公开(公告)号：CN110321947A

公开(公告)日：2019-10-11

申请号：CN201910567009.3

申请日：2019-06-27

申请人： 和远智能科技股份有限公司

发明人： 张方恒 ,  李宏刚 ,  刘建洲 ,  解晓霞 ,  陶可猛 ,  单宝山 ,  张玉锋 ,  张继洲

IPC分类号： G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明涉及电网技术领域，特别涉及一种基于卷积神经网络的用电异常预判方法。包括数据预处理的过程和数据训练的过程；数据预处理的过程包括：通过预处理脚本文件对数据进行属性层次分析；按照训练故障数据要求对数据进行属性层次分类；对分类近似数据进行合并；重新计算生成各类数据之间的距离；生成初步线性数据并判断数据的分类准确性；数据分类完成存储入库；数据准备完成；数据训练的过程包括：制作异常数据训练数据集；进入监控中心查看状态确认是否进行调整；完成训练后，进行数据处理，获得异常的样本；利用正异常样本调整手段，自动生成海量负样本；把正异常样本做成数据集，进行训练；训练完成对模型进行测试；训练完成。

公开(公告)号：CN110334630A

公开(公告)日：2019-10-15

申请号：CN201910567008.9

申请日：2019-06-27

申请人： 和远智能科技股份有限公司

发明人： 张方恒 ,  董秀国 ,  王彬 ,  庞诚 ,  解晓霞 ,  陶可猛 ,  单宝山 ,  张继洲 ,  张玉锋

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06T7/00

摘要： 本发明涉及缺陷识别技术领域，特别涉及一种基于深度学习技术实现设备裂损自动识别的方法。包括应用在预处理服务器的系统平台上的过程和应用在训练服务器的系统平台上的过程；所述应用在预处理服务器的系统平台上的过程包括以下步骤：S11用于图像归一化处理的过程；S12用于图像部位标注和裁剪的过程；S13用于部位图像正负样本生成的过程；所述应用在训练服务器的系统平台上的过程包括以下步骤：S21用于制作数据集的过程；S22用于设置训练初始化参数和调优过程；S23用于测试验证模型过程。本发明基于最新的深度学习技术，进行了整体的优化提升，解决大量人工标注问题，解决了缺陷的负样本过少的问题，针对缺陷样本可以海量无限生成。