-
公开(公告)号：CN110309198A
公开(公告)日：2019-10-08
申请号：CN201910475884.9
申请日：2019-06-03
Applicant: 东北电力大学
IPC: G06F16/2458 , G06F16/28 , G06Q10/06 , G06Q50/06
Abstract: 本发明公开了一种基于分布式数据流处理的局部节点挖掘方法，包括以下步骤：S1，数据序列选取；S2，大数据流分类模型建立；S3，局部节点的挖掘方法；S4，基于不平衡数据流的中心节点挖掘方法。本发明的方法，从大数据流的分布式处理角度出发，基于针对电网设备的数据流清洗方法，解决了针对电网设备在线监测数据流分布式处理中的局部节点挖掘问题。
-
公开(公告)号：CN117115538A
公开(公告)日：2023-11-24
申请号：CN202311090865.7
申请日：2023-08-28
Applicant: 东北电力大学 , 国网吉林省电力有限公司通化供电公司
IPC: G06V10/764 , G06V10/80 , G06V10/44 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本发明涉及光伏电池技术领域，即基于拟态视觉的光伏电池缺陷检测仿生模型。它包含三个部分：(1)骨干网络：骨干网络用于提取图像中的有效信息，将原始数据映射至所需的空间中，骨干网络所提取的特征会传递到颈部网络中；(2)颈部网络：颈部网络用于融合不同尺度、层级的特征，并丰富特征的表达能力，颈部网络融合的特征会传递到检测头部；(3)检测头：检测头主要负责对特征进行预测，生成边界框和并预测类别。基于人类感受野及视觉机制的骨干网络对于特征具备更强的抽象能力，能够在色彩单一、纹理复杂的光伏电池电致发光图像上高效的提取有效的特征。所提出的颈部网络，能够有效的增强光伏电池电致发光图像中缺陷特性的表达能力。
-
公开(公告)号：CN115205811A
公开(公告)日：2022-10-18
申请号：CN202210184350.2
申请日：2022-02-28
Applicant: 东北电力大学
IPC: G06V20/58 , G06T5/00 , G06N3/08 , G06N3/04 , G06K9/62 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G06V10/32
Abstract: 本发明公开了一种基于深度学习方法的遮挡车道线检测方法，其方法包括：对车道线数据进行增强及尺寸统一操作；利用多通道特征空间金字塔为特征提取网络，进行对预处理完毕的车道线信息进行语义分割及多尺度特征融合；引入双注意力机制的循环特征丰富模块，将遮挡前后的车道线空间信息丰富到原始特征中，增加了车道线细粒度特征细节；通过二分类损失计算将车道线与背景信息分离，以完成对遮挡前后的车道线检测实验，最终对结果进行分析评价。本发明的方法可实现对遮挡条件下的车道线检测，为自动驾驶和高级驾驶辅助系统(ADAS)提供重要参考。
-
Patent Agency Ranking
公开(公告)号：CN114511194A
公开(公告)日：2022-05-17
申请号：CN202210015149.1
申请日：2022-01-07
Applicant: 东北电力大学 , 国网内蒙古东部电力有限公司信息通信分公司
Abstract: 本发明涉及电力物联网技术领域，尤其涉及一种电力物联网的运行风险预测方法、系统和电子设备，该方法中，以时间序列为基准，对预设历史时间段内的多源数据进行融合，得到完整数据集，基于自适应综合过采样方法对完整数据集进行数据平衡处理，得到平衡数据集；基于平衡数据集训练得到电力物联网运行风险预测模型；根据待测试电力物联网的当前的多源数据和电力物联网运行风险预测模型，得到待测试电力物联网的运行风险预测结果。对信息侧、物理侧、社会侧的量测数据进行融合以及基于自适应综合过采样方法对融合后的数据进行数据平衡处理，能够提高训练出的电力物联网运行风险预测模型的预测精度，提高运行风险预测结果的准确度。
-
公开(公告)号：CN110188095A
公开(公告)日：2019-08-30
申请号：CN201910475890.4
申请日：2019-06-03
Applicant: 东北电力大学
IPC: G06F16/215 , G06F16/2458 , G06Q10/06 , G06Q50/06
Abstract: 本发明公开了一种基于关联规则的电网设备数据流清洗方法，包括以下步骤：通过利用Apriorri算法对数据流中各个数据序列的历史数据，进行关联强度的计算，并输出不同数据序列间的关联关系；利用基于滑动时间窗口的异常数据筛选算法对关联强度较弱的数据序列，进行逐一检测；对于关联程度较高的数据序列在同一时刻做异常数据辨识处理；将多种小波基函数的神经网络应用到数据清洗中，完成组合预测。本发明的数据流清洗方法对电网设备风险的评估准确，数据稳定可靠。
-
公开(公告)号：CN119625530A
公开(公告)日：2025-03-14
申请号：CN202411702751.8
申请日：2024-11-26
Applicant: 东北电力大学
IPC: G06V20/10 , G06V10/26 , G06V10/764 , G06V10/77 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/08 , G06Q10/0637 , G06Q50/02
Abstract: 本发明涉及一种融合多模态信息的玉米病害智能分级评估与整治推荐方法，基于位置编码的玉米多样性病害识别与多级评估模型：引入位置注意力机制，将集成位置编码的倒移动残差模块作为元移动块进行多层堆叠，增强复杂图像特征提取和空间信息解析的能力，并对病斑区域进行分割，实现病害类型区分及严重程度评估；基于玉米病害实体关系三元组库构建模型：对玉米病害文本进行深层次语境编码，通过多层次结构实现病害实体间复杂关系分类与预测，解析病害间的复杂联结及影响因素；结合隐式关系的玉米病害治理方法推荐模型：根据病害识别与分级结果及病害三元组，通过复数嵌入和图神经网络挖掘不同病害实体间最优的隐式关系，给出精准的病害治理方法推荐。
-
公开(公告)号：CN116051957A
公开(公告)日：2023-05-02
申请号：CN202310001089.2
申请日：2023-01-03
Applicant: 东北电力大学
IPC: G06V10/82 , G06V10/80 , G06V40/10 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了基于注意力机制和多尺度融合的个人防护物品检测网络，包括:利用DARM模块构建的特征提取模块DAR50，用于通过自适应目标形态的同时增强目标特征信息；CCFPN特征融合模块，用于通过在不同阶段特征图中建立每个像素点与其他像素点的信息融合，再利用金字塔结构对不同阶段的特征进行融合，提高对不同尺度目标的检测性能。本发明的DAR50特征提取模块，有效减少背景信息干扰，更准确地提取目标特征信息；CCFPN特征融合模块，其通过在不同阶段特征图中建立每个像素点与其他像素点的信息融合，再利用金字塔结构对不同阶段的特征进行融合，提高对不同尺度目标的检测性能。
-
公开(公告)号：CN218828620U
公开(公告)日：2023-04-07
申请号：CN202223171800.9
申请日：2022-11-29
Applicant: 东北电力大学
Abstract: 本实用新型属于电力电网调度切换技术领域，尤其为一种电力电网控制切换设备，包括箱体，箱体的前端一侧通过铰链连接有箱门，箱体的内部从下到上依次设有第一托架、第二托架和第三托架，箱体的内部四个角均固定有导向杆，箱体的内部两侧下方设有双向丝杆，且双向丝杆的两端与箱体的前、后端内壁转动连接，双向丝杆的外壁两侧螺纹连接有螺纹套，两个螺纹套分别转动连接有第一撑杆和第二撑杆，第一撑杆的上端和第二撑杆的上端转动连接，双向丝杆的外壁靠前位置固定有旋钮，解决了现有方案中的每层的元件安装架之间的间距无法根据所安装的元器件大小进行调节，导致适配性低，实用性较差的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.028 seconds)
