公开(公告)号：CN118674988A

公开(公告)日：2024-09-20

申请号：CN202410810758.5

申请日：2024-06-21

Applicant: 上海电机学院

Inventor： 阮晓鹏 ,  笪贤文 ,  王宗良

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/30 ,  G06V10/80 ,  G06V10/82 ,  G06V20/52

Abstract: 本发明公开了一种变电站悬挂异物识别方法，包括以下步骤：S1：采集数据；S2：利用灰度化处理和高斯噪声增强图片数据，后对图片进行特征提取，并对特征提取的图片进行特征融合；S3：使用SIFT对变电站图像异物数据集中的图像配准定位指定区域，分析并统计指定区域中特征角点的数目；S4：根据特征点数目的分布状态和设定阈值进行异物识别，超过阈值时判定为有异物侵入。通过Harris特征检测，提取模板图像和巡检图像中指定区域的特征点，对特征点进行统计分析，实现了设备区域有无异物的检测识别，推进了变电站无人值守进程，实现了变电站自动化和智能化。

公开(公告)号：CN118014987A

公开(公告)日：2024-05-10

申请号：CN202410351453.2

申请日：2024-03-26

Applicant: 上海电机学院

Inventor： 笪贤文 ,  陆丽 ,  王宗良 ,  阮晓鹏

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/80 ,  G06V10/40 ,  G06V10/25 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于YOLOV8改进的风机叶片损伤检测方法，包括以下步骤：S1：建立测试数据集；S2：调整和配置相应的参数建立YOLOv8的神经网络模型，并改进YOLOv8的神经网络模型；S3：训练以优化YOLOv8的网络模型；S4：将训练好的权重文件保存到YOLOv8的网络模型，之后基于训练好的权重文件，输入程序，对YOLOv8的检测速度进行测试并输出测试结果。改进后的YOLOv8相较于其他YOLO算法在物体检测的精度上有所提升，能够更准确地检测和定位目标物体；尽管在精度上有所提升，但改进后Yolov8在保证较高精度的同时仍然能够保持较快的检测速度，这对于实时应用非常重要；改进后的YOLOv8相较于YOLOv5和YOLOv4算法，模型比较小，可以应用于很多场所。