-
公开(公告)号:CN118711050A
公开(公告)日:2024-09-27
申请号:CN202410710437.8
申请日:2024-06-03
申请人: 中国华能集团清洁能源技术研究院有限公司 , 华能吉林发电有限公司 , 华能吉林发电有限公司镇赉风电厂
IPC分类号: G06V20/10 , G06V10/764
摘要: 本申请公开了一种输电线路的缺陷识别方法及装置、存储介质及电子装置,涉及图像检测领域,该输电线路的缺陷识别方法包括:对输电线路的点云数据进行空间曲线拟合,得到第一拟合结果,其中,所述点云数据为三维空间数据,所述空间曲线拟合包括:水平平面直线拟合,垂直平面曲线拟合,三维空间曲线拟合;将所述第一拟合结果转换为图像数据;将所述图像数据输入至缺陷识别模型中进行缺陷识别,得到所述输电线路的缺陷识别结果,其中,所述缺陷识别结果包括:缺陷位置,缺陷类别。采用上述技术方案,解决了相关技术中,目前的无人机在进行巡检时,故障识别率低的问题。
-
公开(公告)号:CN118094363A
公开(公告)日:2024-05-28
申请号:CN202410182423.3
申请日:2024-02-19
申请人: 中国华能集团清洁能源技术研究院有限公司 , 华能吉林发电有限公司 , 华能吉林发电有限公司镇赉风电厂
IPC分类号: G06F18/2413 , G06V20/60 , G06V10/22
摘要: 本公开实施例提供了一种光伏故障诊断模型的生成方法、诊断方法及装置,包括:获取光伏场站各组串的第一图像信息,并基于预设图像识别算法对图像中的各组串进行故障识别,得到故障组串的第二图像信息以及对应的故障类别;根据第二图像信息,确定对应故障组串在光伏场站的位置信息;基于位置信息,确定故障组串对应预设数字信号特征的特征值;将各特征值作为输入,将对应故障类别作为真值,对预设的光伏故障诊断模型进行训练,生成完成训练的光伏故障诊断模型。生成的光伏故障诊断模型仅通过数字信号对光伏故障进行诊断,可以实现高频诊断,诊断的实时性好、成本低。
-
公开(公告)号:CN118154778A
公开(公告)日:2024-06-07
申请号:CN202410237671.3
申请日:2024-03-01
申请人: 华能吉林发电有限公司 , 中国华能集团清洁能源技术研究院有限公司 , 华能吉林发电有限公司镇赉风电厂
IPC分类号: G06T17/00
摘要: 本公开是关于一种光伏场站的三维重建方法、装置及系统,涉及光伏电站技术领域。其中,方法包括:根据三维点云数据生成光伏电站中每个光伏组串的第一边界矢量图,根据图像数据生成正射影像,利用正射影像生成每个光伏组串的第二边界矢量图,将同一光伏组串的第一边界矢量图和第二边界矢量图进行融合处理,得到融合结果,利用匹配结果以及正射影像与第二边界矢量图的对应关系,将正射影像中的纹理信息映射到地形三维模型中,得到光伏电站的三维模型。本方案提高了光伏场站三维重建的精确度。
-
公开(公告)号:CN118071711A
公开(公告)日:2024-05-24
申请号:CN202410237670.9
申请日:2024-03-01
申请人: 中国华能集团清洁能源技术研究院有限公司 , 华能吉林发电有限公司 , 华能吉林发电有限公司镇赉风电厂
摘要: 本公开是关于一种光伏组串故障诊断和定位方法、装置及系统,涉及光伏电站技术领域。其中,方法包括:获取光伏场站的三维点云数据,利用三维点云数据,生成光伏场站的地形图以及地形图中每个光伏组串的边界矢量,获取光伏场站中每个光伏组串的热红外图像,针对每个光伏组串,从光伏组串的热红外图像中提取光伏组串的边界信息,将热红外图像输入至预训练的深度学习模型,得到深度学习模型输出的故障位置信息,确定故障位置信息与边界矢量的对应关系,根据对应关系确定故障点在地形图中的相对位置。本方案可以提高了定位光伏组串故障的精确度。
-
公开(公告)号:CN118674979A
公开(公告)日:2024-09-20
申请号:CN202410717785.8
申请日:2024-06-04
申请人: 华能吉林发电有限公司 , 中国华能集团清洁能源技术研究院有限公司 , 华能吉林发电有限公司镇赉风电厂
IPC分类号: G06V10/764 , G06V20/17 , G06V10/143 , G06V10/44 , G06V10/54 , G06V10/56 , G06V10/82 , H04N23/11 , H04N23/57 , G06N3/0464 , G06N3/084 , G06N3/048
摘要: 本申请公开了一种检测结果的确定方法及装置、存储介质及电子装置,涉及光伏设备检测领域,该方法包括:获取对光伏设备进行图像采集得到的初始图像,其中,初始图像至少包括以下之一:可见光图像,红外光图像;将初始图像输入训练好的多任务学习模型,根据多任务学习模型输出的故障类型确定光伏设备的检测结果,其中,多任务学习模型包括:多个子任务学习模型,多个子任务学习模型共享基础特征提取层,基础特征提取层用于提取初始图像的基础图像特征向量,且多个子任务学习模型用于基于基础图像特征向量输出初始图像的不同故障类型。采用上述技术方案,解决对光伏设备进行故障巡检时,故障检测准确度低的技术问题。
-
公开(公告)号:CN117935246A
公开(公告)日:2024-04-26
申请号:CN202410140604.X
申请日:2024-01-31
申请人: 华能吉林发电有限公司 , 中国华能集团清洁能源技术研究院有限公司 , 华能吉林发电有限公司镇赉风电厂
IPC分类号: G06V20/62 , G06V10/25 , G06V10/82 , G06V10/764 , G06V10/42 , G06V10/34 , G06N3/0455 , G06N3/0464 , G06N3/082
摘要: 本申请提出一种基于深度学习技术的仪表示数识别方法及装置,涉及图像处理技术领域,其中,方法包括:根据拍摄环境对原始图像进行预处理以获取预处理图像;确定所述预处理图像中的仪表盘区域,并提取所述仪表盘区域中的仪表盘图像;将所述仪表盘图像输入神经网络模型以提取目标像素集;根据所述目标像素集中的像素类型进行对应的处理以确定仪表示数。通过提取仪表盘图像中的目标像素集并识别对应的像素类型,实现了根据图像读取仪表盘的示数,降低了仪表盘示数读取误差,提高了仪表盘示数读取的准确度和效率。
-
-
-
-
-