-
公开(公告)号：CN114037689A
公开(公告)日：2022-02-11
申请号：CN202111332205.6
申请日：2021-11-11
申请人： 国网河北省电力有限公司电力科学研究院 , 国家电网有限公司 , 国网河北能源技术服务有限公司
摘要： 本发明公开了一种用于螺栓缺陷分类的语义词典学习方法及装置，涉及电力设备故障分类技术领域；方法包括S1获得螺栓图像的全局特征，S2获得螺栓缺陷类别语义词典，S3获得视觉特征表示模块，S4获得螺栓视觉特征的表示系数，S5获得螺栓缺陷类别的词典学习模型，S6训练词典学习模型；装置包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现上述方法中的步骤；其通过步骤S1至步骤S6等，基于螺栓缺陷类别语义词典和特征学习模块，对螺栓测试图像进行分类并获得螺栓缺陷分类，实现螺栓缺陷分类准确率和效率的提高。
-
公开(公告)号：CN114460086A
公开(公告)日：2022-05-10
申请号：CN202111534018.6
申请日：2021-12-15
申请人： 国网河北省电力有限公司电力科学研究院 , 国家电网有限公司 , 国网河北能源技术服务有限公司
IPC分类号： G01N21/88
摘要： 本发明涉及一种倾斜耐张绝缘子串的检测方法，由检测模型进行检测，所述检测模型由特征提取网络、旋转区域候选网络RRPN及全连接识别网络三个子网络依次连接组成。所述检测模型训练过程包括步骤1‑10，检测模型的检测过程为步骤11，本发明提供一种有效检测区域接近100％占比的倾斜耐张绝缘子串的检测方法，从而过滤背景复杂信息，并提高耐张绝缘子串的检测精度。
-
公开(公告)号：CN114460086B
公开(公告)日：2023-08-15
申请号：CN202111534018.6
申请日：2021-12-15
申请人： 国网河北省电力有限公司电力科学研究院 , 国家电网有限公司 , 国网河北能源技术服务有限公司
IPC分类号： G01N21/88
摘要： 本发明涉及一种倾斜耐张绝缘子串的检测方法，由检测模型进行检测，所述检测模型由特征提取网络、旋转区域候选网络RRPN及全连接识别网络三个子网络依次连接组成。所述检测模型训练过程包括步骤1‑10，检测模型的检测过程为步骤11，本发明提供一种有效检测区域接近100％占比的倾斜耐张绝缘子串的检测方法，从而过滤背景复杂信息，并提高耐张绝缘子串的检测精度。
-
公开(公告)号：CN114898146A
公开(公告)日：2022-08-12
申请号：CN202210492996.7
申请日：2022-05-07
申请人： 国网河北省电力有限公司电力科学研究院 , 国网河北省电力有限公司 , 国家电网有限公司
IPC分类号： G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了基于图知识推理的输电线路缺销螺栓识别方法及装置，涉及电力设备故障分类技术领域；方法包括获得螺栓缺销数据集，获得相关概率矩阵As，获得金具图片，获得标签预测分数，获知金具图片中含有缺销螺栓；装置包括获得螺栓缺销数据集模块和获得相关概率矩阵模块；其通过获得螺栓缺销数据集模块和获得相关概率矩阵模块，提前获得的螺栓缺销数据集和相关概率矩阵As，为能够实现识别区分缺销螺栓做好了前期准备，提供了基础。
-
公开(公告)号：CN111783819B
公开(公告)日：2024-02-09
申请号：CN202010383794.X
申请日：2020-05-08
申请人： 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
IPC分类号： G06V10/25 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/045 , G06N3/08
摘要： 本发明提供了一种小规模数据集上基于感兴趣区域训练改进的目标检测方法，属于图像分析技术领域，通过目标检测模型获得图像目标检测结果，其对目标检测模型的训练过程包括一个循环依次独立进行边框回归任务训练和分类任务训练的阶段，使用由小规模数据集经过第一数据增强后获得的第一训练集对目标检测模型进行边框回归任务训练，使用由第一训练集经过第二数据增强后获得的第二训练集对目标检测模型进行分类任务训练；第二训练集的每张图像其感兴趣区域外包含部分该图片的全局信息。本发明方法在训练阶段引入感兴趣区域机制，克服现有One‑Stage目标检测模型在小规模数据集上训练时易发生的过拟合现象，进而获得准确的目标检测模型。
-
公开(公告)号：CN113515829B
公开(公告)日：2023-07-21
申请号：CN202110557643.6
申请日：2021-05-21
申请人： 华北电力大学(保定) , 国网北京市电力公司 , 国网冀北电力有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司
IPC分类号： G06F30/18 , G06F30/27 , G06F18/214 , G06F18/24 , G06N3/04 , G06N3/094 , G06F111/04
摘要： 本发明提供了一种用于极寒灾害下输电线路金具缺陷的态势感知方法，建立第一级检测模型及第二级分类模型，获取极寒灾害下金具目标数据集及缺陷数据集，通过极寒灾害下金具目标数据集及缺陷数据集训练第一级检测模型及第二级分类模型，将第一级检测模型及第二级分类模型级联；将待检测的输电线路航拍图像输入训练后的第一级检测模型中，得到金具图像和标签，将金具图像和标签同时输入训练后的第二级分类模型中，得到金具的缺陷情况。本发明提供的用于极寒灾害下输电线路金具缺陷的态势感知方法，实现了模型的可持续学习，节约了模型占用空间，保证了模型在学习新的分类任务的同时不会忘记旧分类任务，提高了模型对不同缺陷程度的金具的识别能力。
-
公开(公告)号：CN111307823B
公开(公告)日：2022-10-25
申请号：CN202010286386.2
申请日：2020-04-13
申请人： 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
IPC分类号： G01N21/88 , G06T7/00 , G06V10/774 , G06V10/82 , G06N3/04 , H04N7/18 , H04L67/10 , H04L67/12 , G07C1/20
摘要： 本发明公开了基于边云协同的变电设备典型视觉缺陷检测系统及方法，涉及边缘计算和云计算技术领域；系统包括巡检机器人、变电设备图像采集装置、边缘计算平台、云服务器平台和通信装置以及图像数据预处理模块、变电设备典型视觉缺陷检测模块和典型视觉缺陷图像数据管理模块；方法包括S1～S3的步骤，S1，变电设备图像采集装置采集变电设备图像数据并发送至边缘计算平台；其通过巡检机器人、变电设备图像采集装置、边缘计算平台、云服务器平台和通信装置以及图像数据预处理模块、变电设备典型视觉缺陷检测模块和典型视觉缺陷图像数据管理模块等，实现了变电设备典型视觉缺陷检测工作效率高。
-
公开(公告)号：CN114170207A
公开(公告)日：2022-03-11
申请号：CN202111519852.8
申请日：2021-12-13
申请人： 国网河北省电力有限公司信息通信分公司 , 国家电网有限公司
摘要： 本发明提供一种输电线路图像质量的评估方法及装置。该方法包括：获取无人机拍摄的基于不同背景下的输电线路图像，并对输电线路图像裁剪为多个相同尺寸的贴片；对每个贴片进行深层语义特征提取，得到每个贴片对应的特征；对每个贴片进行视觉显著性预测，得到每个贴片对应的显著性信息；将每个贴片对应的特征和显著性信息进行特征映射后采用不同方式进行特征融合，得到不同融合方式对应的融合特征；对不同方式对应的融合特征预测分数，并对得到的不同的预测分数进行加权求平均数计算，得到目标质量预测分数。本发明能够丰富输电线路图像中关注部件的特征信息，提高图像质量评估准确度。
-
公开(公告)号：CN111307823A
公开(公告)日：2020-06-19
申请号：CN202010286386.2
申请日：2020-04-13
申请人： 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
摘要： 本发明公开了基于边云协同的变电设备典型视觉缺陷检测系统及方法，涉及边缘计算和云计算技术领域；系统包括巡检机器人、变电设备图像采集装置、边缘计算平台、云服务器平台和通信装置以及图像数据预处理模块、变电设备典型视觉缺陷检测模块和典型视觉缺陷图像数据管理模块；方法包括S1～S3的步骤，S1，变电设备图像采集装置采集变电设备图像数据并发送至边缘计算平台；其通过巡检机器人、变电设备图像采集装置、边缘计算平台、云服务器平台和通信装置以及图像数据预处理模块、变电设备典型视觉缺陷检测模块和典型视觉缺陷图像数据管理模块等，实现了变电设备典型视觉缺陷检测工作效率高。
-
公开(公告)号：CN111179262B
公开(公告)日：2024-09-06
申请号：CN202010002183.6
申请日：2020-01-02
申请人： 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
IPC分类号： G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种结合形状属性的电力巡检图像金具检测方法，其包括以下步骤，1全局特征提取：用图像分类网络VGG‑16提取全局特征；2感兴趣区域获取：将提取的全局特征输入区域建议网络；3分别进行分类预测和边界框分布预测；4损失函数计算：分类损失计算、结合形状属性的KL散度边界框回归损失计算；5模型训练。本发明通过将KL散度和同类别金具目标的形状特征相结合对Faster R‑CNN模型的回归损失函数进行约束，解决在复杂背景中对金具目标的检测框定位不准确、部分金具目标在图像中结构显示不完整的问题。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.093 秒)
