-
公开(公告)号：CN111599011A
公开(公告)日：2020-08-28
申请号：CN202010679873.5
申请日：2020-07-15
申请人： 杭州电力设备制造有限公司 , 国网浙江省电力有限公司杭州供电公司 , 国网浙江省电力有限公司 , 厦门亿力吉奥信息科技有限公司
摘要： 本发明涉及三维建模领域，尤其涉及一种基于WebGL技术的电力系统场景快速构建方法及系统，包括：获取待建模对象的数据；取其中一个面的一个点作为参考点，其余面的点根据参考点转换成相对坐标；根据相对坐标生成对应的待建模对象的轮廓；通过WebGL技术进行矩阵转换，将各个相对坐标的颜色信息与待建模对象位置信息做绑定；根据各个相对坐标对应的颜色将模型渲染并显示。通过使用本发明，可以实现对电力系统场景快速构建三维模型。
-
公开(公告)号：CN111599011B
公开(公告)日：2023-08-04
申请号：CN202010679873.5
申请日：2020-07-15
申请人： 杭州电力设备制造有限公司 , 国网浙江省电力有限公司杭州供电公司 , 国网浙江省电力有限公司 , 厦门亿力吉奥信息科技有限公司
摘要： 本发明涉及三维建模领域，尤其涉及一种基于WebGL技术的电力系统场景快速构建方法及系统，包括：获取待建模对象的数据；取其中一个面的一个点作为参考点，其余面的点根据参考点转换成相对坐标；根据相对坐标生成对应的待建模对象的轮廓；通过WebGL技术进行矩阵转换，将各个相对坐标的颜色信息与待建模对象位置信息做绑定；根据各个相对坐标对应的颜色将模型渲染并显示。通过使用本发明，可以实现对电力系统场景快速构建三维模型。
-
公开(公告)号：CN112633123A
公开(公告)日：2021-04-09
申请号：CN202011503728.8
申请日：2020-12-18
申请人： 国网浙江省电力有限公司电力科学研究院 , 武汉大学 , 国网浙江省电力有限公司杭州供电公司 , 国网经济技术研究院有限公司 , 国网浙江省电力有限公司
摘要： 本发明公开了一种基于深度学习的异源遥感影像变化检测方法，涉及图像处理技术领域，用于解决变化检测不精确且影像源单一的问题，该方法包括以下步骤：接收多时异源遥感影像；将所述异源遥感影像输入预设GAN网络中进行影像源转换，得到单源遥感影像；将所述单源遥感影像输入预设变化检测网络，得到二值变化图。本发明还公开了一种异源遥感影像变化检测装置，通过对异源遥感影像进行转换，并通过变化检测网络获取遥感影像的二值变化图。本发明能够同时实现两幅遥感影像的域转换；可以有效地解决异源遥感影像之间数据差异的问题，并通过深度学习变化检测网络提取出不同时相影像所存在的变化区域，在一定程度上改善了目视效果。
-
公开(公告)号：CN112633123B
公开(公告)日：2024-06-04
申请号：CN202011503728.8
申请日：2020-12-18
申请人： 国网浙江省电力有限公司电力科学研究院 , 武汉大学 , 国网浙江省电力有限公司杭州供电公司 , 国网经济技术研究院有限公司 , 国网浙江省电力有限公司
IPC分类号： G06V20/10 , G06V10/82 , G06V10/764 , G06T7/246 , G06N3/0455 , G06N3/0475 , G06N3/0464 , G06N3/094
摘要： 本发明公开了一种基于深度学习的异源遥感影像变化检测方法，涉及图像处理技术领域，用于解决变化检测不精确且影像源单一的问题，该方法包括以下步骤：接收多时异源遥感影像；将所述异源遥感影像输入预设GAN网络中进行影像源转换，得到单源遥感影像；将所述单源遥感影像输入预设变化检测网络，得到二值变化图。本发明还公开了一种异源遥感影像变化检测装置，通过对异源遥感影像进行转换，并通过变化检测网络获取遥感影像的二值变化图。本发明能够同时实现两幅遥感影像的域转换；可以有效地解决异源遥感影像之间数据差异的问题，并通过深度学习变化检测网络提取出不同时相影像所存在的变化区域，在一定程度上改善了目视效果。
-
公开(公告)号：CN113221956B
公开(公告)日：2024-02-02
申请号：CN202110406883.6
申请日：2021-04-15
申请人： 国网浙江省电力有限公司杭州供电公司 , 国网浙江省电力有限公司
IPC分类号： G06V10/764 , G06V10/25 , G06V10/762 , G06N3/0464
摘要： 本发明提出了一种基于改进的多尺度深度模型的目标识别方法及装置，包括：在图片上标记出目标，由标记后的图片组成图片训练集；构建多尺度深度模型，对目标的尺寸进行聚类，根据聚类结果确定多尺度深度模型的低层特征锚框；基于预设参数生成多尺度深度模型的高层特征锚框；将图片训练集输入多尺度深度模型，进行分类和回归训练；将待识别图片输入训练好的多尺度深度模型，通过高层特征锚框确定第一候选区域，通过低层特征锚框根据第一候选区域确定第二候选区域，根据第二候选区域输出目标识别结果。在多尺度深度模型中同时引入高层特征锚框、低层特征锚框对原始图片进行目标识别与
-
公开(公告)号：CN113222473A
公开(公告)日：2021-08-06
申请号：CN202110623798.5
申请日：2021-06-04
申请人： 国网浙江省电力有限公司杭州供电公司 , 浙江华云信息科技有限公司 , 上海电力大学 , 国网浙江省电力有限公司
摘要： 本发明提出了一种基于电力大脑中枢的电网负荷调整方法及装置，包括：构建指标体系；通过预先构建的电力大脑中枢基于指标体系获取各个地区的实时指标矩阵；根据实时指标矩阵获取正理想解和负理想解，分别计算第i个地区的实时指标数据与正理想解的KL距离以及与负理想解的KL距离，建立第i个地区的虚拟负理想解的KL距离；结合虚拟负理想解的KL距离计算各个地区与负理想解的相对接近度；分析相对接近度的准确概率，对相对接近度进行调整，得到反馈相对接近度；根据反馈相对接近度调整地区的电网负荷。基于优化矩阵以及改进距离算法优化传统topsis法，避免存在某组解同时与正理想解、负理想解距离相近而影响最优解的选择问题，提高了负荷调控准确性。
-
公开(公告)号：CN112488931A
公开(公告)日：2021-03-12
申请号：CN202011215377.0
申请日：2020-11-04
申请人： 国网浙江省电力有限公司电力科学研究院 , 中国电力科学研究院有限公司 , 国网浙江省电力有限公司杭州供电公司 , 国家电网有限公司
摘要： 本发明提供了一种卫星遥感影像中输电线路的超分辨率增强方法及系统，包括：获取待增强分辨率的输电线路遥感影像；采用预先构建的多映射残差卷积神经网络对所述输电线路遥感影像进行分辨率增强，得到输电线路遥感影像分辨率增强结果；对所述输电线路遥感影像分辨率增强结果采用小波变换进行多尺度边缘增强，得到超分辨率重构的输电线路影像。本发明提供的技术方案缓解了目前卫星遥感影像用于输电线路监测过程中分辨率不足的问题，能更加有效的利用输电线路卫星遥感影像进行线路巡检，提高了工作效率。
-
公开(公告)号：CN112307901B
公开(公告)日：2024-05-10
申请号：CN202011045558.3
申请日：2020-09-28
申请人： 国网浙江省电力有限公司电力科学研究院 , 武汉大学 , 国网浙江省电力有限公司杭州供电公司 , 国网经济技术研究院有限公司
摘要： 本发明公开了一种面向滑坡检测的SAR与光学影像融合方法。本发明的方法包括：步骤1、对SAR和光学影像进行预处理；步骤2、对光学影像做HIS变换，得到三个分量I、H和S；步骤3、对SAR图像与光学影像的I分量进行平稳小波变换及高频分量能量取大融合；步骤4、将SAR图像的低频、高频分量与图像本身灰度信息分别进行显著性检测，建立SAR显著目标检测区域指导函数，并将SAR影像分区；步骤5、建立显著区域融合规则，并依据分区域融合策略实现影像融合；步骤6、基于融合影像识别提取滑坡灾害信息。本发明对于面向滑坡检测的SAR和光学影像融合有较好的适应性，在结构保持、去除噪声、光谱保留上均采取了相关处理措施并获得了优异效果。
-
公开(公告)号：CN113346999B
公开(公告)日：2021-10-26
申请号：CN202110909728.6
申请日：2021-08-09
发明人： 司为国 , 朱炯 , 李颖毅 , 乐全明 , 樊立波 , 韩志军 , 孙智卿 , 徐巍峰 , 柳志军 , 黄建平 , 罗少杰 , 余彬 , 向新宇 , 陈炜 , 王剑 , 张晓波 , 蒋建 , 方响 , 宣羿
摘要： 本发明公开了一种基于拆分加密的大脑中枢系统，包括：感知模块，用于采集所需的电网信息数据并上传指定的通讯站；通讯站，用于接收和发送数据，对数据进行拆分和加密并附上解密信息和密钥编号上传中枢模块，其中加密用的密钥通过指定公钥加密后附上密钥编号发送至密钥暂存模块；密钥暂存模块，保存有经指定公钥加密后的密钥以及密钥编号；中枢模块，接收来自通讯站的加密后的数据，根据每份数据附带的密钥编号向密钥暂存模块索取经指定公钥加密后的密钥，并利用指定私钥解密得到密钥，利用密钥和解密信息进行解密得到原始数据。本发明实现了拿到任意单独的拆分后数据都无法进行完整解密，体现出了拆分加密的价值。
-
公开(公告)号：CN113221956A
公开(公告)日：2021-08-06
申请号：CN202110406883.6
申请日：2021-04-15
申请人： 国网浙江省电力有限公司杭州供电公司 , 国网浙江省电力有限公司
摘要： 本发明提出了一种基于改进的多尺度深度模型的目标识别方法及装置，包括：在图片上标记出目标，由标记后的图片组成图片训练集；构建多尺度深度模型，对目标的尺寸进行聚类，根据聚类结果确定多尺度深度模型的低层特征锚框；基于预设参数生成多尺度深度模型的高层特征锚框；将图片训练集输入多尺度深度模型，进行分类和回归训练；将待识别图片输入训练好的多尺度深度模型，通过高层特征锚框确定第一候选区域，通过低层特征锚框根据第一候选区域确定第二候选区域，根据第二候选区域输出目标识别结果。在多尺度深度模型中同时引入高层特征锚框、低层特征锚框对原始图片进行目标识别与检测，提高了对小目标的检测精度。
-
-
-
-
-
-
-
-
-
搜索结果
42 条记录 (耗时 0.083 秒)
