-
公开(公告)号：CN119295732A
公开(公告)日：2025-01-10
申请号：CN202411387727.X
申请日：2024-10-07
Applicant: 河海大学 , 华能澜沧江水电股份有限公司
IPC: G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/082
Abstract: 本发明公开一种基于交叉注意力和多维度量的机器人巡检缺陷检测方法，设计了一个小样本目标检测模型，通过机器人自主巡检采集大坝图像，并利用交叉卷积注意力方法提取图像中的缺陷区域，在通过多维度的度量学习对缺陷区域进行分类，实现了高精度、高效率的缺陷检测工作。本发明针对现有小样本目标检测方法中出现的灾难性遗忘问题和模型参数量过大问题，设计了交叉卷积模块和多维度量学习模块，有效缓解了模型的灾难性遗忘并大幅减小模型参数。结合机器人自主巡检技术，本方法显著提高了大坝混凝土表面缺陷的识别效率和准确率，实现了大坝安全监测的智能化和自动化。
-
公开(公告)号：CN117745910B
公开(公告)日：2024-08-16
申请号：CN202311814998.4
申请日：2023-12-26
Applicant: 河海大学 , 华能澜沧江水电股份有限公司
Abstract: 本发明公开一种海量网格点三维模型热力图分块快速渲染方法，包括数据文件预处理、数据文件读取和热力值匹配计算阶段，利用空间聚类分析、文件分片、多线程处理、策略缓存、分块加载等手段，在保证渲染效果的基础上提升海量网格点三维模型热力图的渲染速度。数据预处理阶段，对模型网格点文件以及点位热力值文件进行分片；数据文件读取阶段，采用多线程对两类文件分片进行读取，基于点位热力值文件分片构建空间索引树STRtree，基于模型网格点文件分片构建模型网格分块ModelBlock，并依据一定的缓存策略对构建结果进行缓存；热力值匹配计算阶段，基于构建好的STRtree，并行匹配每块ModelBlock网格顶点的热力值并计算顶点颜色，将每块ModelBlock的顶点颜色返回客户端实现分块热力图渲染。
-
公开(公告)号：CN118351450A
公开(公告)日：2024-07-16
申请号：CN202410629821.5
申请日：2024-05-21
Applicant: 河海大学 , 华能澜沧江水电股份有限公司
Inventor： 毛莺池 , 许皓文 , 肖海斌 , 陈有勤 , 潘祯祥 , 王子成 , 戚荣志 , 彭欣欣 , 聂兵兵 , 廖贵能 , 赵富刚 , 徐小坤 , 陈玉梅 , 刘军显 , 孔岩鑫 , 孙亚民
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06N3/098
Abstract: 本发明公开一种基于权重自适应的多载具大坝损害识别方法及装置，通过自适应权重计算和模型分层混合技术，在聚合多种无人载具对地震等自然灾害对大坝的损害进行识别和检测，为各无人载具提供适配的损害识别模型(即个性化模型)，同时保证无人载具的损害识别精准度。自适应权重计算根据各载具上的模型参数，通过链式求导法则更新分层权重值，得到各个载具模型的最优混合权重；使用分层混合权重对载具上的本地模型和个性化模型的中间版本(即中间模型)进行分层混合，动态调整全局模型捕获的所有载具之间的共享数据和本地模型所学习到的本地数据之间的平衡，得到适配各载具的个性化模型，保证了损害识别的准确度。
-
公开(公告)号：CN118154973A
公开(公告)日：2024-06-07
申请号：CN202410360720.2
申请日：2024-03-27
Applicant: 华能澜沧江水电股份有限公司 , 河海大学
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/74 , G06V10/82 , G06V10/80 , G06V10/44 , G06N3/045 , G06N3/084
Abstract: 本公开公开一种基于分层特征融合网络的小样本分类检测方法，包括：采用不同深度的网络作为特征提取器，并构建关系得分作为样本类别相似性度量单位，实现高精度、高效率的小样本图像分类工作。该模型首先采集不同层次的样本特征信息，并利用特征融合方法获得基于不同深度的样本特征信息载体。然后将融合特征通过特征空间凝聚成原型点，提高分类工作的效率。最后通过构建可学习的相似性度量方式，对样本不同类别之间的信息进行学习，获得预测结果。相较于当前技术中对小样本学习过程中丢弃浅层特征和追求深度特征带来的样本信息利用不充分问题，通过本公开方案生成的小样本图像分类模型，提高了图像的分类准确率和效率。
-
公开(公告)号：CN116778363B
公开(公告)日：2024-04-30
申请号：CN202310754204.3
申请日：2023-06-25
Applicant: 河海大学 , 华能澜沧江水电股份有限公司
Abstract: 本发明公开一种基于联邦学习的低通信量库区水环境风险识别方法，通过个性化本地计算、本地更新相关性检查以及全局模型补偿技术，在保证库区水环境风险识别模型精度的前提下，同时降低上游以及下游通信频次，优化联邦学习通信效率。个性化本地计算通过向本地损失函数中引入正则项，使得本地训练能够适应不同设备能力的无人机，缓解异构数据导致的全局模型精度低等问题；检测无人机本地模型更新与全局模型更新之间的相似程度，避免无人机上传不必要的本地模型更新，降低上游通信频次；在全局模型补偿阶段，参数服务器按概率选取部分无人机下发全局模型更新，未接收到全局模型更新的无人机采用本地更新弥补与全局模型间的差距，降低下游通信频次。
-
公开(公告)号：CN116738366A
公开(公告)日：2023-09-12
申请号：CN202310719377.1
申请日：2023-06-16
Applicant: 河海大学 , 华能澜沧江水电股份有限公司
IPC: G06F18/25 , G06N7/01 , G06F16/36 , G06N3/045 , G06N3/0475 , G06N3/08 , G06N3/0464 , G06N3/0442 , G06N3/047 , G06F40/30 , G06F40/253 , G06F40/205
Abstract: 本发明公开一种基于特征融合的大坝应急事件因果关系识别方法及系统，对大坝安全运行日志数据和大坝应急响应记录信息进行事件标记；采用BERT对事件触发词信息进行嵌入，输出事件语境特征；使用对抗生成式的图表示方法学习事理图谱中的事件因果关系，扩充事件的因果语义特征；构建事件间的语法依赖路径，学习表达因果关系的语法依赖关系；对语境、语义、语法的特征信息进行拼接融合。本发明将语境、语义、语法三重特征信息进行融合，在大坝发生渗漏、裂缝等异常事件时，可以帮助快速准确地识别事件间存在的因果关系，提高工作人员对事态的判断和决策能力，从而更好地制定应急预案和预测可能出现的问题。
-
公开(公告)号：CN115994891A
公开(公告)日：2023-04-21
申请号：CN202211464767.0
申请日：2022-11-22
Applicant: 河海大学 , 华能澜沧江水电股份有限公司
Inventor： 毛莺池 , 吴俊 , 肖海斌 , 杨劲松 , 郭有安 , 字陈波 , 彭欣欣 , 聂兵兵 , 王龙宝 , 赵欢 , 王孜博 , 吴光耀 , 余意 , 刘海波 , 郭锐 , 王海燕 , 翟笠 , 陈恒江 , 李耀德 , 赵家尧 , 刘军显
Abstract: 本发明公开了一种基于狼群算法的无人载具混凝土坝表面缺陷动态检测方法，具体包括：步骤一：定义无人载具集群中人工狼的个数和中心控制节点；步骤二：初始化无人载具凝土坝表面缺陷动态检测方法所用到的参数；步骤三：初始化无人载具凝土坝表面缺陷动态检测方法的侦察环境；步骤四：搜索狼动态检测大坝缺陷；步骤五：中心控制节点选择头狼；步骤六：协作狼对头狼附近的缺陷实施围攻行为；步骤七：协作狼将缺陷图片、缺陷状态表达式同步给中心控制节点；步骤八：重新初始化头狼；步骤九：重复步骤四‑八，直至所有缺陷检测完毕。本方法能够为无人载具集群在特定工程地形下的混凝土坝表面缺陷动态检测提供模型指导，同时使用基于狼群算法的群体智能思想对无人载具集群的缺陷识别路径进行动态规划。
-
公开(公告)号：CN105005822A
公开(公告)日：2015-10-28
申请号：CN201510361844.3
申请日：2015-06-26
Applicant: 华能澜沧江水电股份有限公司 , 河海大学
Abstract: 本发明公开了一种基于最优步长与模型动态选择的特高拱坝响应预测方法包括：数据预处理，确定数据中的错误值与缺失值；使用最优化步长和插值法预测数据，根据绝对误差选择最优插值模型，即最优参数包括：步长和插值方法，使用最优步长的样本数据和最优的插值方法，对待预测的反应特高拱坝工作性态的应力值进行预测；使用小波神经网络方法预测数据，将原始数据分为训练样本和测试样本，选定输入层的节点个数和迭代次数，用训练样本对小波神经网络进行训练，然后用训练好的小波神经网络预测测试样本；对实验得到的预测结果进行分析，用于对此次最优化步长和插值方法的应力预测模型和基于小波神经网络的应力预测结果进行评估，确定应力安全阈值。
-
公开(公告)号：CN120032036A
公开(公告)日：2025-05-23
申请号：CN202510111476.0
申请日：2025-01-23
Applicant: 河海大学 , 华能澜沧江水电股份有限公司
Inventor： 周辉 , 毛莺池 , 李辉 , 戚荣志 , 郭金忠 , 刘吉辰 , 邓钦潇 , 王洋 , 齐巨涛 , 白志敏 , 王宏兵 , 师永 , 李刚 , 朱晓韬 , 杨康 , 刘智坚 , 李健春 , 梁继媛 , 何聪慧
Abstract: 本发明公开一种水电机组模型的多精度动态加载与性能优化渲染方法，包括多精度模型构建、多精度模型动态加载与剔除、自适应渲染优化三个阶段。多精度模型构建阶段：对原始模型文件进行部件提取，生成高、中、低分辨率多精度模型，并转化为GLTF格式以提升加载效率。动态加载与剔除阶段：读取多精度GLTF文件并应用转换矩阵生成几何模型，根据视距构建LOD模型，通过视锥剔除仅加载视野内的可见部分，降低渲染计算量。自适应渲染优化阶段：实时监控帧率，帧率较低时动态调整分辨率，简化材质光照，并禁用阴影等特效，确保渲染性能稳定，最终输出优化后的三维场景。本方法显著提升了水轮机模型的渲染速度与流畅度，适用于复杂三维场景的实时可视化需求。
-
公开(公告)号：CN119478742A
公开(公告)日：2025-02-18
申请号：CN202411599072.2
申请日：2024-11-11
Applicant: 河海大学 , 华能澜沧江水电股份有限公司
IPC: G06V20/17 , G06V10/25 , G06V10/52 , G06V10/80 , G06V20/70 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045
Abstract: 本发明公开一种基于特征融合与检测头协同优化的无人机目标检测方法，利用由卷积模块CBS和残差模块C2f堆叠的骨干网络获得多尺度的特征图，将多种尺度的特征图依次输送到多层级特征融合模块（ML‑FFM），从深层到浅层进行特征融合，增强浅层特征的语义信息；将融合后的特征图输入精细化特征增强模块（RFEM），基于时空注意力机制消除位置冲突和冗余信息，优化深层特征的细节和定位能力；将增强后的特征图送入基于Transformer的预测头进行检测，完成无人机航拍图像的目标分类和定位。本发明解决了无人机航拍图像尺度变化大，以及小目标占比高且分布密集的问题，从而提高了无人机航拍图像中目标检测的精度。且方法中提出的模块能显著降低计算量，适用于无人机的实时检测场景。
