发明公开
- 专利标题: 一种基于强化学习和Transformer的电力缺陷检测方法
-
申请号: CN202210482372.7申请日: 2022-05-05
-
公开(公告)号: CN114821368A公开(公告)日: 2022-07-29
- 发明人: 李帷韬 , 侯建平 , 胡平路 , 管树志 , 杨盛世 , 张雪松 , 李奇越 , 孙伟 , 刘鑫 , 常文婧 , 李卫国 , 王刘芳 , 董翔宇 , 黄杰
- 申请人: 合肥工业大学 , 国网安徽省电力有限公司超高压分公司
- 申请人地址: 安徽省合肥市包河区屯溪路193号;
- 专利权人: 合肥工业大学,国网安徽省电力有限公司超高压分公司
- 当前专利权人: 合肥工业大学,国网安徽省电力有限公司超高压分公司
- 当前专利权人地址: 安徽省合肥市包河区屯溪路193号;
- 代理机构: 安徽省合肥新安专利代理有限责任公司
- 代理商 陆丽莉; 何梅生
- 主分类号: G06V20/17
- IPC分类号: G06V20/17 ; G06N3/04 ; G06N3/08 ; G06V10/764 ; G06V10/774 ; G06V20/40
摘要:
本发明公开了一种基于强化学习和Transformer的电力缺陷识别方法,其步骤包括:1无人机航拍采集原始数据集,并通过深度卷积生成对抗网络增广数据集合;2使用强化学习模块提取图像特征搜索出前景区域;3通过Transformer模块对背景区域特征向量压缩并进一步进行特征提取,并最终经过全连接层获得最终预测结果。本发明利用深度学习实现了对电力缺陷区域的检测,从而减少了人力成本,且不受天气、背景等外部因素的影响,并提高了检测效率和检测精度。
公开/授权文献
- CN114821368B 一种基于强化学习和Transformer的电力缺陷检测方法 公开/授权日:2024-03-01