-
公开(公告)号：CN110210387B
公开(公告)日：2021-08-31
申请号：CN201910468534.X
申请日：2019-05-31
Applicant: 华北电力大学(保定) , 中国科学院自动化研究所
Abstract: 本发明属于电力管理及图像检测领域，具体涉及了一种基于知识图谱的绝缘子目标检测方法、系统、装置，旨在解决现有目标检测算法速度慢以及很难应用于特定领域实时检测的问题。本发明方法包括：基于获取的包含绝缘子的图像，采用绝缘子目标检测网络，获得绝缘子目标候选框的图像并输出；其中，绝缘子目标检测网络包括特征提取网络、目标候选框生成网络、分类网络。本发明方法一方面引入知识图谱，提供更丰富的语义关系，增强了机器的学习能力；另一方面利用空域形态一致性特征，既保证了精度又加快了检测速度。
-
公开(公告)号：CN110232413A
公开(公告)日：2019-09-13
申请号：CN201910468895.4
申请日：2019-05-31
Applicant: 华北电力大学(保定) , 中国科学院自动化研究所
Abstract: 本发明属于计算机及图像处理领域，具体涉及了一种基于GRU网络的绝缘子图像语义描述方法、系统、装置，旨在解决现有技术给出图像语义内容无法满足机器以及神经网络学习需要的问题。本发明方法包括：获取包含绝缘子的图像作为待描述图像；采用特征提取网络提取含绝缘子的图像的特征，获得特征向量；采用图像语义描述网络，获取对应的语义描述文件；其中，特征提取网络基于循环神经网络构建，图像语义描述网络基于门控循环单元构建。本发明将特征向量和图像的语义标签一并输入到GRU网络中，通过图像和语义标签的映射关系，将图像的特征转换成计算机可以理解的序列的形态，获得绝缘子图像的语义描述，从而提高如图像检测等其他任务的性能。
-
公开(公告)号：CN110133443B
公开(公告)日：2020-06-16
申请号：CN201910468525.0
申请日：2019-05-31
Applicant: 中国科学院自动化研究所 , 华北电力大学(保定)
IPC: G01R31/08
Abstract: 本发明属于电力系统管理与检测领域，具体涉及了一种基于平行视觉的输电线路部件检测方法、系统、装置，旨在解决数据获取成本高、模型性能受限且不能及时调整更新的问题。本发明方法包括：获取输电线路各部件视频图像；通过训练好的目标检测模型，获取部件边界框大小、位置以及部件所属类别；输出部件边界框大小、位置以及部件所属类别。本发明一方面通过建立虚实结合的场景，扩展了输电线路各部件的训练和测试样本，降低了数据获取的成本，提高了模型的性能；另一方面通过在线学习的方法，不断利用新的数据更新模型达到更好的检测效果。
-
公开(公告)号：CN110222757A
公开(公告)日：2019-09-10
申请号：CN201910468531.6
申请日：2019-05-31
Applicant: 华北电力大学(保定) , 中国科学院自动化研究所
Abstract: 本发明属于深度学习及图像识别技术领域，具体涉及了一种基于生成对抗网络的绝缘子图像样本扩充方法、系统，旨在解决将深度学习应用到输电线路无人机自主巡检过程中缺乏大量优质绝缘子训练图像的问题。本发明方法包括：采用样本生成网络，依据尺寸调整后的虚拟样本集，生成待筛选样本集；分别计算待筛选样本集和真实样本集的IS指数；待筛选样本集中IS指数高于第一阈值的图像作为绝缘子图像样本扩充集并输出。本发明能够快速生成多样化的深度学习应用到输电线路无人机自主巡检过程中所需要的大量优质绝缘子训练图像，生成图像过程可控，真实度与真样本无异，推动了深度神经网络在绝缘子及其故障检测中的应用。
-
公开(公告)号：CN110210387A
公开(公告)日：2019-09-06
申请号：CN201910468534.X
申请日：2019-05-31
Applicant: 华北电力大学(保定) , 中国科学院自动化研究所
Abstract: 本发明属于电力管理及图像检测领域，具体涉及了一种基于知识图谱的绝缘子目标检测方法、系统、装置，旨在解决现有目标检测算法速度慢以及很难应用于特定领域实时检测的问题。本发明方法包括：基于获取的包含绝缘子的图像，采用绝缘子目标检测网络，获得绝缘子目标候选框的图像并输出；其中，绝缘子目标检测网络包括特征提取网络、目标候选框生成网络、分类网络。本发明方法一方面引入知识图谱，提供更丰富的语义关系，增强了机器的学习能力；另一方面利用空域形态一致性特征，既保证了精度又加快了检测速度。
-
Patent Agency Ranking
公开(公告)号：CN110133443A
公开(公告)日：2019-08-16
申请号：CN201910468525.0
申请日：2019-05-31
Applicant: 中国科学院自动化研究所 , 华北电力大学(保定)
IPC: G01R31/08
Abstract: 本发明属于电力系统管理与检测领域，具体涉及了一种基于平行视觉的输电线路部件检测方法、系统、装置，旨在解决数据获取成本高、模型性能受限且不能及时调整更新的问题。本发明方法包括：获取输电线路各部件视频图像；通过训练好的目标检测模型，获取部件边界框大小、位置以及部件所属类别；输出部件边界框大小、位置以及部件所属类别。本发明一方面通过建立虚实结合的场景，扩展了输电线路各部件的训练和测试样本，降低了数据获取的成本，提高了模型的性能；另一方面通过在线学习的方法，不断利用新的数据更新模型达到更好的检测效果。
-
公开(公告)号：CN112903107B
公开(公告)日：2024-09-17
申请号：CN201911219192.4
申请日：2019-12-03
Applicant: 华北电力大学(保定)
Abstract: 本发明提出了本发明提出了一种管道电缆检测机器人及检测系统，所述机器人包括：主结构板、两个主动轮支撑架、两个主动轮、四个长度可调的从动轮支撑架、四个从动轮，各个结构以三角支撑的方式设置，使用时，主动轮、从动轮均沿管道腔体的内壁转动，待检测电缆在并行设置的两个从动轮之间穿过，只需调节从动轮支撑架的长度和从动轮支撑架与主结构板的夹角使机器人的主动轮和从动轮与管道内部接触，即可实现检测机器人在不同形状内的管道内的运行，对异形管道进行检测。
-
公开(公告)号：CN117934227A
公开(公告)日：2024-04-26
申请号：CN202410113999.4
申请日：2024-01-27
Applicant: 华北电力大学(保定)
IPC: G06Q50/20 , G06Q10/0639 , G06F18/23213 , G06N3/006
Abstract: 本发明提供了一种基于校园融合数据的学生多维能力评估方法，涉及智能化测评技术领域，包括：从学校的多个部门中获取用于在校行为分析的学生在校期间的行为数据；对所述行为数据进行预处理，得到预处理数据；对所述预处理数据进行聚类处理，得到聚类结果，并将所述聚类结果细化成不同的类，并针对各类划分不同的标签类别；根据所述标签类别生成特定学生的多维能力评估报告；挖掘不同所述预处理数据对应的标签类别之间的关联规则，并根据所述关联规则和所述聚类结果进行能力评估和分析。本发明有利于学校管理老师及时了解学生状况，提高管理水平与效率，为学校提供更科学、精确的决策依据，推动教育管理水平的提升。
-
公开(公告)号：CN111523589B
公开(公告)日：2023-05-23
申请号：CN202010316196.0
申请日：2020-04-21
Applicant: 华北电力大学(保定)
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/044 , G06N3/084 , G06N3/09 , G06F16/33 , G06F16/36
Abstract: 本发明公开了一种基于栓母对知识图谱的螺栓缺陷分类方法，包括以下步骤：构建栓母对缺陷数据集；提取栓母对联合区域特征；提取语义对象区域特征；构建基于GGNN模型的栓母对知识图谱；采用由完全连接层实现的输出网络来计算节点级特征，计算缺陷节点和语义对象节点的特征，对于缺陷类别，连接其自身节点的特征和涉及的节点的特征作为其最终特征向量；将最终特征向量馈送到完全连接层，计算各类缺陷的得分向量，取分数最大的缺陷类别即为螺栓缺陷的缺陷类别。本发明提供的基于栓母对知识图谱的螺栓缺陷分类方法，充分考虑螺栓和螺母关系，提出使用卷积神经网络提取栓母对特征并结合先验知识构建栓母对知识图谱，高效完成螺栓缺陷分类。
-
公开(公告)号：CN112052551B
公开(公告)日：2023-05-02
申请号：CN201911021826.5
申请日：2019-10-25
Applicant: 华北电力大学(保定) , 国家电力投资集团有限公司 , 国家电投集团电站运营技术(北京)有限公司
IPC: G06F30/20 , G06N3/0464 , G06N3/0442 , F04D27/00
Abstract: 本发明提出了一种风机喘振运行故障识别方法及系统。所述识别方法包括：首先，获取风机设备在工作过程中的现场设备声信号；并对现场设备声信号进行预处理，获得现场设备声信号的二维时频数据；然后，采用CNN网络对所述二维时频数据进行识别，获得第一识别结果；采用LSTM网络对所述二维时频数据进行识别，获得第二识别结果；最后，基于D‑S证据理论，对第一识别结果和所述第二识别结果进行信息融合，获得风机喘振运行故障的识别结果。本发明利用现场设备声信号进行风机喘振故障诊断，无需在风机上安装传感器，采用卷积神经网络和长短时记忆网络对喘振声信号特征进行故障发生概率诊断，并使用D‑S证据理论进行决策层两个结果的融合诊断，提高诊断的准确率。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.035 seconds)
