-
公开(公告)号：CN110309865A
公开(公告)日：2019-10-08
申请号：CN201910530052.2
申请日：2019-06-19
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明涉及一种无人机巡视输电线路销钉缺陷分级图像识别方法，包括：S0、利用巡视采集图像对区域推荐卷积神经网络和SVM分类器进行预训练；S1、巡视采集图像送入区域推荐卷积神经网络；S2、利用区域推荐卷积神经网络对销钉进行定位，输出销钉定位矩形框图像；S3、对销钉定位矩形框图像上采样并作灰度化处理；S4、提取步骤S3处理后图像的SIFT特征；S5、对图像SIFT特征采用K-means算法聚类并制作成词袋模型；S6、词袋模型送入SVM分类器判断销钉是否存在缺陷。有益效果是简化了输电线路巡检人员的工作量，提高了输电线路销钉缺陷的检出率。
-
公开(公告)号：CN110503135A
公开(公告)日：2019-11-26
申请号：CN201910698625.2
申请日：2019-07-31
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC: G06K9/62
Abstract: 本发明提供了一种用于电力设备边缘侧识别的深度学习模型压缩方法，通过直接修改已训练完成的深度学习模型，实现相关识别模型的压缩和加速，包括：批量归一化层融合：将批量归一化层与其之前的卷积层进行融合；针对全连接层的奇异值分解：基于矩阵的奇异值分解算法，在全连接层之前加入中间层，对全连接层的参数进行压缩；模型权重的量化：采用权值共享方法，根据深度学习模型的冗余性，对参数进行量化转换。各步骤既可独立使用，也可相互配合工作。同时提供了一种压缩系统。本发明实现对已训练完成的深度学习模型的压缩和加速，在当前电力公司积极推进泛在电力物联网的环境下，有着广泛的应用前景。
-
公开(公告)号：CN110516551B
公开(公告)日：2023-04-07
申请号：CN201910686677.8
申请日：2019-07-29
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC: G06V20/17 , G06V10/25 , G06V10/774 , G05D1/12
Abstract: 本发明提供了一种基于视觉的巡线位置偏移识别系统，包括：特征提取网络、电力线识别模块、电力塔架及部件识别模块；各个部分相互配合，在无人机巡线时实时执行当前位置识别，并在无人机偏离巡线目标时发出信号。特征提取网络负责提取图像的各级特征，用于后续的识别工作。电力线识别模块在训练时仅需类别标签，大大降低了样本标注的工作量。电力塔架及部件识别模块基于目标检测算法，在电力线识别模块识别到电力线形状变化时开始识别此处的部件类型，根据识别框的大小及位置确定无人机当前位置是否偏移。同时提供了一种识别方法和无人机。本发明实现了对巡线无人机的位置识别，并在位置偏移时发出信号，可用于辅助操控或无人机自动巡线等工作。
-
公开(公告)号：CN110334612A
公开(公告)日：2019-10-15
申请号：CN201910529984.5
申请日：2019-06-19
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明涉及具有自学习能力的电力巡检图像目标检测方法，包括：将含有目标对象的图片样本、目标对象位置标注文件送入Context CNN，训练Context模型；基于Context模型对输入的背景图片、扩充的目标对象图片进行图像融合处理得到扩充的图片样本及目标对象位置标注文件；基于送入Faster R-CNN的图片样本、位置标注文件训练目标检测模型1、目标检测模型2；Faster R-CNN基于目标检测模型1、和/或目标检测模型2输出采集的图片样本中是、否含有目标对象的检测结果。有益效果是克服电力行业应用图像识别技术存在的训练数据集不足的情况，在使用过程中自动提升识别性能。
-
Patent Agency Ranking
公开(公告)号：CN110503135B
公开(公告)日：2023-04-25
申请号：CN201910698625.2
申请日：2019-07-31
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC: G06F18/21
Abstract: 本发明提供了一种用于电力设备边缘侧识别的深度学习模型压缩方法，通过直接修改已训练完成的深度学习模型，实现相关识别模型的压缩和加速，包括：批量归一化层融合：将批量归一化层与其之前的卷积层进行融合；针对全连接层的奇异值分解：基于矩阵的奇异值分解算法，在全连接层之前加入中间层，对全连接层的参数进行压缩；模型权重的量化：采用权值共享方法，根据深度学习模型的冗余性，对参数进行量化转换。各步骤既可独立使用，也可相互配合工作。同时提供了一种压缩系统。本发明实现对已训练完成的深度学习模型的压缩和加速，在当前电力公司积极推进泛在电力物联网的环境下，有着广泛的应用前景。
-
公开(公告)号：CN110516551A
公开(公告)日：2019-11-29
申请号：CN201910686677.8
申请日：2019-07-29
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
Abstract: 本发明提供了一种基于视觉的巡线位置偏移识别系统，包括：特征提取网络、电力线识别模块、电力塔架及部件识别模块；各个部分相互配合，在无人机巡线时实时执行当前位置识别，并在无人机偏离巡线目标时发出信号。特征提取网络负责提取图像的各级特征，用于后续的识别工作。电力线识别模块在训练时仅需类别标签，大大降低了样本标注的工作量。电力塔架及部件识别模块基于目标检测算法，在电力线识别模块识别到电力线形状变化时开始识别此处的部件类型，根据识别框的大小及位置确定无人机当前位置是否偏移。同时提供了一种识别方法和无人机。本发明实现了对巡线无人机的位置识别，并在位置偏移时发出信号，可用于辅助操控或无人机自动巡线等工作。
-
公开(公告)号：CN109784672A
公开(公告)日：2019-05-21
申请号：CN201811587468.X
申请日：2018-12-25
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明提供了一种基于区域推荐卷积网络的针对电网异常的实时监测报警系统，包括：固定式的摄像装置、区域推荐卷积神经网络、样本生成系统、报警系统。各个部分相互配合，自动完成对电网指定位置的实时监测工作。区域推荐卷积神经网络由两个网络组成，区域推荐网络预测可能出现异常的区域，卷积神经网络精确定位异常对象的种类及其大小和位置。在发现异常情况后立即通过邮件、短信等方式报警，通知巡检员。同时提供了一种上述针对电网异常的实时监测报警系统的实时监测报警方法。本发明实现了对电网指定位置的指定异常情况的自动化实时监测，节约大量人力。
-
公开(公告)号：CN110322896A
公开(公告)日：2019-10-11
申请号：CN201910559670.X
申请日：2019-06-26
Applicant: 上海交通大学
Abstract: 本发明公开了一种基于卷积神经网络的变压器故障声音识别方法。包括：使用静音剪切，分帧，Z-score标准化等手段对音频进行预处理，在预处理后提取MFCC特征参数构成声谱图，将声谱图送入卷积神经网络进行识别并得到识别结果。本发明能够在线自动识别变压器的故障声音，减轻巡检负担，有效监控变压器的工作状态，提升工作安全性。
-
公开(公告)号：CN110110607A
公开(公告)日：2019-08-09
申请号：CN201910292431.2
申请日：2019-04-12
Applicant: 上海交通大学
IPC: G06K9/00
Abstract: 本发明提供了一种基于谐波小波包提取狭窄带宽信号的方法，包括：采集噪声信号作为提取狭窄带宽信号数据样本x(t)；对采集数据样本做FFT变换x(ω)；对谐波小波包做频域变换为根据谐波小波包频域模型，确定取狭窄带宽信号的频率参数m＝2j、n＝2j+1；对样本数据x(ω)和谐波小波包ψm,n(ω)做卷积运算，获得频域狭窄带宽信号Wx(m,n,ω)＝x(ω)·ψm,n(ω)；对Wx(m,n,ω)＝x(ω)·ψm,n(ω)进行IFFT变换获取到所提取的时域信号。本发明特别适用于在强噪声中提取某一频率或某一狭窄带宽频段的微弱信号，提取信号失真小，精度高，运行速度快的优点。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.024 seconds)
