一种基于深度学习的变电站作业现场监测方法及装置

    公开(公告)号:CN110321809A

    公开(公告)日:2019-10-11

    申请号:CN201910513300.2

    申请日:2019-06-13

    Abstract: 本发明公开了一种基于深度学习的变电站作业现场监测装置,包括:现场监控人员和作业人员进入变电站作业现场监测程序;现场监控人员选择并确认第一个操作步骤,执行监测工作;摄像头采集现场作业视频文件,并转换为RGB图像;加载改进的深度神经网络YOLO-V3;输入图像,对设备和标识进行自动识别,判断操作行为是否符合安全规范;根据识别和判断结果,当场发出警告并给出评价结果;将识别和评价结果实时可视化地展现给现场监控人员;现场监控人员确认评价结果并选择进入下一步骤或结束本次操作。使用模型结构剪枝和权重量化两种深度神经网络轻量化方法,实现了深度神经网络模型在嵌入式智能终端中的高精度实时推断,提高安全性和效率。

    一种面向物联网移动端设备的轻量级人体姿态识别方法

    公开(公告)号:CN112381045A

    公开(公告)日:2021-02-19

    申请号:CN202011374295.0

    申请日:2020-11-30

    Abstract: 本发明公开了一种面向物联网移动端设备的轻量级人体姿态识别方法,方法中采用轻量化神经网络技术对当前高效但复杂的网络结构进行解析,综合考量了姿态识别精度和计算复杂度,可以在手机等计算资源有限的移动设备上运行姿态识别神经网络。该技术基本保留了原始模型的精度,而轻量化之后的模型参数数量相比原始的参数数量下降了85%。本发明可以在硬件资源有限,比如计算资源受限的移动物联网设备上进行人体姿态识别,在基本保持精度的同时有效地解决了参数数量巨大的姿态识别神经网络模型在实际生活中难以运用的问题。

    一种基于EMTC的变电站绝缘监测系统及方法

    公开(公告)号:CN110108988A

    公开(公告)日:2019-08-09

    申请号:CN201910378970.8

    申请日:2019-05-08

    Abstract: 本发明公开了一种基于EMTC的变电站绝缘监测系统及方法,所述信息采集与通信终端设备连接变电站主板,并采集变电站浇铸绝缘件内部和绝缘表面的图片信息并发送至云端服务器管理平台;云端服务器管理平台接收并整理分类变电站实时运行数据与故障信息;移动APP终端通过运营商网络接受从云端服务器管理平台发送的图片数据,并判断图片中的浇铸绝缘件内部是否存在空洞或杂质,绝缘表面是否存在尖端突起,如果检测到,通过APP端提醒维保人员去检修变电站内的设备。本发明该系统能及时通知维修人员,便于维修人员实施及时的检修,极大缩短检修流程。

Patent Agency Ranking