-
公开(公告)号：CN116523327A
公开(公告)日：2023-08-01
申请号：CN202310173423.2
申请日：2023-02-28
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司
IPC: G06Q10/0637 , H02J3/00 , G06Q10/067 , G06Q10/0631 , G06Q50/06 , G06Q50/26 , G06N3/045 , G06N3/084
Abstract: 本发明涉及一种基于强化学习的配电网运行策略智能生成方法，包括如下步骤：定义智能体的运行环境及参数因子；构建基于强化学习的智能体的训练样本池；制定基于强化学习的智能体的网络模型结构；执行基于强化学习的智能体的训练和评估；应用智能体实时生成下一时刻配电网运行调控策略。本发明还设计一种运行策略智能生成设备。本发明的优点在于：基于所有机组和负荷的有功实际出力数据，新能源机组有功预测出力数据等配电网历史运行数据，设置了线路越限情况、新能源机组消纳量、机组运行费用等奖励项，运用Deep Q Network深度强化学习算法，在电网仿真环境中训练出智能体，能够快速给出电网运行方式调整策略。
-
公开(公告)号：CN115359360A
公开(公告)日：2022-11-18
申请号：CN202211279083.3
申请日：2022-10-19
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
Abstract: 本发明涉及一种电力现场作业场景检测方法、系统、设备和存储介质，其中方法包括以下步骤：收集若干不同类别的电力现场作业场景图像，对各电力现场作业场景图像进行标注；将标注后的电力现场作业场景图像放入训练样本集中；搭建YOLO模型，并在Neck网络中加入MCBAM注意力模块，得到改进YOLO模型；MCBAM注意力模块包括MB多尺度信息捕获模块、CAM通道注意力模块以及SAM空间注意力模块；MB多尺度信息捕获模块用于捕获输入图像的多尺度信息；CAM通道注意力模块用于进行通道注意力调整；SAM空间注意力模块用于进行空间注意力调整；利用训练样本集对改进YOLO模型进行训练，利用训练好的进行检测。
-
公开(公告)号：CN119558659B
公开(公告)日：2025-04-01
申请号：CN202510097765.X
申请日：2025-01-22
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
IPC: G06Q10/0635 , G06Q10/0639 , G06Q50/06 , G06T17/20 , G06T19/20 , G06N20/00
Abstract: 本发明涉及一种基于三维模型的电力作业环境智能定位与风险管控方法，包括以下步骤：S1:构建电力作业环境的三维模型，并对三维模型进行空间分层以及设备标注，形成带属性的三维全景作业图；S2:实时标记作业人员和设备位置，生成电力作业场景中的动态定位；S3:对作业人员的轨迹进行记录与预测，预警其是否进入安全区或危险区域；并利用摄像头采集作业人员图像，通过AI算法实时识别作业人员的不规范行为，并基于检测结果生成作业人员的行为风险指数；S4:基于传感器数据训练风险预测模型，检测可能的风险事件，获取设备的运行风险指数；S5:实时计算综合风险指数。本发明有效提高安全管理效率的同时，保障了人员、设备及环境的综合安全性。
-
公开(公告)号：CN117615471A
公开(公告)日：2024-02-27
申请号：CN202311580908.X
申请日：2023-11-24
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 国网浙江省电力有限公司电力科学研究院 , 国网浙江省电力有限公司
Abstract: 本发明涉及一种基于FPGA的无线通信数据安全传输系统及方法，包括DVI解码模块、数据解密模块、完整性校验模块、数据加密模块；所述DVI解码模块用于接收加密数据，并进行解码操作，得到解码后的数据；所述数据解密模块用于对所述解码后的数据进行解密操作，获取真实数据；所述完整性校验模块用于对真实数据进行校验；所述数据加密模块用于对待发送数据进行加密处理，得到加密数据。本发明实现有效地保护数据的机密性、完整性和可用性，同时提高系统的可靠性和稳定性。
-
公开(公告)号：CN117454948A
公开(公告)日：2024-01-26
申请号：CN202311787674.6
申请日：2023-12-25
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司
IPC: G06N3/063 , G06N3/06 , G06F18/214
Abstract: 本发明涉及一种适用于国产硬件的FP32模型转换方法，包括以下步骤：步骤S1:基于原始FP32模型，获取训练数据集；步骤S2:基于训练数据集，构建初始缩放因子和偏置；步骤S3:根据缩放因子，将原始FP32模型转换为INT8模型；步骤S4:基于量化感知训练INT8模型，在训练过程中，根据量化感知精度和量化感知损失的变化情况，动态调整模型参数，直到满足预设精度，则得到最终的INT8模型；步骤S5:将最终的INT8模型部署到国产硬件上。本发明在保持较高性能的同时，降低模型的精度损失，提高FP32模型在国产AI加速硬件上的运行效率。
-
Patent Agency Ranking
公开(公告)号：CN117097588A
公开(公告)日：2023-11-21
申请号：CN202310916887.8
申请日：2023-07-25
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司
IPC: H04L12/66 , H04L67/2871 , H04L67/56 , H04L12/40
Abstract: 本发明涉及一种应用在边缘网关与计算单元间的预处理系统，包括边缘网关芯片，总线控制模块，连接模块，网络接口模块，边缘设备模块和数据采集模块；所述数据采集模块包括若干传感器，用于采集所需数据；所述边缘网关芯片用于对采集到的数据进行数据预存储以及分类预处理；所述边缘设备模块包括若干边缘设备，用于接收分类预处理后的数据；所述总线控制模块包括若干总线控制器，设置于各边缘设备的总线上，用于控制总线的访问以及数据传输；所述连接模块用于连接各边缘设备和传输数据；所述网络接口模块用于提供虚拟连接处理和维护、嵌套多租户支持、连接池管理和流控功能。
-
公开(公告)号：CN116543291A
公开(公告)日：2023-08-04
申请号：CN202310748451.2
申请日：2023-06-25
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司
IPC: G06V10/82 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/94 , G06V20/10 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及神经网络模型技术领域，公开了一种资源灵活配置的FPGA实现CNN的方法，包括以下步骤：步骤101，输入卷积层之前首先选择串并结合配置，串并结合配置包括K值；步骤102，生成串行步数，串行步数等于「N/K」，其中N为前一层特征图的个数N，当前卷积层的个数为N*M，下一层的征图个数为M；步骤103，K‑1卷积计算结构并行计算前一层的K个特征图，按「N/K」步通过串行合并结构串行将K‑1的卷积计算结构进行合并获得下一层该特征图的最终结果，完成了上一层总共N个输入特征图的卷积计算；采用上述的方法来进行卷积，能够提高整个神经网络的运行效率，更高效的计算植物虫害程度。
-
公开(公告)号：CN115359360B
公开(公告)日：2023-04-18
申请号：CN202211279083.3
申请日：2022-10-19
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
Abstract: 本发明涉及一种电力现场作业场景检测方法、系统、设备和存储介质，其中方法包括以下步骤：收集若干不同类别的电力现场作业场景图像，对各电力现场作业场景图像进行标注；将标注后的电力现场作业场景图像放入训练样本集中；搭建YOLO模型，并在Neck网络中加入MCBAM注意力模块，得到改进YOLO模型；MCBAM注意力模块包括MB多尺度信息捕获模块、CAM通道注意力模块以及SAM空间注意力模块；MB多尺度信息捕获模块用于捕获输入图像的多尺度信息；CAM通道注意力模块用于进行通道注意力调整；SAM空间注意力模块用于进行空间注意力调整；利用训练样本集对改进YOLO模型进行训练，利用训练好的进行检测。
-
公开(公告)号：CN115358952B
公开(公告)日：2023-03-17
申请号：CN202211286525.7
申请日：2022-10-20
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 中科方寸知微(南京)科技有限公司
IPC: G06T5/00 , G06T7/10 , G06V10/764 , G06V10/774
Abstract: 本发明涉及一种基于元学习的图像增强方法、系统、设备和存储介质，其中方法包括以下步骤：获取一原始图像并进行灰度化处理，从处理后的图像中随机捕获图像块，根据图像特征对捕获到的图像块进行分类，并将分类后的图像块放入至元训练数据集中；构建基于多级编解码结构的元学习网络；随机抽样元训练数据集中不同类别的图像块输入至元学习网络中，输出增强图像，计算对应的增强图像与图像块之间的曝光误差和像素相邻误差，以计算出的曝光误差和像素相邻误差最小为目标对元学习网络进行迭代训练，直至达到迭代结束条件，得到训练好的图像增强网络；将训练好的图像增强网络用于低照度图像的图像增强。
-
公开(公告)号：CN115359054A
公开(公告)日：2022-11-18
申请号：CN202211279084.8
申请日：2022-10-19
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明提出了一种基于伪缺陷空间生成的电力设备缺陷检测方法，以正常图片为素材人为伪造出局部的不规则性，生成一种伪缺陷图像类别，在对正常图像、缺陷图像、伪缺陷图像进行特征提取和分类网络的基础上，利用对比学习对特征空间区域解耦，对伪缺陷图像特征、正常图像特征、缺陷图像特征嵌入约束，增强难分样本中复杂背景的抗干扰能力，提高模型对于电力设备隐蔽缺陷的识别精度；利用电力设备缺陷模型预判得到分类损失并依据分类损失获取边缘伪缺陷样本，在进行若干次迭代训练后利用边缘伪缺陷样本引入弱监督缺陷遮盖策略进行训练，缓解过拟合，帮助模型突破训练瓶颈，获得最佳模型参数并固定，使用该电力设备缺陷检测模型对待检测图像进行检测。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.06 seconds)
