-
公开(公告)号：CN118155024B
公开(公告)日：2024-08-20
申请号：CN202410585235.5
申请日：2024-05-13
申请人： 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分类号： G06V10/774 , G06V10/30 , G06V10/34 , G06V10/72 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0464
摘要： 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：CN118225840A
公开(公告)日：2024-06-21
申请号：CN202410318987.5
申请日：2024-03-20
摘要： 本发明公开了一种基于GCNet的红外图谱目标监测和故障诊断方法及系统，包括获取被监测目标设备的红外图像形成红外图普，方法包括：提取红外图谱中的温度数据，将温度数据进行LUT变换得到灰度图像；将灰度图像输入形状识别GCNet神经网络在灰度图像中提取目标设备的形状坐标；将目标设备的形状坐标输入组件识别GCNet神经网络在目标设备形状区域中提取目标设备各组件的Mask掩膜；获取目标设备各组件Mask掩膜区域的有效的温度数据；依据有效的温度数据根据目标设备各组件温度特征进行故障诊断。本发明通过人工智能图像识别技术解决现场复杂环境、实际作业中红外图谱中设备及部件识别难点，进而诊断分析变电站设备缺陷情况。
-
公开(公告)号：CN115623177A
公开(公告)日：2023-01-17
申请号：CN202211320682.5
申请日：2022-10-26
摘要： 本发明公开了一种变电站巡检视频综合分析管理系统，涉及变电站巡检分析技术领域，解决了现有技术中变电站巡检视频处理分析没有统一标准的技术问题；本发明包括视频采集模块、图像分析模块、台账管理模块、数据上传模块和数据接收模块；本发明实现视频采集终端的台账管理，关联视频采集终端所监控物体的属性；根据变电站巡检系统下发的巡视任务，获取视频采集终端的视频数据；对接收到的视频数据进行图像分析；把图像分析的结果上传至变电站巡检系统。本发明可以规范接口格式、设备台账的信息格式，提供标准化的设备巡检图像的智能分析服务，有利于本发明与变电站巡检系统的快速对接。
-
公开(公告)号：CN118279289B
公开(公告)日：2024-08-27
申请号：CN202410572037.5
申请日：2024-05-10
申请人： 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分类号： G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/086
摘要： 本发明提供一种电力设备视频图像缺陷识别方法及系统，方法包括：预训练初始残差神经网络，以得到适用缺陷分类残差神经网络；初始化问题潜在解粒子群位置、速度；计算每个问题潜在解粒子的适应值；利用粒子群优化算法持续迭代，寻获并更新得到局部更新最优解、全局更新最优解，以更新获取问题潜在解粒子的位置、速度；在满足粒子群优化算法的结束条件时结束持续迭代，根据更新获取的问题潜在解粒子的位置、速度，输出最佳位置参数，以利用适用缺陷分类残差神经网络，处理得到电力设备视频图像中的缺陷坐标位置。本发明解决了电力设备视频图像缺陷识别过程中的标记操作效率低、准确性低、检测模型的计算量大、网络结构复杂的技术问题。
-
公开(公告)号：CN118154995A
公开(公告)日：2024-06-07
申请号：CN202410572033.7
申请日：2024-05-10
申请人： 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分类号： G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
摘要： 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：CN117611133A
公开(公告)日：2024-02-27
申请号：CN202311589328.7
申请日：2023-11-27
申请人： 国网安徽省电力有限公司电力科学研究院 , 国网智能电网研究院有限公司
IPC分类号： G06Q10/20 , G06Q50/06 , G06N3/0455 , G06N3/0499 , G06N3/08
摘要： 本发明提供基于电力运检业务的大模型推理加速方法及系统，方法包括：多任务请求的调度，该调度将多个请求拼成一个输入作为整体网络的输入，在生成式对话中，可以做到一次回答多个请求问题；GPT网络，包括：Transformer Attention和Feed Forward Network组成，在预训练电力设备运检业务模型的一次解码Decode后的解码过程中，采用CUDA算子调用所述kv_cache，以调整kv_cache的形状，据以处理得到重构GPT网络模型；利用贪心算法将GPT模型的输出转化为一个token或者一个字。本发明解决了管理操作工作量大、电力设备运检业务信息总结不便以及维护成本高的技术问题。
-
公开(公告)号：CN116229064A
公开(公告)日：2023-06-06
申请号：CN202310057013.1
申请日：2023-01-14
申请人： 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
摘要： 本发明属于变电站远程巡视的技术领域，公开了压力表图像像素清晰度评估方法，包括如下步骤：S1、通过采集设备对SF6压力表进行图像数据采集；S2、对步骤S1中的图像数据进行清晰度指标部署；S3、计算SF6压力表在图像中占据的像素点个数和最小像元密度量以评估图像的清晰度。本发明解决了智能电网存在表计图像的清晰度不足的问题，可实现变电站的实时在线监测。
-
公开(公告)号：CN116052173A
公开(公告)日：2023-05-02
申请号：CN202310031759.5
申请日：2023-01-10
申请人： 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分类号： G06V30/12 , G06V30/148 , G06V20/62 , G06V20/52 , G06V20/70 , G06V10/82 , G06V10/96 , G06T7/00
摘要： 本发明公开了可辨识的油位计图片像素清晰度判定方法，涉及图像视觉技术领域，其技术方案要点是：S1：通过采集设备对油位计图片进行数据采集；S2：对所拍摄油位计进行识别；采用基于U2NET的语义分割的深度学习识别算法对所拍摄油位计进行识别；S3：统计油位计图片的像素点个数，推算出图像像素与成像清晰度之间的关系；S4：推算出焦距与被拍摄油位计距离的关系。通过关系式有效便捷的计算相应指标，并以此作为深度学习清晰度划分的依据。对摄像头预设点位进行清晰度评估，确保摄像头安装后，能够对被监测油位计进行有效识别。减少工作人员负担，推动智能电网的实施，保障了用户和电力公司双方的切身利益。
-
公开(公告)号：CN118154447B
公开(公告)日：2024-08-20
申请号：CN202410578624.5
申请日：2024-05-11
申请人： 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
摘要： 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：CN118279289A
公开(公告)日：2024-07-02
申请号：CN202410572037.5
申请日：2024-05-10
申请人： 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分类号： G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/086
摘要： 本发明提供一种电力设备视频图像缺陷识别方法及系统，方法包括：预训练初始残差神经网络，以得到适用缺陷分类残差神经网络；初始化问题潜在解粒子群位置、速度；计算每个问题潜在解粒子的适应值；利用粒子群优化算法持续迭代，寻获并更新得到局部更新最优解、全局更新最优解，以更新获取问题潜在解粒子的位置、速度；在满足粒子群优化算法的结束条件时结束持续迭代，根据更新获取的问题潜在解粒子的位置、速度，输出最佳位置参数，以利用适用缺陷分类残差神经网络，处理得到电力设备视频图像中的缺陷坐标位置。本发明解决了电力设备视频图像缺陷识别过程中的标记操作效率低、准确性低、检测模型的计算量大、网络结构复杂的技术问题。
-
-
-
-
-
-
-
-
-
搜索结果
100 条记录 (耗时 0.062 秒)
