-
公开(公告)号：CN117422695A
公开(公告)日：2024-01-19
申请号：CN202311477998.X
申请日：2023-11-08
申请人： 上海朗驰佰特智能技术有限公司 , 上海电力大学
IPC分类号： G06T7/00 , G06V10/26 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06V20/40 , G06N3/084
摘要： 本发明涉及后台图像处理技术领域，具体地说是一种基于CR‑Deeplab的异常检测方法。包括如下步骤：S1，采集原始异常图像，构建数据训练集；S2，在CR‑Deeplab网络上进训练；S3，得到预测特征图；S4，将预测特征图与步骤S1中标注的真实分割图像集合进行对比，计算真实值与预测值的距离，构造损失函数，优化网络；S5，更新网络参数；S6，重复步骤S3至S5，进行e次网络训练；S7，分析模型的异常检测性能；S8，将训练好的模型部署在服务器上，实时采集图像，再由CR‑Deeplab图像分割算法对异常状况进行识别分割。同现有技术相比，将不同尺度的残差卷积模块和卷积注意力模块CBAM相融合，并在ASPP模块后也加入了CBAM卷积注意力机制，使得模型识别的完整性和可靠性得以提升。
-
公开(公告)号：CN117079173A
公开(公告)日：2023-11-17
申请号：CN202210994219.2
申请日：2022-08-18
申请人： 上海朗驰佰特智能技术有限公司 , 上海厚尚电力科技有限公司 , 上海电力大学
摘要： 本发明涉及电厂巡检机器人和固定的摄像头后台图像处理技术领域，具体地说是一种基于YOLOA的电厂关键设施异常识别方法。一种基于YOLOA的电厂关键设施异常识别方法，包括以下步骤：S1，利用YOLOA网络训练电厂采集的泄漏数据，然后将训练好的模型部署到算法服务器上；S2，电力巡检机器人到达指定位置转动云台，双视摄像头对准识别区域后截取3s可见光和红外视频；S3，采用B变换融合可见光图像的B分量和红外图像，得到融合后的视频；S4，将融合后的视频输入网络预测并在前端页面显示。同现有技术相比，能够更准确的识别电厂的异常状况；利用视频检测，不易出现误检和漏检的情况并且能够实时的在前端页面显示检测的状况。
-
公开(公告)号：CN115546565A
公开(公告)日：2022-12-30
申请号：CN202211397154.X
申请日：2022-11-09
申请人： 上海朗驰佰特智能技术有限公司 , 上海电力大学 , 上海厚尚电力科技有限公司
IPC分类号： G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于YOLOCBF电厂关键区域管道油液泄漏检测方法，它涉及计算机视觉技术领域。获取电厂关键区域管道油液泄漏图像，构建数据集并预处理，对训练集中图像标注；将图像输入到融合CBAM注意力机制的模型骨干网络中，获取五个不同尺度的特征图，将其输入到YOLOCBF颈部段进行特征融合，输出五个不同尺度的张量数据，并输入到YOLOCBF网络头部端，通过检测头预测，采用Focal EIoU Loss对检测目标定位及类别检测；通过训练集训练网络模型并验证，部署到算法服务器上进行电厂关键区域管道油液泄漏的实时检测识别。本发明实现对电厂关键区域内的管道油液泄漏的实时、准确检测，满足电厂应用的需求。
-
公开(公告)号：CN113763327A
公开(公告)日：2021-12-07
申请号：CN202110914532.6
申请日：2021-08-10
申请人： 上海电力大学
摘要： 本发明涉及一种基于CBAM‑Res_Unet的电厂管道高压蒸汽泄露检测方法，方法包括：获取待测试的高压蒸汽泄漏图片，使用CBAM‑Res_Unet网络模型，网络中还加入了损失函数和评价标准，对所述高压蒸汽泄漏图片进行图像分割，终输出检测结果。现有技术相比，本发明使用了对高压蒸汽泄漏的适应性更强的深度学习网络CBAM‑Res_Unet，对损失函数Dice Loss函数和Focal Loss函数进行结合后提高了网络训练的稳定性，实现了电厂管道高压蒸汽的监测，本发明具有对于电厂管道高压蒸汽泄漏的有较好的泛用性、检测蒸汽泄漏区域的准确性高等优点。
-
公开(公告)号：CN112484746A
公开(公告)日：2021-03-12
申请号：CN202011345746.8
申请日：2020-11-26
申请人： 上海电力大学
摘要： 本发明涉及一种基于地平面的单目视觉辅助激光雷达里程计方法，包括提供一种基于地平面的单目视觉辅助激光雷达里程计方法，利用激光里程计中的地面点云高效提取图像中的地面特征点，基于单应性变换实现高效的绝对尺度相机运动估计，进而将运动估计用于矫正激光里程计中的自运动点云畸变和位姿优化。与现有技术相比，本发明提出的紧耦合方案高效利用单目视觉图像和激光雷达点云中的地平面信息，避免了现有的视觉和激光雷达融合算法中存在的计算复杂度高、系统精度及稳定性受错误的深度匹配影响的问题。
-
公开(公告)号：CN113763327B
公开(公告)日：2023-11-24
申请号：CN202110914532.6
申请日：2021-08-10
申请人： 上海电力大学
摘要： 本发明涉及一种基于CBAM‑Res_Unet的电厂管道高压蒸汽泄露检测方法，方法包括：获取待测试的高压蒸汽泄漏图片，使用CBAM‑Res_Unet网络模型，网络中还加入了损失函数和评价标准，对所述高压蒸汽泄漏图片进行图像分割，终输出检测结果。现有技术相比，本发明使用了对高压蒸汽泄漏的适应性更强的深度学习网络CBAM‑Res_Unet，对损失函数Dice Loss函数和Focal Loss函数进行结合后提高了网络训练的稳定性，实现了电厂管道高压蒸汽的监测，本发明具有对于电厂管道高压蒸汽泄漏的有较好的泛用性、检测蒸汽泄漏区域的准确性高等优点。
-
公开(公告)号：CN112484746B
公开(公告)日：2023-04-28
申请号：CN202011345746.8
申请日：2020-11-26
申请人： 上海电力大学
摘要： 本发明涉及一种基于地平面的单目视觉辅助激光雷达里程计方法，包括提供一种基于地平面的单目视觉辅助激光雷达里程计方法，利用激光里程计中的地面点云高效提取图像中的地面特征点，基于单应性变换实现高效的绝对尺度相机运动估计，进而将运动估计用于矫正激光里程计中的自运动点云畸变和位姿优化。与现有技术相比，本发明提出的紧耦合方案高效利用单目视觉图像和激光雷达点云中的地平面信息，避免了现有的视觉和激光雷达融合算法中存在的计算复杂度高、系统精度及稳定性受错误的深度匹配影响的问题。
-
公开(公告)号：CN115100237A
公开(公告)日：2022-09-23
申请号：CN202210482290.2
申请日：2022-05-05
申请人： 上海电力大学
摘要： 本发明涉及一种巡检机器人视觉里程计方法，包括获取机器人相机内部参数；在机器人运行过程中通过可见光相机截取图像；选取截取图像中的相邻两帧记为源帧和目标帧；将源帧输入至无监督深度估计网络得到预测深度；无监督深度估计网络进行密集模块的轻量化改进；利用光流网络对源帧和目标帧预测前向光流和后向光流，根据前后光流一致性原则筛选得到优质匹配特征点对；通过三角测量获得计算深度；将预测深度和计算深度根据尺度对齐方法进行帧间尺度对齐，获得尺度一致机器人定位轨迹。与现有技术相比，本发明实现机器人在巡检过程中的高效定位，避免因定位精度不足导致的巡检结果失效，节约巡检资源，在电厂巡检任务中具有较高的实际使用价值。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.05 秒)
