基站检查安全风险识别基于合成数据和时空动作检测的空间
Chengcheng Liu1, Weihua Zhang2, Weijin Xu2
1State Key Laboratory of Coastal and Offshore Engineering, School of Civil Engineering, Dalian University of Technology, Dalian 116024, China.
Sensors (Basel, Switzerland)
|May 14, 2025
概括
使用虚拟工作平台生成用于变电站检查的合成数据集,可以显著提高动作检测的准确性. 这种方法通过更好地识别视觉传感器数据中的危险场景,提高了操作员的安全性.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 工业安全 工业安全 工业安全
背景情况:
- 变电站运营商面临危险环境,需要视觉监控以确保安全.
- 行动检测对于区分安全和危险的操作者行动至关重要.
- 由于隐私和危险事件的稀有性,有限的真实世界数据集阻碍了模型训练.
研究的目的:
- 开发一种用于生成用于变电站检查的合成视觉动作数据集的方法.
- 评估合成数据在改进时空动作检测模型方面的有效性.
- 通过在工业环境中更强大的行动识别来提高操作员安全.
主要方法:
- 引入一个虚拟工作平台 (VWP) 来模拟变电站检查场景.
- 使用域随机化和行为树逻辑生成合成动作数据集.
- 在真实,合成和混合数据集上训练的时空动作检测算法 (YOLOv8,Vision Transformer,SlowFast) 的实施.
主要成果:
- 与真实数据基线相比,使用合成数据的训练提高了模型平均精度高达10.7%.
- 用合成数据训练的模型达到73.61%的最高平均精度.
- 证明了使用合成数据用于动作检测的可行性,有效性和稳定性.
结论:
- 通过VWP生成合成数据是解决工业安全应用中数据集稀缺问题的可行解决方案.
- 拟议的方法显著提高了操作员安全的动作检测模型的性能.
- 这种方法为训练安全关键环境中的AI模型提供了强大且可扩展的解决方案.
