公开(公告)号：CN113205487B

公开(公告)日：2022-09-13

申请号：CN202110388673.9

申请日：2021-04-12

Applicant: 武汉大学

Inventor： 董文永 ,  王树志 ,  张文娟

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/73 ,  G06T3/40 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明是一种基于残差网络融合异构数据的电缆状态检测方法。首先对监控图像进行裁剪和缩放，并利用预处理后的图像对Faster‑RCNN检测模型进行Fine‑tune训练后并用于检测；利用检测得到的电缆绝缘子位置对原始图像进行剪裁变换和标注，得到只包含电缆绝缘子的图像；对湿度、温度、瞬时风速、最大拉力等电缆结构化数据进行归一化处理；并利用处理后的绝缘子图像和归一化处理后的结构化数据训练基于ResNet‑18融合异构数据的高压电缆状态检测模型；模型训练优化完成后，用于对待识别数据进行处理，得到高压电缆状态检测结果。本发明显著提高了高压电缆状态感知的准确率和稳定性。

公开(公告)号：CN112766107B

公开(公告)日：2022-03-15

申请号：CN202110021518.3

申请日：2021-01-08

Applicant: 武汉大学

Inventor： 董文永 ,  张文娟

IPC: G06V20/40 ,  G06V20/52 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明提出了一种基于多源异构数据融合的高压电缆状态检测方法。本发明采集多个时刻电缆绝缘子的原始监控图像、原始局放图像、原始电缆拉力数据、原始温度数据、原始风速数据利用预训练的FasterRCNN网络、AlexNet分类网络和全连接分类网络分别对采集数据进行深度特征提取和深度特征融合，并根据同一下时刻融合后的多源数据的深度特征训练多源异构数据融合的高压电缆状态检测模型。通过训练后多源异构数据融合的高压电缆状态检测模型进行预测，得到待识别高压电缆的预测状态检测结果。极大地提高了电缆状态感知的可靠性和稳定性。本发明实现电缆状态可知可控，使电力部门能够根据电缆状态制定科学合理的检修策略，保障电缆正常稳定运行，并大大节省人力成本。

公开(公告)号：CN120047394A

公开(公告)日：2025-05-27

申请号：CN202510077992.6

申请日：2025-01-17

Applicant: 武汉大学

Inventor： 马昕 ,  吕如茵 ,  廖斐 ,  成镀 ,  张文娟 ,  兰庆芝

IPC: G06T7/00 ,  G01N21/21 ,  G06V10/145 ,  G06V10/764

Abstract: 本发明提供一种基于穆勒矩阵分析的结肠腺瘤检测方法及系统，包括：采集包含结肠腺瘤和正常组织的新鲜医学样本，对新鲜医学样本进行计算分解，得到穆勒矩阵和极化分解参数；根据穆勒矩阵的偏振信息分离与组合特性，提取预设偏振光特性分量，对预设偏振光特性分量进行无量纲化处理以及线性组合模型求解，得到每个样本的特征值分布；利用实验数据验证特征值分布的区分能力，优化线性组合模型的权重参数，确定最终线性组合模型，根据最终线性组合模型输出结肠腺瘤检测结果。本发明利用M01、M11和退偏因子的协同作用，在无量纲化处理后，实现对结肠腺瘤与正常组织的高效区分。

公开(公告)号：CN113205487A

公开(公告)日：2021-08-03

申请号：CN202110388673.9

申请日：2021-04-12

Applicant: 武汉大学

Inventor： 董文永 ,  王树志 ,  张文娟

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/73 ,  G06T3/40 ,  G06K9/32 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明是一种基于残差网络融合异构数据的电缆状态检测方法。首先对监控图像进行裁剪和缩放，并利用预处理后的图像对Faster‑RCNN检测模型进行Fine‑tune训练后并用于检测；利用检测得到的电缆绝缘子位置对原始图像进行剪裁变换和标注，得到只包含电缆绝缘子的图像；对湿度、温度、瞬时风速、最大拉力等电缆结构化数据进行归一化处理；并利用处理后的绝缘子图像和归一化处理后的结构化数据训练基于ResNet‑18融合异构数据的高压电缆状态检测模型；模型训练优化完成后，用于对待识别数据进行处理，得到高压电缆状态检测结果。本发明显著提高了高压电缆状态感知的准确率和稳定性。

公开(公告)号：CN112766107A

公开(公告)日：2021-05-07

申请号：CN202110021518.3

申请日：2021-01-08

Applicant: 武汉大学

Inventor： 董文永 ,  张文娟

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于多源异构数据融合的高压电缆状态检测方法。本发明采集多个时刻电缆绝缘子的原始监控图像、原始局放图像、原始电缆拉力数据、原始温度数据、原始风速数据利用预训练的FasterRCNN网络、AlexNet分类网络和全连接分类网络分别对采集数据进行深度特征提取和深度特征融合，并根据同一下时刻融合后的多源数据的深度特征训练多源异构数据融合的高压电缆状态检测模型。通过训练后多源异构数据融合的高压电缆状态检测模型进行预测，得到待识别高压电缆的预测状态检测结果。极大地提高了电缆状态感知的可靠性和稳定性。本发明实现电缆状态可知可控，使电力部门能够根据电缆状态制定科学合理的检修策略，保障电缆正常稳定运行，并大大节省人力成本。