基于电力视觉大模型的架空输电线路图像分割识别方法

    公开(公告)号:CN119693663A

    公开(公告)日:2025-03-25

    申请号:CN202411790217.7

    申请日:2024-12-06

    Abstract: 本发明实施例提供一种基于电力视觉大模型的架空输电线路图像分割识别方法,涉及输电线路图像分割识别技术领域。所述图像分割识别方法包括:将待测架空输电线路图像输入至图像分割与识别网络中的编码器,输出所述待测架空输电线路图像的特征图;将所述编码器输出的特征图分别输入至所述图像分割与识别网络中的分割解码器和识别解码器,通过所述分割解码器输出所述待测架空输电线路图像的分割结果,通过所述识别解码器输出所述待测架空输电线路图像的识别结果。该图像分割识别方法通过编码器和解码器对架空输电线路图像进行处理和识别,对图像中的导线、绝缘子、杆塔等元件进行识别和检测,准确率高,可以及时发现线路中的缺陷和隐患。

    一种输电设备目标识别模型的训练提效方法及系统

    公开(公告)号:CN119723384A

    公开(公告)日:2025-03-28

    申请号:CN202411791186.7

    申请日:2024-12-06

    Abstract: 本发明实施例提供一种输电设备目标识别模型的训练提效方法及系统,属于目标检测的技术领域。所述训练提效方法包括:通过无人机获取历史表盘的数据图像;对所述历史表盘的数据图像进行数据处理;根据Faster‑RCNN构建目标识别模型;将所述历史表盘的数据图像输入至所述目标识别模型以识别所述历史表盘的数据图像中的目标表盘的数据图像;根据YOLOv3构建破损识别模型;将所述目标表盘的数据图像输入至所述破损识别模型以获取目标表盘中的破损表盘。本发明通过目标识别模型获取了所有目标表盘的数据图像,再通过破损识别模型将正常表盘和破损表盘区分开,提高了分析的准确性,且大大减少人工分析处理的工作量。

    用于输电线路缺陷的自适应检测方法及系统

    公开(公告)号:CN119723287A

    公开(公告)日:2025-03-28

    申请号:CN202411797230.5

    申请日:2024-12-09

    Abstract: 本发明涉及输电线路领域,公开了一种用于输电线路缺陷的自适应检测方法及系统。该方法包括采用巡检设备获取输电线路的原始图像集,同时对原始图像集进行预处理生成缺陷训练集;采用缺陷训练集对深度学习算法进行训练得到检测模型;采用自适应算法对检测模型进行调整优化得到自适应检测模型;利用自适应检测模型对待检测的输电线路的图像进行缺陷判别及定位。该方法通过自适应检测模型根据图像的原有信息进行自适应调整,调整图像的参数和模型的检测参数,提高输电线路缺陷检测效率以及检测缺陷的精准度,并降低人工检测的风险性,保障输电线路和电力系统的安全性和可靠性。

    一种基于小样本状态下的配电网状态的评估方法及系统

    公开(公告)号:CN119171407A

    公开(公告)日:2024-12-20

    申请号:CN202411115500.X

    申请日:2024-08-14

    Abstract: 本发明实施例提供一种基于小样本状态下的配电网状态的评估方法及系统,属于配电网数据的维护技术领域。所述评估方法包括:构建电网多源数据融合的矩阵拓扑模型和图拓扑模型;获取电网数据;将所述电网数据加入所述矩阵拓扑模型中,以得到配电网状态模型;对所述配电网状态模型依次进行校核操作、修正操作以及分析操作;将所述电网数据加入所述图拓扑模型中,并执行平衡分析操作,以配电网图拓扑;对平衡分析操作后的所述配电网状态模型执行数据补全操作;将数据补全操作后的所述配电网状态模型和配电网图拓扑进行编码,并输入预设的配电网状态估计网络中,以得到评估结果。

    一种面向电力系统的AI模型的生成方法及系统

    公开(公告)号:CN117576541A

    公开(公告)日:2024-02-20

    申请号:CN202311689463.9

    申请日:2023-12-05

    Abstract: 本发明提供一种面向电力系统的AI模型的生成方法及系统,属于AI模型的训练技术领域。所述生成方法包括:根据待识别的图像的标签分布选择用于训练AI模型的训练数据集;对所述训练数据集进行预处理,以增广所述训练数据集;采用增广后的所述训练数据集训练所述AI模型。通过上述技术方案,本发明提供的一种面向电力系统的AI模型的生成方法及系统,通过对标签分布选择训练数据集,然后针对选择的训练数据集结合AI模型的鲁棒性要求进行增广的预处理操作,从而使得训练的AI模型不仅能够满足图像识别的要求,还能够具有较高的鲁棒性。相较于现有技术单纯的通过精度预测的训练方式而言,本发明提供的生成方法及系统能够使得训练出的AI模型更加精准且高效。

Patent Agency Ranking