公开(公告)号：CN119848434A

公开(公告)日：2025-04-18

申请号：CN202510202831.5

申请日：2025-02-24

Applicant: 东北电力大学

Inventor： 奚洋 ,  王浩 ,  曲朝阳 ,  曹杰 ,  孟思宇 ,  霍光

IPC: G06F18/10 ,  G06N3/0464 ,  G06N3/045 ,  G06F18/25

Abstract: 本发明公开了一种面向多电力场景的作业人员生理信号去噪方法，涉及电力信号去噪领域，通过上下文对比模块CCB与CBAM模块的设计与结合，形成了多尺度特征提取与动态特征聚焦的协同机制，从而实现了针对不同噪声类型的精准处理。具体来说，CCB模块在瓶颈层通过多尺度上下文融合，提供了更强的特征建模能力；CBAM模块则利用通道和空间注意力对特征进行动态加权，优化了模型对关键信号区域的处理能力。本发明针对电力作业环境中的多噪声叠加、高动态干扰等复杂特性，提出了一套高效的去噪技术方案。

公开(公告)号：CN117152685A

公开(公告)日：2023-12-01

申请号：CN202311132855.5

申请日：2023-09-04

Applicant: 东北电力大学

Inventor： 奚洋 ,  张梓豪 ,  曲朝阳 ,  曹杰 ,  王蕾 ,  孟思宇 ,  付佳 ,  王文静

IPC: G06V20/52 ,  G06V40/20 ,  G06V40/10 ,  G06V10/82 ,  G06V10/44 ,  G06V10/62 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/047

Abstract: 本发明提供了一种基于双流自适应时空图卷积的电力作业违章识别方法，包括以下步骤：S1、以电力作业人员的安全帽、安全带为特征，使用YOLOv5模型对电力作业人员进行识别。本发明在识别电力作业人员违章行为时，通过使用自适应图卷积，加强了人体非物理连接关节的关联性，有效提高了攀爬设备和跨越围栏等违章行为的识别精度，通过基于通道注意力机制的多尺度时间卷积模块，更加充分的提取吸烟和打电话等违章行为的时序特征，最后考虑到骨骼的方向和长度也包含丰富的行为信息，构建了基于双流自适应图卷积的电力作业人员违章行为识别模型，进一步提高了违章行为的识别精度，能够准确的识别电力作业现场作业人员的违章行为。