-
公开(公告)号：CN107680090A
公开(公告)日：2018-02-09
申请号：CN201710939838.0
申请日：2017-10-11
Applicant: 电子科技大学
CPC classification number: G06T7/0004 , G06K9/6267 , G06T5/002 , G06T5/30 , G06T7/10 , G06T7/13 , G06T7/168 , G06T7/60 , G06T2207/10032 , G06T2207/20061 , G06T2207/20081 , G06T2207/20084 , G06T2207/30108
Abstract: 本发明公开了一种基于改进全卷积神经网络的输电线路绝缘子状态识别方法，包括以下步骤：S1、通过无人机采集输电线路绝缘子图片；S2、通过目标检测网络Faster R-CNN对图片进行分类回归和位置回归，截取出单独的绝缘子图片；S3、将绝缘子图片通过全卷积神经网络做语义分割；S4、通过全连接条件随机场进行精细化分割；S5、运用形态学操作方法滤除图像中的噪点；S6、通过深度学习分类网络对绝缘子分类，判断绝缘子状态。本发明通过对标记好的绝缘子图片进行训练和参数调优，可以有效的对输电线路绝缘子状态进行识别，避免了传统绝缘子状态识别中人为设定阈值的主观影响和人为提取特征的随机性，能够大幅提高巡线效率，降低巡线难度。
-
公开(公告)号：CN108718288B
公开(公告)日：2020-09-25
申请号：CN201810275921.7
申请日：2018-03-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的数字信号调制模式识别方法，包括以下步骤：S1、将接收机接收到的盲通信时域信号转换为int16格式的数据，并保存为二进制数据文件；S2、变采样为中频信号；S3、进行中频滤波；S4、做幅值归一化处理；S5、设计卷积神经网络用于提取信号特征；S6、对步骤S4得到的信号进行特征提取并进行分类回归，得到对应的数字信号调制模式。本发明通过卷积神经网络的方法对不同的数字调制信号进行特征提取，可以有效的从复杂的数字调制信号中得到每一类对应的有效特征，然后用全连接层将提取到的特征整合到标记样本空间，最后采用分类网络对数字信号调制模式识别，对调制模式进行分类，有效提高了数字信号调制模式的效率。
-
公开(公告)号：CN108718288A
公开(公告)日：2018-10-30
申请号：CN201810275921.7
申请日：2018-03-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的数字信号调制模式识别方法，包括以下步骤：S1、将接收机接收到的盲通信时域信号转换为int16格式的数据，并保存为二进制数据文件；S2、变采样为中频信号；S3、进行中频滤波；S4、做幅值归一化处理；S5、设计卷积神经网络用于提取信号特征；S6、对步骤S4得到的信号进行特征提取并进行分类回归，得到对应的数字信号调制模式。本发明通过卷积神经网络的方法对不同的数字调制信号进行特征提取，可以有效的从复杂的数字调制信号中得到每一类对应的有效特征，然后用全连接层将提取到的特征整合到标记样本空间，最后采用分类网络对数字信号调制模式识别，对调制模式进行分类，有效提高了数字信号调制模式的效率。
-
公开(公告)号：CN107506768A
公开(公告)日：2017-12-22
申请号：CN201710939766.X
申请日：2017-10-11
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于全卷积神经网络的输电线路导线断股识别方法，包括以下步骤：S1、通过无人机采集输电线路导线图片；S2、设计全卷积神经网络对S1采集到的图片进行语义分割，从背景中提取出导线；S3、去除导线图片中形状不符合预设条件的连通域；S4、采用两遍扫描法提取每根导线连通域；S5、对每根导线连通域进行线性拟合，求判断导线断股的阈值；S6、根据阈值判断导线是否断股，如果存在断股导线，则标出对应导线。本发明克服了人为设定特征参数存在的误差、不合理性以及数量不足等缺陷，采用全卷积神经网络的方法提取出导线，然后再进行导线断股检测，能够更准确地从背景中提取出导线，提高缺陷识别的准确性和效率。
-
-
-
Search Results
4
records
(took 0.023 seconds)
