-
公开(公告)号：CN111783819B
公开(公告)日：2024-02-09
申请号：CN202010383794.X
申请日：2020-05-08
Applicant: 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
IPC: G06V10/25 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种小规模数据集上基于感兴趣区域训练改进的目标检测方法，属于图像分析技术领域，通过目标检测模型获得图像目标检测结果，其对目标检测模型的训练过程包括一个循环依次独立进行边框回归任务训练和分类任务训练的阶段，使用由小规模数据集经过第一数据增强后获得的第一训练集对目标检测模型进行边框回归任务训练，使用由第一训练集经过第二数据增强后获得的第二训练集对目标检测模型进行分类任务训练；第二训练集的每张图像其感兴趣区域外包含部分该图片的全局信息。本发明方法在训练阶段引入感兴趣区域机制，克服现有One‑Stage目标检测模型在小规模数据集上训练时易发生的过拟合现象，进而获得准确的目标检测模型。
-
公开(公告)号：CN111307823B
公开(公告)日：2022-10-25
申请号：CN202010286386.2
申请日：2020-04-13
Applicant: 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
IPC: G01N21/88 , G06T7/00 , G06V10/774 , G06V10/82 , G06N3/04 , H04N7/18 , H04L67/10 , H04L67/12 , G07C1/20
Abstract: 本发明公开了基于边云协同的变电设备典型视觉缺陷检测系统及方法，涉及边缘计算和云计算技术领域；系统包括巡检机器人、变电设备图像采集装置、边缘计算平台、云服务器平台和通信装置以及图像数据预处理模块、变电设备典型视觉缺陷检测模块和典型视觉缺陷图像数据管理模块；方法包括S1～S3的步骤，S1，变电设备图像采集装置采集变电设备图像数据并发送至边缘计算平台；其通过巡检机器人、变电设备图像采集装置、边缘计算平台、云服务器平台和通信装置以及图像数据预处理模块、变电设备典型视觉缺陷检测模块和典型视觉缺陷图像数据管理模块等，实现了变电设备典型视觉缺陷检测工作效率高。
-
公开(公告)号：CN111307823A
公开(公告)日：2020-06-19
申请号：CN202010286386.2
申请日：2020-04-13
Applicant: 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
Abstract: 本发明公开了基于边云协同的变电设备典型视觉缺陷检测系统及方法，涉及边缘计算和云计算技术领域；系统包括巡检机器人、变电设备图像采集装置、边缘计算平台、云服务器平台和通信装置以及图像数据预处理模块、变电设备典型视觉缺陷检测模块和典型视觉缺陷图像数据管理模块；方法包括S1～S3的步骤，S1，变电设备图像采集装置采集变电设备图像数据并发送至边缘计算平台；其通过巡检机器人、变电设备图像采集装置、边缘计算平台、云服务器平台和通信装置以及图像数据预处理模块、变电设备典型视觉缺陷检测模块和典型视觉缺陷图像数据管理模块等，实现了变电设备典型视觉缺陷检测工作效率高。
-
公开(公告)号：CN111179262B
公开(公告)日：2024-09-06
申请号：CN202010002183.6
申请日：2020-01-02
Applicant: 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种结合形状属性的电力巡检图像金具检测方法，其包括以下步骤，1全局特征提取：用图像分类网络VGG‑16提取全局特征；2感兴趣区域获取：将提取的全局特征输入区域建议网络；3分别进行分类预测和边界框分布预测；4损失函数计算：分类损失计算、结合形状属性的KL散度边界框回归损失计算；5模型训练。本发明通过将KL散度和同类别金具目标的形状特征相结合对Faster R‑CNN模型的回归损失函数进行约束，解决在复杂背景中对金具目标的检测框定位不准确、部分金具目标在图像中结构显示不完整的问题。
-
公开(公告)号：CN111210007A
公开(公告)日：2020-05-29
申请号：CN202010003211.6
申请日：2020-01-02
Applicant: 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
Abstract: 本发明公开了基于改进SRGAN模型的超分辨率螺栓图像生成方法，涉及图像处理技术领域；其包括步骤S1模型训练使用的数据集、S2建立生成式对抗网络模型、S3生成器损失函数构建、S4判别器损失函数构建和S5高分辨率螺栓图像生成，在步骤S4判别器损失函数构建的SRGAN模型的损失函数中加入相对均值鉴别器以平衡生成器和判别器的能力；其通过在SRGAN模型的损失函数中加入相对均值鉴别器等，实现了在输电线路无人机自主巡检与深度学习的结合应用中，SRGAN模型生成的输电线路螺栓图像分辨率高。
-
Patent Agency Ranking
公开(公告)号：CN111179262A
公开(公告)日：2020-05-19
申请号：CN202010002183.6
申请日：2020-01-02
Applicant: 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
Abstract: 本发明涉及一种结合形状属性的电力巡检图像金具检测方法，其包括以下步骤，1全局特征提取：用图像分类网络VGG-16提取全局特征；2感兴趣区域获取：将提取的全局特征输入区域建议网络；3分别进行分类预测和边界框分布预测；4损失函数计算：分类损失计算、结合形状属性的KL散度边界框回归损失计算；5模型训练。本发明通过将KL散度和同类别金具目标的形状特征相结合对Faster R-CNN模型的回归损失函数进行约束，解决在复杂背景中对金具目标的检测框定位不准确、部分金具目标在图像中结构显示不完整的问题。
-
公开(公告)号：CN111783819A
公开(公告)日：2020-10-16
申请号：CN202010383794.X
申请日：2020-05-08
Applicant: 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
Abstract: 本发明提供了一种小规模数据集上基于感兴趣区域训练改进的目标检测方法，属于图像分析技术领域，通过目标检测模型获得图像目标检测结果，其对目标检测模型的训练过程包括一个循环依次独立进行边框回归任务训练和分类任务训练的阶段，使用由小规模数据集经过第一数据增强后获得的第一训练集对目标检测模型进行边框回归任务训练，使用由第一训练集经过第二数据增强后获得的第二训练集对目标检测模型进行分类任务训练；第二训练集的每张图像其感兴趣区域外包含部分该图片的全局信息。本发明方法在训练阶段引入感兴趣区域机制，克服现有One-Stage目标检测模型在小规模数据集上训练时易发生的过拟合现象，进而获得准确的目标检测模型。
-
公开(公告)号：CN113515829B
公开(公告)日：2023-07-21
申请号：CN202110557643.6
申请日：2021-05-21
Applicant: 华北电力大学(保定) , 国网北京市电力公司 , 国网冀北电力有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司
IPC: G06F30/18 , G06F30/27 , G06F18/214 , G06F18/24 , G06N3/04 , G06N3/094 , G06F111/04
Abstract: 本发明提供了一种用于极寒灾害下输电线路金具缺陷的态势感知方法，建立第一级检测模型及第二级分类模型，获取极寒灾害下金具目标数据集及缺陷数据集，通过极寒灾害下金具目标数据集及缺陷数据集训练第一级检测模型及第二级分类模型，将第一级检测模型及第二级分类模型级联；将待检测的输电线路航拍图像输入训练后的第一级检测模型中，得到金具图像和标签，将金具图像和标签同时输入训练后的第二级分类模型中，得到金具的缺陷情况。本发明提供的用于极寒灾害下输电线路金具缺陷的态势感知方法，实现了模型的可持续学习，节约了模型占用空间，保证了模型在学习新的分类任务的同时不会忘记旧分类任务，提高了模型对不同缺陷程度的金具的识别能力。
-
公开(公告)号：CN113496102A
公开(公告)日：2021-10-12
申请号：CN202110756805.9
申请日：2021-07-05
Applicant: 华北电力大学(保定) , 国网北京市电力公司 , 国网冀北电力有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司
Inventor： 赵振兵 , 强一凡 , 王东升 , 李信 , 肖娜 , 李坚 , 吴佳 , 彭柏 , 杨睿 , 刘昀 , 王艺霏 , 李贤 , 苏丹 , 那琼澜 , 娄竞 , 张少军 , 谢旭 , 张宇 , 路剑敏 , 张雁忠 , 陈军法 , 高全成 , 刘德坤 , 刘庆时 , 席嫣娜 , 韦凌霄 , 王舒 , 刘若诗
IPC: G06F30/27 , G06F113/04 , G06F119/06
Abstract: 本发明公开了一种基于改进BiGRU的配网超短期功率态势预测方法，包括以下步骤：功率数据预处理；对预处理后的功率数据进行多阶离散小波分解，之后对每条频率分量做单波重构；根据训练验证和滑动窗口策略划分出数据集及其输入输出格式；搭建基于小波变换和自注意力机制的BiGRU深度预测模型，其由两层双向门控循环单元和自注意力模块构成；将不同分量的训练数据集与验证数据集输入对应BiGRU深度预测模型，进行模型的训练和验证；将预测数据集输入BiGRU深度预测模型，将不同频率分量的预测结果相加得到最终模型预测值。本发明搭建基于小波变换和自注意力机制的BiGRU深度模型，改善了传统模型的过拟合现象，提高了模型预测精度，加快了模型收敛速度。
-
公开(公告)号：CN113515829A
公开(公告)日：2021-10-19
申请号：CN202110557643.6
申请日：2021-05-21
Applicant: 华北电力大学(保定) , 国网北京市电力公司 , 国网冀北电力有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本发明提供了一种用于极寒灾害下输电线路金具缺陷的态势感知方法，建立第一级检测模型及第二级分类模型，获取极寒灾害下金具目标数据集及缺陷数据集，通过极寒灾害下金具目标数据集及缺陷数据集训练第一级检测模型及第二级分类模型，将第一级检测模型及第二级分类模型级联；将待检测的输电线路航拍图像输入训练后的第一级检测模型中，得到金具图像和标签，将金具图像和标签同时输入训练后的第二级分类模型中，得到金具的缺陷情况。本发明提供的用于极寒灾害下输电线路金具缺陷的态势感知方法，实现了模型的可持续学习，节约了模型占用空间，保证了模型在学习新的分类任务的同时不会忘记旧分类任务，提高了模型对不同缺陷程度的金具的识别能力。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.076 seconds)
