-
公开(公告)号：CN118940782A
公开(公告)日：2024-11-12
申请号：CN202410964544.3
申请日：2024-07-18
Applicant: 南京南瑞信息通信科技有限公司
Abstract: 本发明公开了一种QR二维码矫正修复方法及系统，修复方法是对位置编码后的图像进行特征提取，得到低分辨率图像特征和高分辨率图像特征；根据低分辨率图像特征，预测变形场和灰度场，对变形场和灰度场进行嵌入操作，得到全局畸变和灰度特征；根据变形场对低分辨率图像特征进行弹性变换，得到弹性变换低分辨率图像特征；将低分辨率图像特征、全局畸变和灰度特征、弹性变换低分辨率图像特征和高分辨率图像特征进行特征融合；反卷积融合后的特征，得到矫正变形场和矫正灰度场，对二维码图像进行修复。本发明由整体至局部的学习过程，对矫正位移较大的畸变具有更好的效果，且将灰度场和变形场作为模型的两个输出，提高了二维码图像的成像质量。
-
公开(公告)号：CN117917694A
公开(公告)日：2024-04-23
申请号：CN202211288540.5
申请日：2022-10-20
Applicant: 南京南瑞信息通信科技有限公司
IPC: G06V10/22 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06V20/00 , G06V20/70 , G06N3/0464 , G06N3/082 , G06N3/08
Abstract: 基于轻量化模型的仪表盘检测及读数的方法、设备，利用轻量化目标检测模型对输入图像进行目标检测得到目标区域；然后利用轻量化U2NetP模型对目标区域进行语义分割，分割出指针和刻度的掩膜，处理得到指针和刻度的位置，以少量计算资源实现对仪表盘实现检测和读数。本发明改进了YOLOv7‑tiny模型，使得模型大幅压缩，同时维持预测精度；在语义分割阶段，使用基于深度可分离卷积的轻量化后的U2NetP模型，进一步使得模型参数量大幅降低。本发明针对深度学习模型参数量过大且嵌入式设备性能有限的问题，对目标检测模型和语义分割模型提出了轻量化方案，为模型部署到变电站智能巡检机器人上提供了支持，具有良好的实用性。
-
公开(公告)号：CN112132135B
公开(公告)日：2023-11-28
申请号：CN202010877635.5
申请日：2020-08-27
Applicant: 南京南瑞信息通信科技有限公司
Abstract: 本发明公开一种基于图像处理的电网传输线检测方法、存储介质，方法包括：读入待检测图片；将图片灰度化；对灰度化图像进行平滑去噪、图像算术运算、灰度线性变换等一系列图像处理方法；对处理后的图像进行边缘检测；确定图像中的感兴趣区域ROI；对ROI内的像素点进行分类得到各传输线的边缘像素点集合；根据边缘像素点集合拟合传输线，并输出检测结果，检测结果可同时包括传输线的方程以及数量。利用本发明能够根据采集的图像进行传输线检测，能够排除天空以及云层等背景的干扰，具有一定的鲁棒性和实用性。
-
公开(公告)号：CN116245807A
公开(公告)日：2023-06-09
申请号：CN202211703829.9
申请日：2022-12-29
Applicant: 南京南瑞信息通信科技有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种电力设备表面异常变化的检测方法、装置及介质，其方法包括获取任一时刻电力设备的表面图像作为待检测图像；获取电力设备的基准图像；将待检测图像和基准图像输入训练好的变化检测网络模型，得到变化检测结果；其中，所述变化检测网络模型的训练包括：获取不同时刻电力设备的表面图像作为待训练图像；基于基准图像对各待训练图像进行异常变化的标注，生成标注图像集；构建基于自注意力机制的变化检测网络模型；通过标注图像集训练变化检测网络模型；本发明能够有效提升电力设备表面异常变化的检测精度，及时发现电力设备疑似故障，保障电力设备安全稳定运行。
-
公开(公告)号：CN115688032A
公开(公告)日：2023-02-03
申请号：CN202211330285.6
申请日：2022-10-27
Applicant: 南京南瑞信息通信科技有限公司 , 国电南瑞科技股份有限公司
IPC: G06F18/2431 , G06F18/27 , G06Q10/20 , G06Q50/06
Abstract: 本发明公开了一种基于多源数据融合的台风灾害下电网风险预警方法及系统，对台风灾害下电网风险预警数据集中的数据进行时间维度和空间维度的网格划分，将不同类型的数据根据网格划分进行匹配，得到每个网格的电网、地理和气象数据；分析每个网格电网元件脆弱性，建立每个网格内元件的脆弱性曲线，并根据脆弱性曲线计算科普兰德得分，将科普兰德得分结合网格化数据建立网格化风险预警数据集；对基于回归决策树的电网风险预警模型进行训练；向训练好的电网风险预警模型中输入台风预报数据，得到电网故障预测数量，实现电网风险预警。本发明能够准确预测台风灾害下电网设备故障数量，有效提升电网对台风灾害的应对能力，减少经济损失。
-
Patent Agency Ranking
公开(公告)号：CN113361369B
公开(公告)日：2022-08-09
申请号：CN202110611253.2
申请日：2021-06-01
Applicant: 南京南瑞信息通信科技有限公司
Abstract: 本发明公开了一种基于训练样本选择的电力现场着装规范检测方法，利用不同特征等级上的正训练样本对神经网络进行训练，分别将两类正训练样本通过分类损失函数Focal Loss进行分类，通过回归损失函数GIoU Loss进行回归，通过CrossEntropyLoss进行质量评分，得到预测损失函数LM、辅助损失函数LM，最终的训练损失函数L，求取最终的训练损失函数L最小值时的神经网络参数；将电力现场图片输入训练好的神经网络，得到电力现场图片中着装不规范目标标定。本发明弥补了图像特征的信息损失及不同尺度之间特征的语义差距，提高了检测精度，在电力现场安防研究领域具有重要的意义。
-
公开(公告)号：CN112712082B
公开(公告)日：2022-08-09
申请号：CN202110067996.8
申请日：2021-01-19
Applicant: 南京南瑞信息通信科技有限公司
IPC: G06V10/25 , G06V10/26 , G06V10/44 , G06V10/77 , G06V10/764 , G06K9/62 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多级图像信息的刀闸开合状态识别方法及装置，将图像采集设备部署于刀闸臂下方的矩形区域，对准刀闸触头的结合点采集刀闸图像使得结合点在图像的中心位置；对刀闸图像进行裁剪获得图像Im和Im+，其中图像Im是紧致覆盖刀闸臂区域的矩形框区域，图像Im+是紧致覆盖刀闸触头区域的矩形框区域；将图像Im和Im+输入预先构建和训练的刀闸开合状态识别网络模型，获得刀闸开合状态的各类别概率，选取类别概率最大值对应的状态作为刀闸状态的识别结果。本发明采用多级图像信息和深度神经网络，增强了特征表达能力，提高了方法的鲁棒性和识别性能。
-
公开(公告)号：CN114429421A
公开(公告)日：2022-05-03
申请号：CN202011097719.3
申请日：2020-10-14
Applicant: 国网江苏省电力有限公司南京供电分公司 , 南京南瑞信息通信科技有限公司
IPC: G06T3/40 , G06T3/60 , G06K9/62 , G06N3/04 , G01R31/327 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种面向调度业务场景的刀闸状态检测方法，包括：传感器读取刀闸状态、图像识别刀闸状态、状态对比等步骤。本发明提供的面向调度业务场景的刀闸状态检测方法，具有很高的正确识别率，并且计算复杂度相对不高，具有较高的运行效率，因此可以被快速、大量地部署于电力行业，可以有效提高电力巡检工作的智能化水平。
-
公开(公告)号：CN114095228A
公开(公告)日：2022-02-25
申请号：CN202111348621.5
申请日：2021-11-15
Applicant: 南京南瑞信息通信科技有限公司
IPC: H04L9/40 , H04L67/1097 , H04L67/12
Abstract: 本发明公开了一种基于区块链和边缘计算的物联网数据安全存取方法、系统、装置及存储介质，其方法包括：对物联网边缘设备进行身份验证，若验证通过，则将所述物联网边缘设备采集到的数据在本地进行加密或发送到边缘网关进行加密；将加密后的数据上传至IPFS文件存储模块；获取加密后的数据在IPFS文件存储模块的存储信息，并基于数据管理组件将存储信息存入区块链；通过向区块链请求数据的存储信息，基于存储信息访问IPFS文件存储模块获取数据。本发明利用区块链与边缘计算技术来保证物联网数据的安全存储。
-
公开(公告)号：CN113361369A
公开(公告)日：2021-09-07
申请号：CN202110611253.2
申请日：2021-06-01
Applicant: 南京南瑞信息通信科技有限公司
Abstract: 本发明公开了一种基于训练样本选择的电力现场着装规范检测方法，利用不同特征等级上的正训练样本对神经网络进行训练，分别将两类正训练样本通过分类损失函数Focal Loss进行分类，通过回归损失函数GIoU Loss进行回归，通过CrossEntropyLoss进行质量评分，得到预测损失函数LM、辅助损失函数LM，最终的训练损失函数L，求取最终的训练损失函数L最小值时的神经网络参数；将电力现场图片输入训练好的神经网络，得到电力现场图片中着装不规范目标标定。本发明弥补了图像特征的信息损失及不同尺度之间特征的语义差距，提高了检测精度，在电力现场安防研究领域具有重要的意义。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.063 seconds)
