一种基于视觉的巡线位置偏移识别系统、方法及无人机

    公开(公告)号:CN110516551B

    公开(公告)日:2023-04-07

    申请号:CN201910686677.8

    申请日:2019-07-29

    摘要: 本发明提供了一种基于视觉的巡线位置偏移识别系统,包括:特征提取网络、电力线识别模块、电力塔架及部件识别模块;各个部分相互配合,在无人机巡线时实时执行当前位置识别,并在无人机偏离巡线目标时发出信号。特征提取网络负责提取图像的各级特征,用于后续的识别工作。电力线识别模块在训练时仅需类别标签,大大降低了样本标注的工作量。电力塔架及部件识别模块基于目标检测算法,在电力线识别模块识别到电力线形状变化时开始识别此处的部件类型,根据识别框的大小及位置确定无人机当前位置是否偏移。同时提供了一种识别方法和无人机。本发明实现了对巡线无人机的位置识别,并在位置偏移时发出信号,可用于辅助操控或无人机自动巡线等工作。

    具有自学习能力的电力巡检图像目标检测方法

    公开(公告)号:CN110334612A

    公开(公告)日:2019-10-15

    申请号:CN201910529984.5

    申请日:2019-06-19

    摘要: 本发明涉及具有自学习能力的电力巡检图像目标检测方法,包括:将含有目标对象的图片样本、目标对象位置标注文件送入Context CNN,训练Context模型;基于Context模型对输入的背景图片、扩充的目标对象图片进行图像融合处理得到扩充的图片样本及目标对象位置标注文件;基于送入Faster R-CNN的图片样本、位置标注文件训练目标检测模型1、目标检测模型2;Faster R-CNN基于目标检测模型1、和/或目标检测模型2输出采集的图片样本中是、否含有目标对象的检测结果。有益效果是克服电力行业应用图像识别技术存在的训练数据集不足的情况,在使用过程中自动提升识别性能。

    用于电力设备边缘侧识别的深度学习模型压缩方法及系统

    公开(公告)号:CN110503135A

    公开(公告)日:2019-11-26

    申请号:CN201910698625.2

    申请日:2019-07-31

    IPC分类号: G06K9/62

    摘要: 本发明提供了一种用于电力设备边缘侧识别的深度学习模型压缩方法,通过直接修改已训练完成的深度学习模型,实现相关识别模型的压缩和加速,包括:批量归一化层融合:将批量归一化层与其之前的卷积层进行融合;针对全连接层的奇异值分解:基于矩阵的奇异值分解算法,在全连接层之前加入中间层,对全连接层的参数进行压缩;模型权重的量化:采用权值共享方法,根据深度学习模型的冗余性,对参数进行量化转换。各步骤既可独立使用,也可相互配合工作。同时提供了一种压缩系统。本发明实现对已训练完成的深度学习模型的压缩和加速,在当前电力公司积极推进泛在电力物联网的环境下,有着广泛的应用前景。

    用于电力设备边缘侧识别的深度学习模型压缩方法及系统

    公开(公告)号:CN110503135B

    公开(公告)日:2023-04-25

    申请号:CN201910698625.2

    申请日:2019-07-31

    IPC分类号: G06F18/21

    摘要: 本发明提供了一种用于电力设备边缘侧识别的深度学习模型压缩方法,通过直接修改已训练完成的深度学习模型,实现相关识别模型的压缩和加速,包括:批量归一化层融合:将批量归一化层与其之前的卷积层进行融合;针对全连接层的奇异值分解:基于矩阵的奇异值分解算法,在全连接层之前加入中间层,对全连接层的参数进行压缩;模型权重的量化:采用权值共享方法,根据深度学习模型的冗余性,对参数进行量化转换。各步骤既可独立使用,也可相互配合工作。同时提供了一种压缩系统。本发明实现对已训练完成的深度学习模型的压缩和加速,在当前电力公司积极推进泛在电力物联网的环境下,有着广泛的应用前景。