-
公开(公告)号：CN118865010A
公开(公告)日：2024-10-29
申请号：CN202410717323.6
申请日：2024-06-04
Applicant: 国家电网有限公司信息通信分公司 , 国网江西省电力有限公司信息通信分公司 , 国网智能电网研究院有限公司 , 国家电网有限公司
IPC: G06V10/774 , G06V10/764 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种模型训练方法及装置，涉及电力运维技术领域，用于电子设备，该方法包括：将第一训练样本输入多任务模型，多任务模型包括至少两个任务模块，每个任务模块对应的任务类型不同；基于多任务模型中的第一任务模块，对第一训练样本处理，得到第一处理结果；在第一处理结果与第一训练样本的样本标签不匹配的情况下，基于第一任务模块对应的损失函数，训练第一任务模块，以得到训练后的多任务模型；其中，第一任务模块为至少两个任务模块中的其中一个。
-
公开(公告)号：CN117593280A
公开(公告)日：2024-02-23
申请号：CN202311649143.0
申请日：2023-12-04
Applicant: 国家电网有限公司信息通信分公司 , 国网智能电网研究院有限公司 , 国网江西省电力有限公司信息通信分公司
IPC: G06T7/00 , G06V10/774 , G06V10/764
Abstract: 本申请公开了一种图像质量评估模型训练方法、装置及存储介质，涉及计算机技术领域，用于提升模型的泛化性能。该方法包括：对N个第一样本图像进行多次图像劣化增强，得到M个第一劣化增强图像；基于M个第一劣化增强图像，得到对比样本集合，对比样本集合包括一对正样本对和多对负样本对；对E个第二样本图像进行一次或多次图像劣化增强，得到F个第二劣化增强图像；基于F个第二劣化增强图像和E个第二样本图像，得到序列样本集合，序列样本集合包括E个样本序列，一个样本序列对应一个第二样本图像；基于对比样本集合和序列样本集合，对图像质量评估模型中的特征提取模块进行联合训练，得到训练后的图像质量评估模型。
-
公开(公告)号：CN118314486B
公开(公告)日：2024-09-24
申请号：CN202410743393.9
申请日：2024-06-11
Applicant: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学 , 国网智能电网研究院有限公司
Abstract: 本发明公开了一种基于多模态数据的变电站缺陷立体定位检测方法，包括：对三维点云数据和二维图像分别进行特征提取，并将两种模态特征分别依次通过三维区域提议网络和二维度区域提议网络，生成三维候选区域聚合和二维候选区域聚合；将二维图像的特征和三维点云数据输入到2D‑3D提议的转换器中，生成伪三维候选区域；将伪三维候选区域和三维候选区域聚合结合，获取融合三维候选区域聚合；将融合三维候选区域聚合和二维候选区域聚合通过多模态跨目标融合模块进行跨模态融合；使用多模态跨目标融合模块融合后的多层感知3D查询作为检测头执行三维目标检测定位。本发明克服了物体遮挡和距离较远且反射点较少造成的挑战，同时保持特征融合的有效性和准确性。
-
公开(公告)号：CN118314489B
公开(公告)日：2024-09-17
申请号：CN202410743404.3
申请日：2024-06-11
Applicant: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学 , 国网智能电网研究院有限公司 , 中国电力科学研究院有限公司 , 国网电力科学研究院有限公司
Abstract: 本发明公开了一种用于特高压变电站故障预警的图像预处理方法，包括：无人机根据最优特高压变电站巡检路径规划进行拍摄，获取设备图像；获取无人巡检系统拍摄的所有位置的图像集，并整理分类针对同一位置所摄的不同角度的图像序列，并对每个图像序列中的图像标定数据来源；以及每个图像序列中通过人工判读的方式，选取参考图像；对图像序列分别依次进行多尺度分解、细节增强图像和融合图像，获取融合图像序列，将所有融合图像序列和原始的图像集作为数据集；应用数据集训练获取最优双重注意力DAT模型实现最终的图像超分辨率操作，获得各个角度关键部位清晰的高质量图像；本发明对原图数据前提前进行清晰化预处理，提高后续故障检测的准确性。
-
公开(公告)号：CN118314488B
公开(公告)日：2024-09-17
申请号：CN202410743397.7
申请日：2024-06-11
Applicant: 合肥工业大学 , 国网安徽省电力有限公司超高压分公司 , 国网智能电网研究院有限公司 , 中国电力科学研究院有限公司 , 国网电力科学研究院有限公司
IPC: G06V20/17 , G06V20/10 , G06V10/22 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种特高压变电站空天地多尺度重决策目标检测方法，包括：获取二维模态数据和三维点云模态数据；确定目标定位；其中，确定目标定位的方式包括：应用二维模态数据进行图像目标定位以及应用二维模态数据和三维点云模态数据进行跨模态特征级联融合，进行三维目标检测定位；根据目标定位，判断可能故障位置；并应用立体多模态数据感知设备重新拍照得到不同空间尺度的图像；应用目标定位对应的检测定位网络，对重新拍照得到的不同空间尺度的图像进行故障分析，完成对特高压变电站故障的多尺度重决策；本发明能够提高故障识别精度。
-
Patent Agency Ranking
公开(公告)号：CN118154995B
公开(公告)日：2024-07-30
申请号：CN202410572033.7
申请日：2024-05-10
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明提供基于时频关联自适应学习模型的图像质量裂化评估方法，包括：构建不同类别的原始图像集；利用傅里叶变换获得频谱图像集；将频谱图像和原始差异类别图像输入到残差神经网络中学习频谱图像特征、原始图像特征；将时频关联的图像特征、原始图像特征融合；输入到动态调节参数BP神经网络；进行图像质量裂化评估分类。本发明解决了分析处理信息不全面，导致图像质量异常分类效果差的技术问题。
-
公开(公告)号：CN118155024A
公开(公告)日：2024-06-07
申请号：CN202410585235.5
申请日：2024-05-13
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
IPC: G06V10/774 , G06V10/30 , G06V10/34 , G06V10/72 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0464
Abstract: 本发明提供大模型图像样本自动生成方法及系统，方法包括：采集电网设备的差异光谱图像数据，以作为原始数据，对原始数据进行形态学滤波操作、数据清洗操作以及数据整合操作，以得到模型训练输入数据；利用生成对抗网络GAN进行对抗操作，对模型训练输入图像数据进行训练，以进行样本生成以及样本评估操作，获取稀缺样本；将稀缺样本与实时采集图像混合，利用支持向量机进行标注处理，以构造适用泛化能力新数据集；利用迁移学习技术，在适用泛化能力新数据集上，对预训练ResNet模型进行训练、验证操作，以得到适用电网图像大模型。本发明解决了电网设备监测与诊断操作中存在样本稀缺，导致模型的监测诊断性能受有制约的技术问题。
-
公开(公告)号：CN118154447A
公开(公告)日：2024-06-07
申请号：CN202410578624.5
申请日：2024-05-11
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
Abstract: 本发明提供基于引导频率损失函数的图像恢复方法及系统，方法包括：构建第一质量图像数据集、第二质量图像数据集，划分得到训练集、验证集；将相邻两层高斯金字塔图像取出，以对第一质量图像数据集、第二质量图像数据集中的小尺寸图像进行上采样，得到不少于2种相同尺寸图像，做差得到一层输入拉普拉斯图像，将最小尺寸图像作为拉普拉斯金字塔最底层，构建图像拉普拉斯金字塔，根据沙博尼耶损失、拉普拉斯金字塔损失和迭代层次化高频分量损失确定引导频率损失，利用引导频率损失收敛模型；验证模型。本发明解决了图像恢复质量较差、系统鲁棒性较差的技术问题。
-
公开(公告)号：CN116776228A
公开(公告)日：2023-09-19
申请号：CN202311035519.9
申请日：2023-08-17
Applicant: 合肥工业大学 , 国网安徽省电力有限公司 , 国网智能电网研究院有限公司
IPC: G06F18/241 , G06N3/045 , G06Q50/06 , G06F18/21 , G06F18/214 , G06F123/02
Abstract: 一种电网时序数据解耦自监督预训练方法与系统，属于电网故障诊断技术领域，解决如何将电网时序数据解耦与掩码预测相结合进行自监督预训练，从而提高模型鲁棒性以及泛化能力的问题；本发明通过对时序数据解耦从而分离出时序数据的趋势分量与周期分量，再对解耦后的两分量分别进行掩码预测，最后根据时序数据特征对解耦分量进行重构，继而通过与未掩码数据对比得到掩码损失，端到端的优化整个模型，实现了对电网时序数据模型的预训练，提取出具有强泛化能力的通用特征，增强了模型的鲁棒性，提升了模型的预测精度，同时提高模型对各类下游任务适配性，有效提升了模型的利用率。
-
公开(公告)号：CN116468904A
公开(公告)日：2023-07-21
申请号：CN202310391789.7
申请日：2023-04-13
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
IPC: G06V10/44 , G06V10/774 , G06N3/0464 , G06N3/08 , G06V10/82 , G06Q10/20 , G06Q50/06
Abstract: 本发明公开了变电站隔离开关图像有效性评估模型，涉及图像视觉技术领域。包括如下步骤方法：S1：通过采集备对隔离开关图片进行数据采集；通过yolov5模型进行相关数据的预训练；S2：对所拍摄隔离开关进行识别；采用基于U2NET的语义分割的深度学习识别算法对隔离开关图片进行识别；S3：将隔离开关图片送入训练好的yolov5模型进行识别，推算出特征完备性模型和清晰度模型；S4：由推算出的特征完备性模型和清晰度模型得到完备性指标模型。该模型可以作为深度学习清晰度划分的依据并且为隔离开关图片识别、摄像机点位选择提供理论支撑。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.175 seconds)
