一种基于深度学习的危险源识别方法与系统

    公开(公告)号:CN108665484B

    公开(公告)日:2021-07-09

    申请号:CN201810494968.2

    申请日:2018-05-22

    IPC分类号: G06T7/246 G06T7/73 G06K9/62

    摘要: 本发明提供一种基于深度学习的危险源识别方法与系统,所述方法包括:S1、将摄像机采集到的图像以固定速率传输至后台服务器;S2、后台服务器将采集到的图像利用深度学习算法求得特征,以该特征作为运动图像的检测条件;S3、将所述特征输入系数字典,根据最优化稀疏表示求解得到运动目标;S4、利用双目视觉对由稀疏表示求得的运动特征进行定位,实现危险源识别。本发明解决了现有技术下输变电线路的危险源识别难度大的问题,有效降低了人工提取危险源特征的劳动复杂度,其对特征的表达较其他方法更加完整有效,最终实现对危险源运动特征的定位,保护输变电线路安全。

    一种SF6分解仿真实验系统及其仿真实验方法

    公开(公告)号:CN106546887B

    公开(公告)日:2019-11-19

    申请号:CN201610978460.0

    申请日:2016-11-04

    IPC分类号: G01R31/12 G01N33/00 G05D27/02

    摘要: 本发明公开了一种SF6分解仿真实验系统及其仿真实验方法,包括主控系统,所述主控系统分别与温度控制系统、气体循环控温系统、气体混合系统、压力控制系统、气体成分检测系统及真空系统通信,所述温度控制系统、气体循环控温系统、气体混合系统、压力控制系统、气体成分检测系统及真空系统分别通过气体阀门连接至储气池,所述储气池内设置有电弧生成系统,所述电弧生成系统与高压生成系统相连。本发明可以为研究SF6气体分解提供数据和实验支撑,及时发现SF6气体的环境诱因,提早整改,非常有利于保护大气环境和保障用电配电安全,保证生产安全和人员安全。

    一种基于深度学习的危险源识别方法与系统

    公开(公告)号:CN108665484A

    公开(公告)日:2018-10-16

    申请号:CN201810494968.2

    申请日:2018-05-22

    IPC分类号: G06T7/246 G06T7/73 G06K9/62

    摘要: 本发明提供一种基于深度学习的危险源识别方法与系统,所述方法包括:S1、将摄像机采集到的图像以固定速率传输至后台服务器;S2、后台服务器将采集到的图像利用深度学习算法求得特征,以该特征作为运动图像的检测条件;S3、将所述特征输入系数字典,根据最优化稀疏表示求解得到运动目标;S4、利用双目视觉对由稀疏表示求得的运动特征进行定位,实现危险源识别。本发明解决了现有技术下输变电线路的危险源识别难度大的问题,有效降低了人工提取危险源特征的劳动复杂度,其对特征的表达较其他方法更加完整有效,最终实现对危险源运动特征的定位,保护输变电线路安全。