度传感器等方式的相互结合，来判断人员是否已经登上塔顶，进而依靠塔顶的舱外视觉识别模块进行机舱外部工作区的安全监测，主动保证人员的作业安全。