張 冬，謝世朋

(1.國網(wǎng)江蘇省電力有限公司淮安供電分公司，江蘇 淮安 223002;2.南京郵電大學(xué)，江蘇 南京 210069)

1 概 述

1.1 課題背景

隨著中國電網(wǎng)的持續(xù)快速發(fā)展，對于中國目前的輸配電線路的維修、電網(wǎng)設(shè)備檢測和維護(hù)等工作，不停電作業(yè)技術(shù)已經(jīng)成為一種重要手段。但是不停電作業(yè)對于作業(yè)人員也是一項極其危險的工作，在這種作業(yè)環(huán)境下存在的高強(qiáng)度的電場、暫態(tài)電擊和穩(wěn)態(tài)電擊以及作業(yè)過程中對誤操作短接空氣間隙放電，都對不停電作業(yè)人員的安全造成了很大的威脅，因此不停電作業(yè)安全防護(hù)問題也就成為不停電作業(yè)順利實施的關(guān)鍵。目前，國內(nèi)開展配網(wǎng)不停電作業(yè)時，有時會出現(xiàn)作業(yè)人員不規(guī)范穿戴絕緣安全帽、不穿絕緣防護(hù)服與絕緣防護(hù)手套就進(jìn)行不停電作業(yè)，在作業(yè)過程中極有可能出現(xiàn)安全事故。作業(yè)過程中，即使穿戴了絕緣防護(hù)裝備，如作業(yè)動作不當(dāng)，不能與帶電體保持安全距離，也會存在被高壓電擊穿觸電的風(fēng)險。目前國內(nèi)不停電作業(yè)中安全監(jiān)控及預(yù)警手段和方法缺乏，很難實時精準(zhǔn)度量現(xiàn)場作業(yè)人員與帶電體之間的距離，并監(jiān)控現(xiàn)場作業(yè)人員的行為，進(jìn)行主動預(yù)警。目前，中國輸配電線路不停電作業(yè)的人員安全問題主要從兩方面共同解決，一是依靠具有豐富經(jīng)驗的專責(zé)監(jiān)護(hù)人，二是作業(yè)人員的自覺性。在實際的作業(yè)過程當(dāng)中，由于現(xiàn)場作業(yè)點多面廣，作業(yè)人員工作任務(wù)繁重，容易疲勞，精力無法持續(xù)集中，作業(yè)人員很容易發(fā)生違反操作規(guī)程、忽視安全距離等危險行為，從而導(dǎo)致安全事故的發(fā)生。

因此，亟需一種智能化的不停電作業(yè)全流程安全監(jiān)測與預(yù)警系統(tǒng)，依靠此系統(tǒng)減少在不停電作業(yè)工作中的安全隱患，保證作業(yè)人員的人身安全。

1.2 相關(guān)工作

關(guān)于“不停電作業(yè)”的安全監(jiān)測系統(tǒng)的研發(fā)從2013年來就有了相關(guān)研究，近年來隨著計算機(jī)視覺、人工智能技術(shù)的飛速發(fā)展，此安全監(jiān)測系統(tǒng)又有了眾多設(shè)計與實現(xiàn)方案。

文獻(xiàn)[1-6]進(jìn)行了不停電作業(yè)中工作環(huán)境的數(shù)據(jù)收集與研究，文獻(xiàn)[7-10]收集與研究了不停電作業(yè)中作業(yè)人員的健康數(shù)據(jù)，文獻(xiàn)[1-2,6-7,10-12]涉及不停電作業(yè)中作業(yè)人員的工作軌跡研究。上述文獻(xiàn)都涉及了不停電作業(yè)安全距離預(yù)警系統(tǒng)相關(guān)的數(shù)據(jù)收集研究，但未涉及有關(guān)開工安全檢查系統(tǒng)方面的研究。

2013年，Yuan[13]提出了一個基于雙目視覺的輸電網(wǎng)帶電作業(yè)安全監(jiān)測方法測距技術(shù)。2014年，國家電網(wǎng)公司[14]提出了使用圖像處理的方式進(jìn)行帶電作業(yè)現(xiàn)場著裝的安全檢測。2015年，F(xiàn)an等人[15]提出基于高斯混合模型的視頻圖像分析的輸電高壓線安全距離檢測技術(shù)。2019年，廣東電網(wǎng)有限責(zé)任公司[16]提出了障礙物與帶電體之間安全距離測量的方法。2020年Ruan等人[17]使用了深度相機(jī)測量輸電網(wǎng)帶電作業(yè)的安全距離。文獻(xiàn)[13,16-17]提出了使用深度相機(jī)計算安全距離的概念，但是均沒有區(qū)分人與帶電體，實踐起來會受到很多限制，很難在配電網(wǎng)不停電作業(yè)上實施。Zhou等人[18]提出一種組合式高壓電場測量裝置來實現(xiàn)安全預(yù)警，但是由于物體入侵引起高壓電場變形，使得這種方法測量精度不高。

文獻(xiàn)[1-2,4]和該文針對不停電作業(yè)安全距離預(yù)警系統(tǒng)研究，都運用了實時監(jiān)控技術(shù)，但采用的方法不同。文獻(xiàn)[1-2,4]采用的是基于TOF攝像機(jī)實時監(jiān)測作業(yè)人員與帶電體的距離來進(jìn)行安全預(yù)警，而該文是通過激光雷達(dá)、RGB相機(jī)對不停電作業(yè)環(huán)境進(jìn)行3D建模，使用基于語義分割模型識別周圍帶電體進(jìn)行安全檢測與預(yù)警；文獻(xiàn)[3,5,7-8,14]都研究了基于實時監(jiān)控技術(shù)的穿戴于作業(yè)人員身上的安全預(yù)警裝置，與該文基于激光雷達(dá)和RGB相機(jī)的靜止/運動平臺式預(yù)警系統(tǒng)不同。在基于智能空間測距的帶電作業(yè)安全防護(hù)技術(shù)研究方面，文獻(xiàn)[6,11-12]采用的是實時定位的智能監(jiān)控預(yù)警系統(tǒng)，文獻(xiàn)[10]采用的是作業(yè)軌跡流程的監(jiān)測系統(tǒng)，文獻(xiàn)[16]是監(jiān)測障礙物與帶電物之間的距離的預(yù)警方法，而該文研究的預(yù)警系統(tǒng)既實時監(jiān)測作業(yè)人員的工作軌跡，也對作業(yè)人員與帶電體之間的安全距離進(jìn)行預(yù)警。

1.3 主要設(shè)計內(nèi)容

本系統(tǒng)應(yīng)用于不停電作業(yè)的全流程安全監(jiān)測，旨在預(yù)防或減少不停電作業(yè)人員人身傷害等事故的發(fā)生，實現(xiàn)不停電作業(yè)全流程管控智能化，并實時監(jiān)測人與帶電體的安全距離并進(jìn)行主動預(yù)警。具體應(yīng)用目標(biāo)表現(xiàn)在：

(1)開工準(zhǔn)備檢查。系統(tǒng)自動識別現(xiàn)場作業(yè)人員是否召開開工會；系統(tǒng)自動判斷現(xiàn)場作業(yè)人員是否進(jìn)行風(fēng)速、溫度和濕度的測量。系統(tǒng)自動判斷作業(yè)現(xiàn)場圍欄是否規(guī)范；系統(tǒng)自動識別作業(yè)人員是否正確穿戴安全帽、絕緣防護(hù)服、絕緣防護(hù)手套；系統(tǒng)自動識別作業(yè)人員是否對絕緣斗臂車添加絕緣墊片、是否可靠接地。

(2)作業(yè)過程監(jiān)測。當(dāng)作業(yè)人員進(jìn)行作業(yè)時，通過人體關(guān)鍵點識別系統(tǒng)、帶電體識別系統(tǒng)和空間位置判斷系統(tǒng)對作業(yè)人員的身體與帶電體之間的距離進(jìn)行自動判斷，及時進(jìn)行安全距離預(yù)警。

2 系統(tǒng)設(shè)計與實現(xiàn)

本項目將激光雷達(dá)與攝像頭圖像相融合，通過三維點云匹配算法快速建立局部三維場景地圖。然后，利用深度學(xué)習(xí)算法精準(zhǔn)定位目標(biāo)，精準(zhǔn)判斷人體部位和電纜的距離，實現(xiàn)主動預(yù)警功能。之后，構(gòu)建基于慣導(dǎo)系統(tǒng)的運動誤差補(bǔ)償算法。通過視頻與數(shù)據(jù)傳輸模塊，建立遠(yuǎn)程動態(tài)可視化監(jiān)控系統(tǒng)，實現(xiàn)實時不停電作業(yè)現(xiàn)場監(jiān)控。搭建支持邊緣計算框架及彈性動態(tài)匯聚功能的云服務(wù)系統(tǒng)，實現(xiàn)分布式、多網(wǎng)格、多傳感器的有效數(shù)據(jù)采集、存儲以及可視化。同時，利用深度學(xué)習(xí)技術(shù)，通過作業(yè)人員動作識別和穿戴絕緣防護(hù)用具識別來完成不停電作業(yè)全流程安全監(jiān)測。

2.1 基于人工智能的開工準(zhǔn)備檢查

本模塊的目的是實現(xiàn)在不停電作業(yè)中的開工準(zhǔn)備檢查，包括：系統(tǒng)自動識別現(xiàn)場作業(yè)人員是否召開開工會；系統(tǒng)自動判斷現(xiàn)場作業(yè)人員是否進(jìn)行風(fēng)速、溫度和濕度的測量。系統(tǒng)自動判斷作業(yè)現(xiàn)場圍欄是否正常；系統(tǒng)自動識別作業(yè)人員是否正確穿戴安全帽、絕緣防護(hù)服、絕緣防護(hù)手套；系統(tǒng)自動識別作業(yè)人員是否對絕緣斗臂車添加絕緣墊片、是否可靠接地。

本項目選擇了YOLO模型作為檢測基礎(chǔ)模型，聯(lián)合網(wǎng)絡(luò)DensetNet和ResNet的特點，采用遷移學(xué)習(xí)方法構(gòu)建了新型、高效的目標(biāo)識別網(wǎng)絡(luò)。與傳統(tǒng)檢測算法相比，它們的主要區(qū)別是傳統(tǒng)檢測算法把檢測問題劃歸為圖像分類問題，整個檢測過程利用的是滑動窗口技術(shù)，其原理是首先采用不同的窗口在圖片上以特定步長滑動，然后對窗口內(nèi)的圖像進(jìn)行分類。但是這種方法存在窗口大小設(shè)置和步長選擇等問題，且計算量相對較大，不能夠?qū)崿F(xiàn)快速檢測。而本項目則將檢測問題劃歸為回歸問題，檢測圖片被劃分為若干單元塊，由各個單元塊獨自完成檢測任務(wù)，分析落在其中心點的目標(biāo)，并給出預(yù)測類型結(jié)果、邊界框以及置信度等參數(shù)。本項目模型檢測的優(yōu)點主要有：檢測速度快，實時性強(qiáng)；預(yù)測時會完整分析單位塊內(nèi)整個圖片信息，沒有對網(wǎng)格數(shù)進(jìn)行限制；可以獲得目標(biāo)圖像的普適化特征，泛化能力強(qiáng)。

(1)YOLO算法流程。

YOLO網(wǎng)絡(luò)結(jié)構(gòu)把目標(biāo)分類、目標(biāo)定位結(jié)合在一起，放置于單個卷積神經(jīng)網(wǎng)絡(luò)模型中。其YOLO作業(yè)過程如下：

Step1：輸入視頻流圖像，將每幀圖像劃分為M×N個單元格，從每個單元格提取得到W個初始候選框。

Step2：對W個初始候選框分別進(jìn)行目標(biāo)識別，計算出W個候選框中存在目標(biāo)的預(yù)測置信度。若候選框中無目標(biāo)物體，則候選置信度值為零，若含有目標(biāo)物體，置信度即為預(yù)測框與真實框的比值。并對存在目標(biāo)物體的候選框識別其目標(biāo)對象類別。

Step3：候選框中包含了目標(biāo)對象的置信度和邊界框的位置信息，即YOLO網(wǎng)絡(luò)的輸出向量為(X、Y、W、H、C)，其中X、Y表示相對預(yù)測框的中心點坐標(biāo)，W、H分別表示預(yù)測框的長和寬，置信度C(confidence)表示的是存在目標(biāo)對象的候選框為真實樣本的概率。

Step4：通過作業(yè)人員的運動軌跡解決頭部與身體部位的遮擋問題，給出遮擋部位的虛擬的識別判斷結(jié)果。

Step5：給出全部識別結(jié)果：是否帶有安全帽、是否穿戴絕緣防護(hù)服以及是否穿戴絕緣防護(hù)手套。

(2)基于YOLO的半監(jiān)督學(xué)習(xí)識別算法。

基于YOLO的半監(jiān)督學(xué)習(xí)識別算法，在確保準(zhǔn)確率不變的情況下，使樣本標(biāo)注與收集作業(yè)更加簡化，同時提高了小目標(biāo)的準(zhǔn)確率和模型的泛化能力，使其能適用于現(xiàn)場的實時識別?；赮OLO的半監(jiān)督學(xué)習(xí)識別算法的總框架主要包括以下三個步驟：

Step1：設(shè)計作業(yè)人員識別網(wǎng)絡(luò)與具體網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)是一種級聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)，此過程由粗到精，這對捕捉作業(yè)人員未穿戴安全的不安全行為效率有明顯提高，對于遠(yuǎn)景監(jiān)控鏡頭的小目標(biāo)對象有比較好的應(yīng)用效果；

Step2：選取大型公共數(shù)據(jù)集和一些真實施工現(xiàn)場圖像集對網(wǎng)絡(luò)模型進(jìn)行離線訓(xùn)練，對網(wǎng)絡(luò)模型的參數(shù)進(jìn)行確定并微調(diào)，進(jìn)而得到一個泛化模型；

Step3：應(yīng)用半監(jiān)督學(xué)習(xí)方式在線學(xué)習(xí)，增強(qiáng)目標(biāo)單目相機(jī)在一些特定場景下的泛化能力，并分析作業(yè)人員的運動軌跡處理解決頭部與身體等部位的遮擋問題。

2.2 基于人工智能的作業(yè)過程監(jiān)測

基于人工智能的作業(yè)過程監(jiān)測系統(tǒng)，包括以激光雷達(dá)、高精度慣性傳感器(IMU)和攝像頭為數(shù)據(jù)采集源，通過人體關(guān)鍵點識別系統(tǒng)、帶電體識別系統(tǒng)、數(shù)據(jù)融合系統(tǒng)以及空間位置判斷系統(tǒng)判斷人與帶電體之間的距離，并給出主動預(yù)警。

2.2.1 人體關(guān)鍵點識別系統(tǒng)

人體關(guān)鍵點識別系統(tǒng)包括人體肢體關(guān)鍵點位置識別模塊、關(guān)鍵點安全防護(hù)判斷模塊，人體肢體關(guān)鍵點位置識別模塊接收攝像頭圖像并基于改進(jìn)后的卷積位姿機(jī)網(wǎng)絡(luò)對人體肢體關(guān)鍵點位置快速識別。關(guān)鍵點安全防護(hù)判斷模塊接收攝像頭圖像以及人體肢體關(guān)鍵點位置識別模塊的輸出數(shù)據(jù)，判斷作業(yè)人員是否穿戴安全帽、是否穿戴絕緣防護(hù)服與絕緣防護(hù)手套，其中設(shè)有安全帽識別模塊、絕緣防護(hù)服和絕緣防護(hù)手套識別模塊。當(dāng)判斷作業(yè)人員未穿戴安全帽，則會通過主動預(yù)警系統(tǒng)進(jìn)行報警。同時對作業(yè)人員是否穿戴絕緣防護(hù)服和絕緣防護(hù)手套進(jìn)行檢測，當(dāng)攝像頭檢測到不良現(xiàn)象或者作業(yè)人員未穿戴絕緣防護(hù)服和絕緣防護(hù)手套則會通過主動預(yù)警系統(tǒng)進(jìn)行報警。本項目通過設(shè)置人體關(guān)鍵點識別系統(tǒng)，當(dāng)作業(yè)人員需要進(jìn)行不停電作業(yè)時，人體關(guān)鍵點識別系統(tǒng)則會對作業(yè)人員的肢體位置進(jìn)行識別，及時提醒人員肢體與帶電體之間的距離。

本項目人體關(guān)鍵點識別系統(tǒng)的人體肢體關(guān)鍵點位置識別模塊進(jìn)行基于改進(jìn)后的卷積位姿機(jī)網(wǎng)絡(luò)對人體肢體關(guān)鍵點位置快速識別。本項目針對不停電作業(yè)上場景的特殊要求，對原始的卷積位姿機(jī)網(wǎng)絡(luò)主要做了以下兩點改進(jìn)：

(1)將原卷積位姿機(jī)的六階段網(wǎng)絡(luò)變?yōu)樗碾A段網(wǎng)絡(luò)，有效地減少了網(wǎng)絡(luò)迭代次數(shù)、網(wǎng)絡(luò)參數(shù)量和網(wǎng)絡(luò)模型大小。

(2)原網(wǎng)絡(luò)每一階段的輸入僅來自于其直接相連的上一階段的輸出和直接從原圖中提取的特征，通過引入不同階段間的跳躍連接，使得更多的圖像底層細(xì)節(jié)在處理高層細(xì)節(jié)時得以保留，增強(qiáng)了不同階段間數(shù)據(jù)的共享，提高了網(wǎng)絡(luò)的表達(dá)能力。

改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。其中，中心圖為獲取的攝像頭圖像原圖與高斯函數(shù)模板進(jìn)行卷積操作，生成的中心圖，中心圖池化后為小中心圖。

改進(jìn)后的卷積位姿機(jī)網(wǎng)絡(luò)對人體肢體關(guān)鍵點位置快速識別的具體步驟為：

Step1：獲取的攝像頭圖像原圖與高斯函數(shù)模板進(jìn)行卷積操作，生成中心圖。

Step2：中心圖池化為小中心圖，并送入第二、三和四階段網(wǎng)絡(luò)。

Step3：獲取的攝像頭圖像原圖經(jīng)過MultiBlock_1操作后，送入第二、第三和第四階段網(wǎng)絡(luò)。

Step4：獲取的攝像頭圖像原圖經(jīng)過MultiBlock_0操作后，送入第二和第三階段網(wǎng)絡(luò)。

Step5：第二階段網(wǎng)絡(luò)操作后的特征數(shù)據(jù)，送入第三和第四階段網(wǎng)絡(luò)。

Step6：在第四階段網(wǎng)絡(luò)，特征數(shù)據(jù)經(jīng)過匯合后，經(jīng)過ConvBlock操作后輸出64*64*18的特征數(shù)據(jù)。

圖1 改進(jìn)卷積位姿機(jī)網(wǎng)絡(luò)結(jié)構(gòu)

從圖1可見，改進(jìn)后的網(wǎng)絡(luò)共有四個階段，第三、第四階段網(wǎng)絡(luò)的輸入來源除了MultiBlock_1、小中心圖和直接與其相連的第二、第三階段外，還分別有來自第一、第二階段的輸出。這樣的四階段跳躍連接設(shè)計結(jié)構(gòu)使得在不損失太多原卷積位姿機(jī)檢測性能的基礎(chǔ)上實現(xiàn)了原網(wǎng)絡(luò)的簡化，有效減少了網(wǎng)絡(luò)迭代次數(shù)、網(wǎng)絡(luò)參數(shù)量和網(wǎng)絡(luò)模型大小，以滿足不停電作業(yè)對實時性的要求。

2.2.2 帶電體識別系統(tǒng)

帶電體識別系統(tǒng)包括帶電體圖像識別模塊和帶電體測量儀器，帶電體圖像識別模塊通過人工智能神經(jīng)網(wǎng)絡(luò)對帶電體進(jìn)行語義分割和識別并結(jié)合帶電體測量儀器輔助判斷其是否帶電。

帶電體識別系統(tǒng)首先通過人工智能神經(jīng)網(wǎng)絡(luò)對帶電體進(jìn)行語義分割和識別，然后帶電體測量儀器輔助判斷其是否帶電。本項目使用Mask RCNN[19]進(jìn)行帶電體的語義分割識別。通過設(shè)置帶電體識別系統(tǒng)，當(dāng)作業(yè)人員需要不停電作業(yè)時，在帶電體識別系統(tǒng)的配合下，從而得以對帶電體位置進(jìn)行判斷。后期空間位置判斷系統(tǒng)結(jié)合激光雷達(dá)產(chǎn)生的空間位置點云數(shù)據(jù)，計算得出帶電體的空間位置信息，及時對人員肢體與帶電體之間的距離進(jìn)行預(yù)警，以避免不停電作業(yè)人員的安全隱患，提高了不停電作業(yè)的安全性。

2.2.3 數(shù)據(jù)融合系統(tǒng)

激光雷達(dá)與攝像頭數(shù)據(jù)融合，其實相當(dāng)于是激光雷達(dá)發(fā)揮激光雷達(dá)的優(yōu)勢，攝像頭發(fā)揮攝像頭的優(yōu)勢。激光雷達(dá)能獲取點云位置信息，攝像頭能獲取更豐富的細(xì)節(jié)信息。本項目考慮融合激光雷達(dá)、攝像頭和高精度慣性傳感器進(jìn)行高精度空間位置的定位。數(shù)據(jù)融合系統(tǒng)獲取攝像頭與激光雷達(dá)位置內(nèi)參和外參，將點云三維坐標(biāo)系下的點投影到相機(jī)三維坐標(biāo)系下，通過建立點云和圖像像素點之間的對應(yīng)關(guān)系，實現(xiàn)激光雷達(dá)與攝像頭的融合。實際施工現(xiàn)場會出現(xiàn)工程車輛抖動、作業(yè)斗抖動、人體運動抖動和裝置碰撞的情況，對定位準(zhǔn)確性影響較大。為了增加空間位置數(shù)據(jù)的精度，本項目結(jié)合慣性傳感器數(shù)據(jù)對激光雷達(dá)-攝像頭融合數(shù)據(jù)進(jìn)一步補(bǔ)償運動誤差。

2.2.4 空間位置判斷系統(tǒng)

空間位置判斷系統(tǒng)分別通過攝像頭、激光雷達(dá)以及慣性傳感器并經(jīng)人體關(guān)鍵點識別系統(tǒng)、帶電體識別系統(tǒng)、數(shù)據(jù)融合系統(tǒng)獲取帶電體空間位置以及作用人員空間位置，判斷空間位置是否正常。

人體關(guān)鍵點識別系統(tǒng)、帶電體識別系統(tǒng)以及空間位置判斷系統(tǒng)均與主動預(yù)警系統(tǒng)連接，分別用于控制主動預(yù)警系統(tǒng)進(jìn)行報警。

3 測試及結(jié)果分析

目前項目已開始在淮安市不停電作業(yè)中心試點應(yīng)用，實現(xiàn)了20次現(xiàn)場作業(yè)的全流程安全監(jiān)測與預(yù)警，規(guī)避了2次危險作業(yè)風(fēng)險。使得作業(yè)人員作業(yè)更加規(guī)范，更加安全。

通過現(xiàn)場實地實驗，本項目可實現(xiàn)不停電作業(yè)全流程管控智能化；通過人體關(guān)鍵點監(jiān)測系統(tǒng)可以判斷作業(yè)前是否進(jìn)行開工會及天氣檢測，保證作業(yè)前準(zhǔn)備工作全部進(jìn)行(如圖2所示)；通過作業(yè)人員穿戴絕緣防護(hù)用具檢查系統(tǒng)可以保證作業(yè)人員進(jìn)行不停電作業(yè)前穿戴好全套的絕緣防護(hù)用具，當(dāng)系統(tǒng)檢測帶工作人員為穿戴相應(yīng)的絕緣防護(hù)用具時，系統(tǒng)會通過語音提示其穿戴相應(yīng)絕緣防護(hù)用具(如圖3和圖4所示)；通過安全距離監(jiān)測及預(yù)警系統(tǒng)可以保證工作人員進(jìn)行不停電作業(yè)時與帶電體(如圖5所示)保持安全距離，當(dāng)工作距離接近安全距離時，系統(tǒng)會進(jìn)行語音提示，保證工作人員的安全。

圖2 開工會檢測

圖3 安全帽檢測

圖4 斗臂車絕緣墊片檢測

圖5 安全距離監(jiān)測及預(yù)警中的帶電體與接地體識別結(jié)果 (左圖為相機(jī)獲取數(shù)據(jù)，右圖為文中方法對帶電體與接地體識別結(jié)果)

4 結(jié)束語

針對目前在不停電作業(yè)過程中存在的安全監(jiān)控及預(yù)警手段和方法缺乏問題，提出了基于人工智能的不停電作業(yè)全流程安全監(jiān)測與安全預(yù)警系統(tǒng)，實現(xiàn)了不停電作業(yè)流程管控智能化，開工準(zhǔn)備檢查和作業(yè)過程監(jiān)測。