-
公开(公告)号：CN119649032A
公开(公告)日：2025-03-18
申请号：CN202411801850.1
申请日：2024-12-09
Applicant: 国网山东省电力公司烟台供电公司 , 国网智能科技股份有限公司
IPC: G06V10/26 , G06V10/32 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了基于数据增强与注意力机制的电力目标检测方法及系统，所述方案包括：获取电力巡检过程中的目标图像；基于待检测的目标图像，通过预先训练的基于深度学习的目标检测模型，获得目标图像中不同尺寸的电力设备，实现电力目标的检测；其中，所述基于深度学习的目标检测模型，具体执行如下处理过程：对于待检测的目标图像，采用基于CSPDarknet网络结构构成的主干网络进行不同尺度的特征提取，获得不同尺度的特征图；基于获得的不同尺度的特征图，通过基于双向特征金字塔网络结构构成的颈部网络进行双向链接和多尺度特征融合，获得融合特征图；基于获得的融合特征图，通过预先构建的考虑注意力机制的检测头，获得不同尺度的检测结果。
-
公开(公告)号：CN119517065A
公开(公告)日：2025-02-25
申请号：CN202411647077.8
申请日：2024-11-18
Applicant: 国网智能科技股份有限公司
IPC: G10L21/0216 , G10L25/03 , G10L25/27 , G10L25/48
Abstract: 本发明涉及电网主设备声纹处理技术领域，提供了一种电网主设备声纹自适应去噪方法及系统，包括：获取电网主设备声纹信号，通过特征提取，得到能量谱特征和相位谱特征后，对能量谱特征和相位谱特征进行特征融合，得到融合特征，基于融合特征进行分类，得到电网主设备声纹信号的含噪类型；通过两次权重优化和卷积操作，对能量谱特征与相位谱特征进行权重求取和加权，与简单加权融合方式相比，得到的融合特征综合相位谱和幅度谱的丰富信息，可以更好表征声纹特性，有助于实现电网主设备声纹信号含噪类型的精准分类；基于含噪类型，选取去噪方法，对电网主设备声纹信号进行去噪；实现干净电网主设备声纹信号的获取。
-
公开(公告)号：CN119672463A
公开(公告)日：2025-03-21
申请号：CN202411723388.8
申请日：2024-11-28
Applicant: 国网智能科技股份有限公司
IPC: G06V10/774 , G06V10/776 , G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06V10/82
Abstract: 本发明公开了一种电力视觉大模型的参数微调方法、装置、设备及介质。该方法包括：基于通用图像和电力设备巡检图像训练构建电力场景下的预训练视觉大模型；在所述预训练视觉大模型中添加可调融合重参数化和适配器的双分支结构得到业务模型；对所述业务模型进行多轮粗粒度训练和细粒度训练，得到电力场景下的缺陷识别业务模型。本发明实施例可以提高电力场景下预训练视觉大模型的微调效率和效果。
-
公开(公告)号：CN119693703A
公开(公告)日：2025-03-25
申请号：CN202411772462.5
申请日：2024-12-04
Applicant: 国网山东省电力公司烟台供电公司 , 国网智能科技股份有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/094
Abstract: 本发明公开了一种基于条件生成对抗网络的电力图像分类方法及系统，属于机器学习与计算机视觉技术领域。包括：获取待处理电力图像；将待处理电力图像输入训练好的分类模型，获取电力图像分类结果；其中，训练分类模型时，以条件标签和随机噪声为输入，通过条件生成对抗网络对真实电力图像进行处理，结合残差连接和自适应实例归一化，获取合成电力图像以扩充用于预训练的训练集。充分考虑了电力图像的特殊性及目标任务的需求，利用条件生成对抗网络扩充训练集，并通过对预训练模型进行微调，有效地减少因数据增强引入的偏差；解决了现有数据增强扩充样本容易引入偏差的问题。
-
公开(公告)号：CN119598099A
公开(公告)日：2025-03-11
申请号：CN202411647084.8
申请日：2024-11-18
Applicant: 国网智能科技股份有限公司
Abstract: 本发明涉及电力设备状态监测技术领域，提供了基于声音信号异构拓扑的变电站设备缺陷诊断方法及系统，包括：获取待诊断设备的数字信号和模拟信号；对模拟信号进行采样，取采样的最大振幅和最小振幅的平均值，将平均值作为数模协同信号平均投影映射区间，将模拟信号转换为数字信号，计算获取的数字信号和模拟信号转换得到的数字信号的交集后，对于交集中为真值的位置，获取的数字信号和模拟信号均进行保留，否则删除，得到去噪后的数字信号和去噪后的模拟信号；对于去噪后的数字信号和去噪后的模拟信号，分别进行频谱图转化和图像识别后，得到设备缺陷诊断结果。在保证信号的完整性的前提下，实现了噪声的有效去除，提高了设备缺陷诊断的精度。
-
Patent Agency Ranking
公开(公告)号：CN119693874A
公开(公告)日：2025-03-25
申请号：CN202411772464.4
申请日：2024-12-04
Applicant: 国网山东省电力公司烟台供电公司 , 国网智能科技股份有限公司
IPC: G06V20/52 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/096
Abstract: 本发明提供了一种基于知识蒸馏的电力设备监控方法及系统，涉及机器学习技术领域，所述方法包括，获取电力设备监控图像；将电力设备监控图像输入训练好的学生模型，得到电力设备监控结果；其中，所述学生模型，采用第一教师模型和第二教师模型联合训练得到；第一教师模型为预训练的深度学习模型，第二教师模型为参数随机初始化的深度学习模型；采用训练集数据联合训练学生模型、第一教师模型和第二教师模型，当模型收敛或达到预设条件后完成训练，得到训练好的学生模型。本发明能够提高学生模型的泛化能力。
-
公开(公告)号：CN119474321A
公开(公告)日：2025-02-18
申请号：CN202411812528.9
申请日：2024-12-10
Applicant: 国网智能科技股份有限公司
IPC: G06F16/3329 , G06F16/36 , G06F16/334 , G06F40/30 , G06Q50/06 , G06N3/042 , G06F18/25 , G06F18/213 , G06N5/04 , G06F16/242 , G06F16/248 , G06F21/31 , G06F21/62 , G06F16/31
Abstract: 本发明涉及电力行业的智能化数据处理与人工智能技术领域，提供了电力语义大模型自适应数据查询与动态响应方法及系统，包括：获取电力行业自然语言查询及其相关的图像，分别通过大语言模型和深度学习模型进行特征提取后，利用知识图谱和视觉问答图神经网络，采用双向融合的方式将不同模态的特征统一到同一个表示中，得到融合特征，通过超图神经网络和多轮交互进行智能纠错，优化自然语言查询后，通过超图推理，得到扩展查询语句，并通过自回归模型将扩展查询语句转为结构化查询语句，得到查询结果；对于查询结果，进行权限动态适配、敏感数据保护以及合规性与安全性检查，实现动态响应。极大地提升了电力行业查询的准确性和效率。
-
公开(公告)号：CN117274314A
公开(公告)日：2023-12-22
申请号：CN202311331021.7
申请日：2023-10-13
Applicant: 国网智能科技股份有限公司
IPC: G06T7/246 , G06V10/80 , G06V20/40 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种特征融合的视频目标跟踪方法及系统，提出了将目标检测算法和相关滤波相结合的方法，通过目标检测算法识别目标的目标检测框，通过局部和全局多特征融合的相关滤波器得到目标跟踪边缘框，利用匈牙利匹配算法对目标检测框和目标跟踪边缘框进行匹配，解决了单独的相关滤波跟踪算法或神经网络的目标检测算法对目标检测跟踪存在的精确率和成功率低的问题，实现了电力场景等复杂场景下目标跟踪稳定性，提高了目标检测跟踪的实时性、精确率和成功率。
-
公开(公告)号：CN119672462A
公开(公告)日：2025-03-21
申请号：CN202411723385.4
申请日：2024-11-28
Applicant: 国网智能科技股份有限公司
IPC: G06V10/774 , G06V10/764 , G06V10/74 , G06F18/25 , G06F18/213
Abstract: 本发明公开了一种电力图像样本生成模型的建立方法、装置、设备及介质，该电力图像样本生成模型的建立方法包括：获取初始电力图像数据以及缺陷类型文本数据，基于预先设置的视觉大模型分别对初始电力图像数据和缺陷类型文本数据进行图像特征提取以及文本特征提取，生成图像特征向量以及文本特征向量；基于模态对齐机制，对图像特征向量以及文本特征向量进行特征融合，生成融合特征向量；基于融合特征向量和训练样本图像数据，对视觉大模型中的分类器模型和判别器模型进行训练，直到满足预设的模型训练结束条件；将训练完成的视觉大模型作为电力图像样本生成模型。通过上述技术方案，实现了电力稀缺样本图像数据的高效生成以及样本规模的扩大。
-
公开(公告)号：CN119599092A
公开(公告)日：2025-03-11
申请号：CN202411684717.2
申请日：2024-11-22
Applicant: 国网智能科技股份有限公司
IPC: G06N3/096 , G06N3/045 , G06N3/0464 , G06V10/774 , G06V10/82
Abstract: 本发明属于电力视觉模型预训练技术领域，提供了面向输电业务场景的预训练视觉大模型的构建方法及装置，面对输电业务场景，通过样本质量评估、类别不平衡样本学习等技术，基于预训练大模型的输电业务模型优化训练方法，构建电力输电线路专用的业务模型，解决通用视觉大模型与输电线路具体业务适配问题，实现输变电设备缺陷的准确识别。在保证专业模型精度的前提下利用参数优化方法进一步压缩模型参数量，全面提升模型性能，节约算力资源，提升场景模型复用性，有力支撑新型电力系统智能化和数字化水平提升。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.047 seconds)
