程晓陆 高超 叶晓琪 斯荣

摘 要：在智能电网发展的大背景下，目前的电网生产安监管理模式已经不适应智能电网的要求，安监管理模式和方式的创新迫在眉睫。鉴于此，首先收集电网违规场景图片构建VOC数据集，利用LabelImg软件对数据集进行标注;然后采用YOLOv3深度学习目标识别算法实现对数据集的训练、调试，并分析模型的性能指标;最后输入额外的目标样本测试成功，为后续更多新技术应用的研究开发提供了新的思路和方向。

关键词：深度学习算法;YOLOv3;目标识别;电力安全监察

0    引言

随着智能电网的发展，本就存在诸多问题的安监模式已越来越不适应当前电网的要求。毋庸置疑，電网安监需要做出改变，但目前提出的安监模式改革大多是针对管理体系，很少有人提出安监方式的改变。

针对管理体系，孙睿等人提出了适应智能电网的“大安全”运营管理体系[1]，这一概念是对现有安全责任、安全保证和安全监督管理三大基本体系的提升和拓展，真正以“全员、全过程、全方位”为原则，以人员、设备/系统和管理体系本身为管理对象，全面强化和提升安监管理部门对安全生产活动的管理职能。该管理模式的目标是立足三大基础管理体系，实现运营安全管理体系与智能电网技术支撑体系的有效融合，最终实现“精益安全作业、安全数据集约管理、安全监督工作专业化、全过程安全风险预控、安全事件迅速响应和安全决策智能化”。

近年来，人工智能发展势头迅猛，在很多领域都得到了卓有成效的运用，这也给安监技术的改变创新带来了契机，而提升安全监督信息化水平也是创新电力安监模式的主要方向。……