基于弱监督的配网作业异常检测与安全防护多尺度特征识别方法

    公开(公告)号:CN119723104A

    公开(公告)日:2025-03-28

    申请号:CN202411684930.3

    申请日:2024-11-22

    Applicant: 三峡大学

    Abstract: 基于弱监督的配网作业异常检测与安全防护多尺度特征识别方法,旨在解决配电网作业现场安全防护装备穿戴不规范检测成本高、环境适应性差、计算资源浪费及实时性差的问题;本发明建立了基于多实例学习的异常检测模型,利用3D卷积网络提取视频时空特征,实现弱监督下的异常画面监测;构建图像特征增强处理模型,通过伽马变换和灰度化处理提高图像细节;设计多尺度特征提取和卷积识别模型,结合混合通道注意力的CNN和GraphSAGE算法,识别安全防护装备的穿戴状态;本发明减少了数据标注成本,提高了环境适应性和识别效率,实现了对配电网作业现场的全面高效智能的安全防护管理,及时发现并改正安全隐患,提高了电力作业的安全性和效率。

Patent Agency Ranking