附件3：中国华电集团科技项目可行性研究报告-基于图像识别和智能分析在火电厂两外管理及反违章管理中的应用9.28.doc

— — PAGE 26 — 附件3 中国华电集团公司科技项目 可行性研究报告 项目名称： 申请单位： 起止时间： 2021年5月 至2021年12月 项目负责人： 手 机： 固定电话： 电子邮箱： 申请日期： 2020年 8 月 中国华电集团公司创新发展部制 二〇一九年八月 一、目的和意义 1.项目背景和应用前景 项目背景：伴随经济社会的的高速发展，我国电力产业建设和生产步伐不断加快，与此同时，我国电力工业体制正处在改革的关键时期，电力安全生产管理显得尤为重要。作业安全，人员管控是发电企业日常生产须确保的首要前提，电力安全生产关系到国家的财产安全、人民生活利益和电力职工的安康，是发电企业最根本的效益所在。近年来，国家、安徽省、华电集团公司对电力安全生产的目标持续提高：国家层面，要求在坚守电力生产安全底线，确保电力系统安全稳定运行的同时，要构建安全、可靠、高效的现代电力工业体系，提高电力抗灾和应急保障能力；安徽省层面，要求落实安全生产主体责任，自觉接受属地监管，做到风险管控到位，守住安全底线，按照排查“零盲区”、隐患“零容忍”的要求，全面排查事故隐患，做到责任层层落实，深化应急能力建设，提升应急处置能力；华电集团公司层面，继续紧抓“以人为本、全员尽责、防治并举”的安全理念，推进集团安全工作的稳步开展。 应用前景： 1）对危险提前预警，根据预警信息采用适当措施把事态控制在萌芽状态，保障电厂的安全生产； 2）有效减少工业电视系统值班人员的工作量和重复劳动，避免长时间注视监视屏幕，造成视距疲劳，降低危机处理反应能力； 3）通过视觉分析平台管控并统计厂区人员数量、在入口处识别人员身份，测量工作人员体温，进行精准的人员管控与安全管控。 4）通过视觉分析平台，在关键出入口测量人员体温，落实疫情常态化防控。 5）数字电厂方案建设落地，为宿州公司在安全管理手段、管理方法、系统建设思路与系统应用体验等方面，带来一次全新的变革，变人防为技防，变有限时间管控为24小时管控。 6）落实两外安全管理和反违章管理，提高人员管理范围、空间和时间，利用全厂视频监控系统，全时段、全空间、全覆盖，将违章和异常消除在初始阶段，提升安全管理水平。 2．项目意义 1）随着学术界及工业界在计算机视觉和人工智能领域的不断发展，以及国家对于人工智能技术的支持和引导，将基于深度学习的计算机视觉技术应用于视频监控智能分析，对于电力工业领域的生产生活安全监控任务都十分适用。本课题科研成果落地后，可结合相关数据，针对特定应用场景进行针对性复现，并可根据用户具体需求做出检测目标、效率、应用性等方面的扩展，在企业生产的各个环节均可起到降本增效的目的。 2）目前电厂视频监控系统主要依靠人员进行长期查看，容易产生疲劳降低危机处理反应能力。如何有效减少工业电视监控系统值班人员的工作量和重复劳动，提升电厂数字化建设水平，实现电厂智慧运行，对提高电厂人员管控水平、保障电厂安全生产可靠性和经济性具有重要意义。 3) 人员管控方面，本课题科研成果落地后，可实现电厂人员身份无感核验，区域在岗人数实时自动清点，工作人员劳保用品核查等功能，对电厂提升人员管控效率，规范化运营起到重要作用。 4）通过本课题科研成果，落实疫情常态化防控。可实现对出入工作区域的人员进行实时体温检测，发现问题即时上报，提升电厂疫情防控力度。 二、国内外研究水平综述 1）传统图像分类算法中具有代表性的是Yang等人在2009年提出的采用稀疏编码技术表征图像，并用支持向量机进行图像分类的方法。另一类具有代表性的识别框架是基于词袋模型。它利用人工进行特征提取（如SIFT，HOG和LBPM），并使用一定的编码方案完成编码，最后用金字塔匹配模型构建视觉直方图。虽然稀疏编码和词袋模型在视觉识别任务中取得了很大的进步，但是距离人类理想的性能还有很大的差距。因为这些传统方法都是通过人工技巧性地选取适合某个样本集的鲁棒性的特征，并结合分类器进行物体识别，这对于具有多样性的大数据来说效果并不好。 图像分类领域根本性的变革来源于2012年的ILSVRC挑战赛，Krizhevsky等人将Imagenet数据集top5分类识别错误率从过去的25％降低到15％，引起了人们对深度学习的广泛关注。随后，以卷积神经网络为代表的各种深度学习算法被广泛研究。截至2015年，Imagenet图像top5分类的识别错误率己经降低到3.1%，超越了人的识别能力5.1%。 近两年来，目标检测领域取得了巨大的进展，这主要是由于深度学习，特别是卷积神经网络模型的快速发展。目标检测的精度瓶颈也由识别精度转变成目标定位精度，良好的定位精度可有效地改善目标检测的性能。最重要的工作分别是基于建议框的检测方法Overfeat、R-CNN和基于回