-
公开(公告)号：CN114694075B
公开(公告)日：2024-02-13
申请号：CN202210362415.8
申请日：2022-04-07
申请人： 合肥工业大学 , 国网安徽省电力有限公司超高压分公司
IPC分类号： G06V20/40 , G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于深度强化学习的危险行为识别方法，包括：1通过摄像头进行数据采集，得到危险行为视频并生成鱼竿数据集；2建立用于检测鱼竿的鱼竿检测器、用于鱼竿精准定位的鱼竿定位器、用于检测人体姿态的姿态检测器；3通过鱼竿数据集训练鱼竿检测器，并通过测试进行验证；4通过训练完成的鱼竿检测器进行鱼竿目标检测，得到定位数据集；5将定位数据集送入鱼竿定位器中进行训练，并通过测试进行验证；6将危险行为视频送入鱼竿检测和人体动作识别模型中，通过综合逻辑判断得到危险行为的动作。本发明能利用深度强化学习算法实现对高电压环境中危险行为者的动作识别，可以及时警告危险行为者的危险动作，保证该环境中的人员安全。
-
公开(公告)号：CN114821368B
公开(公告)日：2024-03-01
申请号：CN202210482372.7
申请日：2022-05-05
申请人： 合肥工业大学 , 国网安徽省电力有限公司超高压分公司
IPC分类号： G06V20/17 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/774 , G06V20/40
摘要： 本发明公开了一种基于强化学习和Transformer的电力缺陷识别方法，其步骤包括：1无人机航拍采集原始数据集，并通过深度卷积生成对抗网络增广数据集合；2使用强化学习模块提取图像特征搜索出前景区域；3通过Transformer模块对背景区域特征向量压缩并进一步进行特征提取，并最终经过全连接层获得最终预测结果。本发明利用深度学习实现了对电力缺陷区域的检测，从而减少了人力成本，且不受天气、背景等外部因素的影响，并提高了检测效率和检测精度。
-
公开(公告)号：CN114821368A
公开(公告)日：2022-07-29
申请号：CN202210482372.7
申请日：2022-05-05
申请人： 合肥工业大学 , 国网安徽省电力有限公司超高压分公司
IPC分类号： G06V20/17 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V20/40
摘要： 本发明公开了一种基于强化学习和Transformer的电力缺陷识别方法，其步骤包括：1无人机航拍采集原始数据集，并通过深度卷积生成对抗网络增广数据集合；2使用强化学习模块提取图像特征搜索出前景区域；3通过Transformer模块对背景区域特征向量压缩并进一步进行特征提取，并最终经过全连接层获得最终预测结果。本发明利用深度学习实现了对电力缺陷区域的检测，从而减少了人力成本，且不受天气、背景等外部因素的影响，并提高了检测效率和检测精度。
-
公开(公告)号：CN114694075A
公开(公告)日：2022-07-01
申请号：CN202210362415.8
申请日：2022-04-07
申请人： 合肥工业大学 , 国网安徽省电力有限公司超高压分公司
摘要： 本发明公开了一种基于深度强化学习的危险行为识别方法，包括：1通过摄像头进行数据采集，得到危险行为视频并生成鱼竿数据集；2建立用于检测鱼竿的鱼竿检测器、用于鱼竿精准定位的鱼竿定位器、用于检测人体姿态的姿态检测器；3通过鱼竿数据集训练鱼竿检测器，并通过测试进行验证；4通过训练完成的鱼竿检测器进行鱼竿目标检测，得到定位数据集；5将定位数据集送入鱼竿定位器中进行训练，并通过测试进行验证；6将危险行为视频送入鱼竿检测和人体动作识别模型中，通过综合逻辑判断得到危险行为的动作。本发明能利用深度强化学习算法实现对高电压环境中危险行为者的动作识别，可以及时警告危险行为者的危险动作，保证该环境中的人员安全。
-
公开(公告)号：CN114842383B
公开(公告)日：2024-02-20
申请号：CN202210474871.1
申请日：2022-04-29
申请人： 合肥工业大学
IPC分类号： G06V20/52 , G06V20/40 , G06V10/82 , G06V10/774 , G06V10/44 , G06N3/0499 , G06N3/084
摘要： 本发明公开了一种基于DVRL‑VST的电熔镁炉工况视频识别方法，包括：1通过CycleGAN风格迁移架构进行异常样本增广；2将增强后的数据输入基于强化学习样本价值评估和VST的DVRL‑VST网络进行训练；3利用训练结果对电熔镁炉运行视频进行工况识别。本发明能排除生产现场环境光变化以及不同电熔镁炉炉壳固有视觉特征的变化带来的干扰，并使用工况的视频信号，从空间和时间两个维度提取电熔镁炉异常工况局部缓变的时空特征来识别异常工况，从而能提高识别断精度。
-
公开(公告)号：CN114742800A
公开(公告)日：2022-07-12
申请号：CN202210404706.9
申请日：2022-04-18
申请人： 合肥工业大学
IPC分类号： G06T7/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82 , G06V10/764
摘要： 本发明公开了一种基于改进Transformer的强化学习电熔镁炉工况识别方法，其步骤包括：1、获取目标图像进行预处理；2、建立双分支异构网络和强化学习网络；3、输入训练集到双分支异构网络中得到特征和分类概率；4、输入特征训练强化学模型得到强化学习最优训练模型；4、输入测试集到最优训练模型得到识别结果。本发明通过强化学习的方法，自适应调整矩形框以选取最优特征向量，从而能提高不同状态下电熔镁炉欠烧工况的识别检测准确度和识别速度，满足快速化准确化的实际需求。
-
公开(公告)号：CN112731064B
公开(公告)日：2021-12-28
申请号：CN202011598835.3
申请日：2020-12-30
申请人： 合肥工业大学
摘要： 本发明公开了一种特高压换流站中故障波形的自动识别方法，主要包括：1.有效数据分类，2.切换事件分类，3.故障分类，4.电能质量分类。本发明采用离故障更近的线路装置来收集故障波形，使得收集的数据更加精确，且不需要大的数据集并采用简单的算法即可实现对特高压换流站故障事件的自动分类，提高分类的准确性和效率。
-
公开(公告)号：CN112526294A
公开(公告)日：2021-03-19
申请号：CN202011601635.9
申请日：2020-12-30
申请人： 合肥工业大学
IPC分类号： G01R31/08
摘要： 本发明公开了一种基于同步相位状态估计的含分布式电源配电网故障检测方法，该方法通过为状态估计器构建不同的增广拓扑结构，来模拟总线故障发生位置的变化；再通过计算加权测量残差和来选择正确的状态估计器，利用实时仿真平台对现有含分布式电源配电网和基于相量测量单元的监测系统进行仿真，以验证本发明的有效性。本发明能正确地识别故障线路，而不考虑线路的中性点连接、故障类型、故障阻抗和故障位置，并且对噪声具有显著的鲁棒性。
-
公开(公告)号：CN114742800B
公开(公告)日：2024-02-20
申请号：CN202210404706.9
申请日：2022-04-18
申请人： 合肥工业大学
IPC分类号： G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/092 , G06N3/084 , G06V10/774 , G06V10/82 , G06V10/764
摘要： 本发明公开了一种基于改进Transformer的强化学习电熔镁炉工况识别方法，其步骤包括：1、获取目标图像进行预处理；2、建立双分支异构网络和强化学习网络；3、输入训练集到双分支异构网络中得到特征和分类概率；4、输入特征训练强化学模型得到强化学习最优训练模型；4、输入测试集到最优训练模型得到识别结果。本发明通过强化学习的方法，自适应调整矩形框以选取最优特征向量，从而能提高不同状态下电熔镁炉欠烧工况的识别检测准确度和识别速度，满足快速化准确化的实际需求。
-
公开(公告)号：CN114842383A
公开(公告)日：2022-08-02
申请号：CN202210474871.1
申请日：2022-04-29
申请人： 合肥工业大学
IPC分类号： G06V20/40 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于DVRL‑VST的电熔镁炉工况视频识别方法，包括：1通过CycleGAN风格迁移架构进行异常样本增广；2将增强后的数据输入基于强化学习样本价值评估和VST的DVRL‑VST网络进行训练；3利用训练结果对电熔镁炉运行视频进行工况识别。本发明能排除生产现场环境光变化以及不同电熔镁炉炉壳固有视觉特征的变化带来的干扰，并使用工况的视频信号，从空间和时间两个维度提取电熔镁炉异常工况局部缓变的时空特征来识别异常工况，从而能提高识别断精度。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.047 秒)
