-
公开(公告)号：CN119169005A
公开(公告)日：2024-12-20
申请号：CN202411657794.9
申请日：2024-11-20
Applicant: 南昌工程学院
Inventor： 曾兵 , 周宇 , 李欣展 , 何帝霖 , 郝仕涛 , 陈宇聪 , 李得志 , 华威 , 巫平强 , 程公义 , 金子涵 , 易可欣 , 刘剑冰 , 谢云敏 , 张文华 , 杨小品
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06N3/0464 , G06N3/0495 , G06N3/096
Abstract: 本发明公开了一种基于改进SSD算法的轻量化绝缘子目标检测方法及系统，方法包括：构建SSD网络模型，并对所述SSD网络模型进行轻量化处理，得到目标SSD网络模型；根据预设的优化规则对所述目标SSD网络模型进行模型优化，得到基于改进SSD算法的轻量化绝缘子目标检测模型；将包含绝缘子的实时图像输入至所述基于改进SSD算法的轻量化绝缘子目标检测模型中，所述基于改进SSD算法的轻量化绝缘子目标检测模型输出与所述实时图像相对应的检测结果。通过分析卷积模块中各特征通路响应性，移除那些对检测性能贡献较小的弱响应通道，显著减少了模型的参数量和计算量。这不仅降低了对计算资源的需求，还减少了硬件成本。
-
公开(公告)号：CN118334323B
公开(公告)日：2024-08-20
申请号：CN202410764478.5
申请日：2024-06-14
Applicant: 南昌工程学院
Abstract: 本发明公开了一种基于紫外图像的绝缘子检测方法及系统，方法包括：构建目标检测网络，所述目标检测网络包括特征提取网络、特征金字塔网络以及输出网络；根据预设的通道联合层剪枝策略对所述目标检测网络进行裁剪，得到最终的绝缘子检测模型，所述通道联合层剪枝策略包括层剪枝子策略以及核裁剪子策略；将包含绝缘子的紫外图像输入至所述绝缘子检测模型中，所述绝缘子检测模型输出与所述紫外图像相对应的分割图像。通过轻量化池化金字塔结构来加快网络模型收敛丰富特征图表达能力，同时使用轻量化注意力机制增加对关键特征的权重，以达到提升绝缘子检测模型分割精度。
-
公开(公告)号：CN118036701A
公开(公告)日：2024-05-14
申请号：CN202410424172.5
申请日：2024-04-10
Applicant: 南昌工程学院
IPC: G06N3/09 , G06N3/0475 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06V10/82 , G06V10/778
Abstract: 本发明公开了一种基于紫外图像的绝缘子电晕放电数据增强方法及系统，包括：获取绝缘子电晕放电的紫外图像，根据labelme工具对所述紫外图像中的绝缘子及放电区域采用多边形框进行标注，得到标注后的目标紫外图像；将所述目标紫外图像输入至预先构建的生成对抗网络模型中，所述对抗网络模型输出与所述目标紫外图像对应的虚拟紫外图像。对生成对抗网络损失函数进行优化，在生成对抗损失函数中加入了强学习区域损失实现局部监督学习，使得网络模型在小数据集上训练也能得到不错的效果，通过调节损失函数中强学习权值可控制监督学习参与权重来优化生成对抗网络模型性能。
-
公开(公告)号：CN118505710B
公开(公告)日：2024-10-11
申请号：CN202410978434.2
申请日：2024-07-22
Applicant: 南昌工程学院
Inventor： 周千皓 , 何帝霖 , 周宇 , 郝仕涛 , 廖展鹏 , 周志豪 , 易可欣 , 周娱璐 , 缪旭洋 , 周庆阳 , 陈显彪 , 曾兵 , 谢云敏 , 杨小品 , 张文华 , 饶繁星
IPC: G06T7/00 , G06N3/096 , G06V10/764 , G06V10/40 , G06T7/10 , G06V10/778
Abstract: 本发明公开了一种基于迁移学习的绝缘子目标检测方法及系统，方法包括：构建目标检测网络；根据预设的教师网络的输出结果，采用预设的知识蒸馏策略对目标检测网络进行迭代训练，并在每次迭代训练过程中，根据效能跃升学习策略网络对知识蒸馏策略中的学习参数进行更新，得到最终的绝缘子检测模型；将包含绝缘子的紫外图像输入至绝缘子检测模型中，绝缘子检测模型输出与紫外图像相对应的分割图像，分割图像中仅包含绝缘子。
-
Patent Agency Ranking
公开(公告)号：CN118036701B
公开(公告)日：2024-07-05
申请号：CN202410424172.5
申请日：2024-04-10
Applicant: 南昌工程学院
IPC: G06N3/09 , G06N3/0475 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06V10/82 , G06V10/778
Abstract: 本发明公开了一种基于紫外图像的绝缘子电晕放电数据增强方法及系统，包括：获取绝缘子电晕放电的紫外图像，根据labelme工具对所述紫外图像中的绝缘子及放电区域采用多边形框进行标注，得到标注后的目标紫外图像；将所述目标紫外图像输入至预先构建的生成对抗网络模型中，所述对抗网络模型输出与所述目标紫外图像对应的虚拟紫外图像。对生成对抗网络损失函数进行优化，在生成对抗损失函数中加入了强学习区域损失实现局部监督学习，使得网络模型在小数据集上训练也能得到不错的效果，通过调节损失函数中强学习权值可控制监督学习参与权重来优化生成对抗网络模型性能。
-
公开(公告)号：CN119151925B
公开(公告)日：2025-02-11
申请号：CN202411639967.4
申请日：2024-11-18
Applicant: 南昌工程学院
Abstract: 本发明公开了一种输电线路绝缘子实时健康检测方法及系统，涉及绝缘子检测技术领域，通过对图像进行预处理，然后将预处理后的图像输入到预训练的YOLO‑F模型中，YOLO‑F模型通过主干网络提取特征，并利用特征融合网络进行多尺度特征融合，将主干网络提取特征和融合特征传入自由检测头进行分析，自由检测头分析主干网络提取特征和融合特征，分析结果通过非极大值抑制算法进一步处理，最终得到绝缘子健康检测结果，依据绝缘子健康检测结果生成相应的管理建议。检测系统通过YOLO‑F模型准确地捕捉物体的真实形状和位置，在处理不同角度下绝缘子的检测时，通过直接回归边界框和旋转量，更好地拟合物体的实际轮廓，提高检测的精度。
-
公开(公告)号：CN119151925A
公开(公告)日：2024-12-17
申请号：CN202411639967.4
申请日：2024-11-18
Applicant: 南昌工程学院
Abstract: 本发明公开了一种输电线路绝缘子实时健康检测方法及系统，涉及绝缘子检测技术领域，通过对图像进行预处理，然后将预处理后的图像输入到预训练的YOLO‑F模型中，YOLO‑F模型通过主干网络提取特征，并利用特征融合网络进行多尺度特征融合，将主干网络提取特征和融合特征传入自由检测头进行分析，自由检测头分析主干网络提取特征和融合特征，分析结果通过非极大值抑制算法进一步处理，最终得到绝缘子健康检测结果，依据绝缘子健康检测结果生成相应的管理建议。检测系统通过YOLO‑F模型准确地捕捉物体的真实形状和位置，在处理不同角度下绝缘子的检测时，通过直接回归边界框和旋转量，更好地拟合物体的实际轮廓，提高检测的精度。
-
公开(公告)号：CN118505710A
公开(公告)日：2024-08-16
申请号：CN202410978434.2
申请日：2024-07-22
Applicant: 南昌工程学院
Inventor： 周千皓 , 何帝霖 , 周宇 , 郝仕涛 , 廖展鹏 , 周志豪 , 易可欣 , 周娱璐 , 缪旭洋 , 周庆阳 , 陈显彪 , 曾兵 , 谢云敏 , 杨小品 , 张文华 , 饶繁星
IPC: G06T7/00 , G06N3/096 , G06V10/764 , G06V10/40 , G06T7/10 , G06V10/778
Abstract: 本发明公开了一种基于迁移学习的绝缘子目标检测方法及系统，方法包括：构建目标检测网络；根据预设的教师网络的输出结果，采用预设的知识蒸馏策略对目标检测网络进行迭代训练，并在每次迭代训练过程中，根据效能跃升学习策略网络对知识蒸馏策略中的学习参数进行更新，得到最终的绝缘子检测模型；将包含绝缘子的紫外图像输入至绝缘子检测模型中，绝缘子检测模型输出与紫外图像相对应的分割图像，分割图像中仅包含绝缘子。
-
公开(公告)号：CN118334323A
公开(公告)日：2024-07-12
申请号：CN202410764478.5
申请日：2024-06-14
Applicant: 南昌工程学院
Abstract: 本发明公开了一种基于紫外图像的绝缘子检测方法及系统，方法包括：构建目标检测网络，所述目标检测网络包括特征提取网络、特征金字塔网络以及输出网络；根据预设的通道联合层剪枝策略对所述目标检测网络进行裁剪，得到最终的绝缘子检测模型，所述通道联合层剪枝策略包括层剪枝子策略以及核裁剪子策略；将包含绝缘子的紫外图像输入至所述绝缘子检测模型中，所述绝缘子检测模型输出与所述紫外图像相对应的分割图像。通过轻量化池化金字塔结构来加快网络模型收敛丰富特征图表达能力，同时使用轻量化注意力机制增加对关键特征的权重，以达到提升绝缘子检测模型分割精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
