-
公开(公告)号：CN113361369B
公开(公告)日：2022-08-09
申请号：CN202110611253.2
申请日：2021-06-01
Applicant: 南京南瑞信息通信科技有限公司
Abstract: 本发明公开了一种基于训练样本选择的电力现场着装规范检测方法，利用不同特征等级上的正训练样本对神经网络进行训练，分别将两类正训练样本通过分类损失函数Focal Loss进行分类，通过回归损失函数GIoU Loss进行回归，通过CrossEntropyLoss进行质量评分，得到预测损失函数LM、辅助损失函数LM，最终的训练损失函数L，求取最终的训练损失函数L最小值时的神经网络参数；将电力现场图片输入训练好的神经网络，得到电力现场图片中着装不规范目标标定。本发明弥补了图像特征的信息损失及不同尺度之间特征的语义差距，提高了检测精度，在电力现场安防研究领域具有重要的意义。
-
公开(公告)号：CN112712082B
公开(公告)日：2022-08-09
申请号：CN202110067996.8
申请日：2021-01-19
Applicant: 南京南瑞信息通信科技有限公司
IPC: G06V10/25 , G06V10/26 , G06V10/44 , G06V10/77 , G06V10/764 , G06K9/62 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多级图像信息的刀闸开合状态识别方法及装置，将图像采集设备部署于刀闸臂下方的矩形区域，对准刀闸触头的结合点采集刀闸图像使得结合点在图像的中心位置；对刀闸图像进行裁剪获得图像Im和Im+，其中图像Im是紧致覆盖刀闸臂区域的矩形框区域，图像Im+是紧致覆盖刀闸触头区域的矩形框区域；将图像Im和Im+输入预先构建和训练的刀闸开合状态识别网络模型，获得刀闸开合状态的各类别概率，选取类别概率最大值对应的状态作为刀闸状态的识别结果。本发明采用多级图像信息和深度神经网络，增强了特征表达能力，提高了方法的鲁棒性和识别性能。
-
公开(公告)号：CN114429421A
公开(公告)日：2022-05-03
申请号：CN202011097719.3
申请日：2020-10-14
Applicant: 国网江苏省电力有限公司南京供电分公司 , 南京南瑞信息通信科技有限公司
IPC: G06T3/40 , G06T3/60 , G06K9/62 , G06N3/04 , G01R31/327 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种面向调度业务场景的刀闸状态检测方法，包括：传感器读取刀闸状态、图像识别刀闸状态、状态对比等步骤。本发明提供的面向调度业务场景的刀闸状态检测方法，具有很高的正确识别率，并且计算复杂度相对不高，具有较高的运行效率，因此可以被快速、大量地部署于电力行业，可以有效提高电力巡检工作的智能化水平。
-
公开(公告)号：CN114095228A
公开(公告)日：2022-02-25
申请号：CN202111348621.5
申请日：2021-11-15
Applicant: 南京南瑞信息通信科技有限公司
IPC: H04L9/40 , H04L67/1097 , H04L67/12
Abstract: 本发明公开了一种基于区块链和边缘计算的物联网数据安全存取方法、系统、装置及存储介质，其方法包括：对物联网边缘设备进行身份验证，若验证通过，则将所述物联网边缘设备采集到的数据在本地进行加密或发送到边缘网关进行加密；将加密后的数据上传至IPFS文件存储模块；获取加密后的数据在IPFS文件存储模块的存储信息，并基于数据管理组件将存储信息存入区块链；通过向区块链请求数据的存储信息，基于存储信息访问IPFS文件存储模块获取数据。本发明利用区块链与边缘计算技术来保证物联网数据的安全存储。
-
公开(公告)号：CN113361369A
公开(公告)日：2021-09-07
申请号：CN202110611253.2
申请日：2021-06-01
Applicant: 南京南瑞信息通信科技有限公司
Abstract: 本发明公开了一种基于训练样本选择的电力现场着装规范检测方法，利用不同特征等级上的正训练样本对神经网络进行训练，分别将两类正训练样本通过分类损失函数Focal Loss进行分类，通过回归损失函数GIoU Loss进行回归，通过CrossEntropyLoss进行质量评分，得到预测损失函数LM、辅助损失函数LM，最终的训练损失函数L，求取最终的训练损失函数L最小值时的神经网络参数；将电力现场图片输入训练好的神经网络，得到电力现场图片中着装不规范目标标定。本发明弥补了图像特征的信息损失及不同尺度之间特征的语义差距，提高了检测精度，在电力现场安防研究领域具有重要的意义。
-
Patent Agency Ranking
公开(公告)号：CN109640100B
公开(公告)日：2021-04-06
申请号：CN201811379107.6
申请日：2018-11-19
Applicant: 南瑞集团有限公司 , 南京南瑞信息通信科技有限公司
IPC: H04N19/85 , H04N19/42 , H04N19/426
Abstract: 本发明公开了一种视频图像再压缩方法，采用将原视频进行分割重构的方法，先根据镜头边界检测技术对原视频的分割形成的各视频段进行分类，将不同类型的视频段分别进行处理，对某些帧进行省略，主要针对传统压缩方法对帧间数据压缩比例不够的情况，提出一种结合现有视频图像压缩方法和深度学习技术的视频图像再压缩方法，能极大地提高视频图像帧间数据的压缩比例。具有在现有压缩方法上结合深度学习的方法极大地减少了视频图像帧之间的冗余信息，能在现有方法上提高5倍以上的压缩比的优势。
-
公开(公告)号：CN108171117B
公开(公告)日：2019-05-21
申请号：CN201711268417.6
申请日：2017-12-05
Applicant: 南京南瑞信息通信科技有限公司
CPC classification number: G06K9/00973 , G06K9/00986 , G06N3/0454
Abstract: 本发明公开了一种基于多核异构并行计算的电力人工智能视觉分析系统，其特征在于，包括以轻量级神经网络为核心，包括一种多核异构并行计算模块和业务应用模块；业务应用模块和多核异构并行计算模块之间通过网络服务接口访问，传输数据；所述多核异构并行计算模块包括GPU计算节点、CPU存储管理节点、CPU计算节点，各节点之间通过交换机连接；业务应用模块包括图像管理模块、图像标注模块、模型训练模块、算法应用模块；本发明基于多核异构并行计算框架，可高效实现在线或离线图像数据训练，形成轻量化快速图像分类模型，实现电力内外网图像业务应用，能最大化发挥图像数据的价值，具备较好的应用前景。
-
公开(公告)号：CN109246151A
公开(公告)日：2019-01-18
申请号：CN201811305770.1
申请日：2018-11-05
Applicant: 国家电网有限公司 , 国网湖北省电力有限公司 , 国网湖北省电力有限公司检修公司 , 南瑞集团有限公司 , 南京南瑞信息通信科技有限公司
Inventor： 蔡敏 , 马建国 , 王浩 , 尹洪 , 吴启进 , 雷成华 , 周玎 , 辛巍 , 赵高峰 , 樊强 , 彭启伟 , 冯敏 , 郝小龙 , 张文 , 罗旺 , 贾政 , 吴超 , 王学广 , 韩斌
Abstract: 本发明公开了一种输电线路视频智能巡检分析调度系统，包括：摄像头、流媒体服务器、SIP通信服务器、数据库服务器，任务管理模块将任务分发给视频图像分析服务模块，经过视频图像分析服务模块内部的调度，取出要分析的任务，通过SIP通信服务器通知流媒体服务器从摄像头中拉取视频流，图像采集服务模块对视频流定时截取图片，并存储到数据库服务器中，视频图像分析服务模块从数据库服务器中获取截取的图片，并调用算法分析服务模块进行任务分析。本发明可以有效的在规定时间内完成任务巡检，提高了系统的资源利用率，加快了输电线路巡检速度。
-
公开(公告)号：CN105426908B
公开(公告)日：2018-11-02
申请号：CN201510755426.2
申请日：2015-11-09
Applicant: 国网冀北电力有限公司信息通信分公司 , 国家电网公司 , 南京南瑞集团公司 , 南京南瑞信息通信科技有限公司
Abstract: 本发明公开了一种基于卷积神经网络的变电站属性分类方法，能够非常准确地检索到和变电站相关的特定场景以及特定对象，能够帮助变电站安防人员高效地处理监控资料，在一定程度上填补了智能安防的技术空缺。主要创新点在于巧妙地将图像所包含的特定场景和特定对象对应成一种属性，进而建立起一个用来表征图像的二值属性表，同时改进传统的卷积神经网络结构，使其能够对包含多属性的图像进行准确识别和分类。本发明提供的一种基于卷积神经网络的变电站属性分类方法，改进的卷积神经网络结构克服了传统的神经网络只能对单一属性进行分类的缺点，达到平均分类准确率为94.7%，具有非常强的可行性和实用性。
-
公开(公告)号：CN106534870A
公开(公告)日：2017-03-22
申请号：CN201611178028.X
申请日：2016-12-19
Applicant: 国网新疆电力公司电力科学研究院 , 国家电网公司 , 南京南瑞集团公司 , 南京南瑞信息通信科技有限公司
IPC: H04N19/567 , H04N19/61 , H04N19/587
Abstract: 本发明公开了一种基于RGB源视频的率失真优化编码方法，其特征在于，包括如下步骤：步骤1、输入RGB源视频；步骤2、将RGB源视频转换为YUV视频；步骤3、对转换得到的YUV视频进行预测编码；步骤4、进行率失真优化：在预测编码过程中，针对各编码模式计算编码比特数，且将该编码模式下解码后的重构视频转换成RGB空间的重构视频，并计算RGB重构视频与RGB源视频之间的失真；步骤5、根据步骤4计算的编码比特数和RGB失真，计算各编码模式对应的率失真代价；步骤6、选择率失真代价最小的编码模式进行编码。提高RGB视频的编码效率和编码质量，提高用户显示体验。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.08 seconds)
