一种基于图像数据扩充技术的绝缘子检测方法及系统

    公开(公告)号:CN112862766B

    公开(公告)日:2022-11-04

    申请号:CN202110116012.0

    申请日:2021-01-28

    Abstract: 本发明公开了一种基于图像数据扩充技术的绝缘子检测方法,所述绝缘子检测方法通过创建虚拟场景正样本图像,对绝缘子的实际场景正样本图像进行数据扩充,并借鉴控制理论中的“闭环”机制,基于导向反向传播算法对虚拟场景正样本图像进行反馈补偿,提高虚拟场景正样本图像的质量和数据扩充的效果,得到数量与质量更佳的训练集,使得卷积神经网络的训练更加充分,进一步提升网络的绝缘子识别性能,即提高深度学习算法在绝缘子识别上的准确率。

    一种融合迁移学习的输电线路绝缘子缺陷检测方法及系统

    公开(公告)号:CN115205256A

    公开(公告)日:2022-10-18

    申请号:CN202210829669.6

    申请日:2022-07-14

    Abstract: 本发明涉及一种融合迁移学习的输电线路绝缘子缺陷检测方法及系统,属于绝缘子检测领域,首选构建正常绝缘子数据集和缺陷绝缘子数据集,然后利用正常绝缘子数据集训练第一FasterR‑CNN网络,将模型迁移到样本数量较少的绝缘子缺陷图像上,对绝缘子进行定位并裁剪绝缘子区域,最后以绝缘子局部图像为输入,使用FasterR‑CNN模型对绝缘子缺陷检测权重进行训练,实现缺陷的分类和定位。本发明以FasterR‑CNN算法作为基线模型,提出了融合迁移学习的两级的目标检测模型,有效解决了在背景复杂的情况下检测效果不佳的问题,提高了绝缘子缺陷的检测精度。

    复杂背景下电力设备的红外与可见光图像配准方法及系统

    公开(公告)号:CN113344987A

    公开(公告)日:2021-09-03

    申请号:CN202110766613.6

    申请日:2021-07-07

    Abstract: 本发明公开了一种复杂背景下电力设备的红外与可见光图像配准方法及系统,涉及图像处理技术领域,该方法包括采用多尺度Retinex算法对电力设备可见光图像进行处理;采用ASIFT算法分别对电力设备红外图像和多尺度Retinex算法处理后的电力设备可见光图像进行处理,以得到电力设备红外图像对应的多个红外特征点和多尺度Retinex算法处理后的电力设备可见光图像对应的多个可见光特征点;对红外特征点和可见光特征点进行匹配处理,以得到多个匹配点对;采用RANSAC算法剔除所有所述匹配点对中错误的匹配点对,并基于剩余的匹配点对重构电力设备图像。本发明能够提高图像配准质量和图像配准效率。

    一种基于图像数据扩充技术的绝缘子检测方法及系统

    公开(公告)号:CN112862766A

    公开(公告)日:2021-05-28

    申请号:CN202110116012.0

    申请日:2021-01-28

    Abstract: 本发明公开了一种基于图像数据扩充技术的绝缘子检测方法,所述绝缘子检测方法通过创建虚拟场景正样本图像,对绝缘子的实际场景正样本图像进行数据扩充,并借鉴控制理论中的“闭环”机制,基于导向反向传播算法对虚拟场景正样本图像进行反馈补偿,提高虚拟场景正样本图像的质量和数据扩充的效果,得到数量与质量更佳的训练集,使得卷积神经网络的训练更加充分,进一步提升网络的绝缘子识别性能,即提高深度学习算法在绝缘子识别上的准确率。

    流量测量方法及装置
    68.
    发明授权

    公开(公告)号:CN109443456B

    公开(公告)日:2021-01-12

    申请号:CN201811283407.4

    申请日:2018-10-31

    Abstract: 本发明适用于流量测量技术领域,提供了一种流量测量方法及装置。所述方法包括:获取第一压力变送器的第一压力值和第二压力变送器的第二压力值,其中,第一压力变送器和第二压力变送器设置在待测管道外壁上;获取第一温度变送器的第一温度值和第二温度变送器的第二温度值,根据第一压力值、第二压力值、第一温度值、第二温度值和训练完成后的流量测量模型确定待测管道的流量。采用上述方案后,能够根据获取的第一压力变送器的压力值、第二压力变送器的压力值、第一温度变送器的温度值和第二温度变送器的温度值,并根据获取的压力值和温度值确定待测管道内的流量,提高了流量测量的精度和准确度,省时省力,为后续流量数据的使用提供了保障。

    一种图像深度特征确定方法及系统

    公开(公告)号:CN107730546B

    公开(公告)日:2020-11-03

    申请号:CN201710740343.5

    申请日:2017-08-25

    Abstract: 本发明公开了一种图像深度特征确定方法及系统。该方法包括:提取深度卷积神经网络中各卷积层输出的特征图;计算各所述卷积层的层熵和相对层熵;根据各所述卷积层的层熵和相对层熵,从各所述卷积层中选取特征表达层;根据所述特征表达层输出的所述特征图构建深度特征描述子;对所述深度特征描述子进行编码处理,得到所述输入图像的深度特征表达。本发明提供的图像深度特征确定方法及系统具有泛化性强、处理过程简单的特点,能够获得具有鲁棒性与区分度的高层特征表达。

Patent Agency Ranking