公开(公告)号：CN119961531A

公开(公告)日：2025-05-09

申请号：CN202510449701.1

申请日：2025-04-11

Applicant: 中国科学院自动化研究所

Inventor： 陈经禄 ,  祖全楠 ,  赵晓萌 ,  杨凯 ,  曾大军

IPC: G06F16/9537 ,  G06F16/951

Abstract: 本发明提供了一种卫星跨域信息确定方法，可以应用于航天航空技术领域。该方法包括：基于待测区域的区域位置信息，从搜索引擎包括的多个星下点中确定与待测区域相关的多个目标星下点；基于目标星下点的时间戳，及与目标星下点相关的卫星，将多个目标星下点划分为至少一个星下点序列；对星下点序列进行边界点校验，得到校验结果；以及基于至少一个星下点序列各自的校验结果，确定待测区域的卫星跨域信息，从而至少部分的解决了相关技术中存在的卫星跨域信息计算效率较低的技术问题，实现了在提升卫星跨域信息确定速度的同时，也保证了信息的准确度。

公开(公告)号：CN110222757A

公开(公告)日：2019-09-10

申请号：CN201910468531.6

申请日：2019-05-31

Applicant: 华北电力大学(保定) ,  中国科学院自动化研究所

Inventor： 翟永杰 ,  王坤峰 ,  王金娜 ,  杨凯 ,  苏杰 ,  王飞跃

IPC: G06K9/62 ,  G06T7/00

Abstract: 本发明属于深度学习及图像识别技术领域，具体涉及了一种基于生成对抗网络的绝缘子图像样本扩充方法、系统，旨在解决将深度学习应用到输电线路无人机自主巡检过程中缺乏大量优质绝缘子训练图像的问题。本发明方法包括：采用样本生成网络，依据尺寸调整后的虚拟样本集，生成待筛选样本集；分别计算待筛选样本集和真实样本集的IS指数；待筛选样本集中IS指数高于第一阈值的图像作为绝缘子图像样本扩充集并输出。本发明能够快速生成多样化的深度学习应用到输电线路无人机自主巡检过程中所需要的大量优质绝缘子训练图像，生成图像过程可控，真实度与真样本无异，推动了深度神经网络在绝缘子及其故障检测中的应用。