融合多模态数据分析的电力现场作业违章行为识别方法

    公开(公告)号:CN116108397B

    公开(公告)日:2024-01-09

    申请号:CN202211657211.3

    申请日:2022-12-22

    Abstract: 本发明涉及一种融合多模态数据分析的电力现场作业违章行为识别方法,包括以下步骤:采集目标电力现场的作业图像、违章行为和数字化工作票的历史数据;基于目标识别模型,对采集的作业图像的历史数据进行目标识别,获取目标识别结果;提取数字化工作票的历史数据中的特征信息;建立BERT分类模型,通过作业图像的目标识别结果以及数字化工作票的特征信息作为输入数据,违章行为的历史数据作为标签数据,对模型进行训练,得到违章行为识别模型;获取当前作业图像以及数字化工作票,通过目标识别模型对当前作业图像进行目标识别获得当前(56)对比文件CN 115171045 A,2022.10.11CN 115049893 A,2022.09.13CN 114821406 A,2022.07.29WO 2022036998 A1,2022.02.24莫蓓蓓;吴克河.引入Self-Attention的电力作业违规穿戴智能检测技术研究.计算机与现代化.2020,(02),162-168.施丽红《.基于5G的电力作业现场违章智能识别判定系统设计》《.数字技术与应用》.2022,第40卷(第2期),124-126.Guoqing Gao;Wenhua Lin;Guohe Li;FeiSuo;Nan Hu《.Identification of riskbehavior in power working scenarios basedon deep learning》.2022 IEEE 10th JointInternational Information Technology andArtificial Intelligence Conference(ITAIC).2022,391-395.

    一种基于命令行的人工智能模型部署及调用方法及系统

    公开(公告)号:CN116243934A

    公开(公告)日:2023-06-09

    申请号:CN202310021265.9

    申请日:2023-01-06

    Abstract: 本发明涉及一种基于命令行的人工智能模型部署及调用方法,包括以下步骤:建立资源服务器,在资源服务器收集并存储原始数据资源和人工智能模型资源,并在资源服务器上部署资源调用接口;在资源层建立高性能服务器,在高性能服务器构建模型训练任务,调用资源服务器中的原始数据资源和人工智能模型资源完成模型训练任务,得到训练好的人工智能模型;将人工智能模型按照指定格式的目录结构进行编排并打包为Docker镜像并上传至位于服务层的Docker私服仓库;在服务层设置模型调用接口,包括命令行组件和python接口组件;在客户端工具上通过命令行工具和python库匹配和调用模型服务。

    一种通用电力非结构化数据转结构化数据方法

    公开(公告)号:CN115757596A

    公开(公告)日:2023-03-07

    申请号:CN202211667014.X

    申请日:2022-12-22

    Abstract: 本发明涉及一种通用电力非结构化数据转结构化数据方法,包括:获取非结构化数据;提取非结构化数据的文件属性为元数据;将所述非结构化数据转换为文本数据;提取文本数据中的关键信息;组合所述元数据和关键信息,得到所述非结构化数据对应的结构化数据。本发明使用元数据描述文件的属性信息,即实现了非结构化数据存储与应用的解耦,又保留了非结构化数据基于文件名称、类型等属性检索的传统应用方式;同时利用json格式存储元数据、关键信息、结构化数据,定义、规范了非结构化数据采集、处理、信息提取及结构化数据融合、存储等环节数据格式,统一了非结构化数据的描述结构,提供了电力多类别非结构化数据转换的标准化通用流程。

Patent Agency Ranking