-
公开(公告)号:CN117172413B
公开(公告)日:2024-05-14
申请号:CN202311154552.3
申请日:2023-09-07
申请人: 中国科学院合肥物质科学研究院 , 安徽南瑞继远电网技术有限公司
IPC分类号: G06Q10/063 , G06Q50/06 , G06F18/241 , G06F18/243 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N5/01
摘要: 本发明涉及一种基于多模态数据联合表征和动态权重学习的电网设备运行状态监测方法,与现有技术相比解决了难以将多源异构数联合表征和统一应用、利用设备不同部件间的关联关系来建立电网备状态度量的缺陷。本发明包括以下步骤:设定电网设备状态数据的分布式表示方法;电网设备多模态数据的联合表征;设备内部拓扑关系图的构建;图神经网络的动态权重学习;电网设备状态的评价。本发明结合机器学习分类方法来进行设备状态健康评价,能够显著提高评价方法的准确性和鲁棒性,达到电网设备运行状态监测的目的。
-
公开(公告)号:CN117034169A
公开(公告)日:2023-11-10
申请号:CN202311017786.3
申请日:2023-08-14
申请人: 中国科学院合肥物质科学研究院 , 安徽南瑞继远电网技术有限公司
IPC分类号: G06F18/2433 , G06F18/214 , G06N3/0464 , G06F17/16 , G06F17/18 , G06Q50/06
摘要: 本发明涉及基于时序因果关系网络的电网主变设备异常状态预测方法,与现有技术相比解决了未探究主变设备异常变量间因果关系的缺陷。本发明包括以下步骤:主变设备运行数据获取和预处理;主变设备数据集的构建;构建电网主变设备异常状态检测模型;电网主变设备异常状态检测模型的训练;主变设备运行实时数据的获取;电网主变设备异常状态的预测。本发明基于动态的设备运行、随时间变化的变量间关系的特点,充分探究主变设备异常变量间的因果关系,基于时序因果关系网络的方法来从变量在时间分布上的动态行为中得到更多的隐藏的因果关系,提高主变设备异常预测的可靠性。
-
公开(公告)号:CN117407673A
公开(公告)日:2024-01-16
申请号:CN202311396061.X
申请日:2023-10-26
申请人: 中国科学院合肥物质科学研究院 , 安徽南瑞继远电网技术有限公司
IPC分类号: G06F18/20 , G06F18/10 , G06F18/214 , G06F18/2411 , G06N3/006 , G06N3/0442 , G06N3/08
摘要: 本发明涉及基于灰狼优化算法和LSTM‑Attention的电力设备缺陷预测方法,与现有技术相比解决了电力设备缺陷检测模型的超参数寻优难、未利用时序信息以及没有降低冗余特征影响的缺陷。本发明包括以下步骤:电力设备数据的获取及预处理;电力设备缺陷预测模型的构建;电力设备缺陷预测模型的训练;待预测电力设备数据的获取;电力设备缺陷预测结果的获得。本发明通过使用LSTM模型,可以有效地利用缺陷数据中的时序信息,提高缺陷预测的准确率;引入注意力机制,降低非重要特征对模型性能的影响;引入灰狼优化算法,实现模型超参数的自动寻优,提高了电力设备缺陷预测的准确率和效率。
-
公开(公告)号:CN117172413A
公开(公告)日:2023-12-05
申请号:CN202311154552.3
申请日:2023-09-07
申请人: 中国科学院合肥物质科学研究院 , 安徽南瑞继远电网技术有限公司
IPC分类号: G06Q10/063 , G06Q50/06 , G06F18/241 , G06F18/243 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N5/01
摘要: 本发明涉及一种基于多模态数据联合表征和动态权重学习的电网设备运行状态监测方法,与现有技术相比解决了难以将多源异构数联合表征和统一应用、利用设备不同部件间的关联关系来建立电网备状态度量的缺陷。本发明包括以下步骤:设定电网设备状态数据的分布式表示方法;电网设备多模态数据的联合表征;设备内部拓扑关系图的构建;图神经网络的动态权重学习;电网设备状态的评价。本发明结合机器学习分类方法来进行设备状态健康评价,能够显著提高评价方法的准确性和鲁棒性,达到电网设备运行状态监测的目的。
-
公开(公告)号:CN118160492A
公开(公告)日:2024-06-11
申请号:CN202410555046.3
申请日:2024-05-07
申请人: 中国科学院合肥物质科学研究院
IPC分类号: A01D34/66 , A01D34/416 , A01D34/00
摘要: 本发明涉及一种可多区域自动除草的机器人及其控制方法,该机器人包括机器人主体、行间除草机构、株间除草机构、行走机构和控制机构。行间除草机构包括除草臂、除草刀组件和调节组件。株间除草机构包括横向移动模组、竖向移动模组、株间除草电机以及除草刀片;行走机构包括多个升降支腿以及车轮。控制机构包括姿态传感器、毫米波雷达、相机、天线和控制器。本发明能够根据作物植株的高度自动调节行驶高度,并进行姿态的水平调节,从而能够有效清除行间区域和株间区域的杂草,而且在保证作物植株安全的同时,还能够保证机器人除草的作业速度和行驶稳定性,尤其适用于中药材种植田地高低不平的地理特性。
-
公开(公告)号:CN117151983A
公开(公告)日:2023-12-01
申请号:CN202311200961.2
申请日:2023-09-18
申请人: 中国科学院合肥物质科学研究院
摘要: 本发明涉及一种基于小波启发和高频增强的图像全色锐化方法,与现有技术相比解决了融合图像易产生伪影、颜色失真、泛化性差的缺陷。本发明包括以下步骤:全色图像和多光谱图像的获取和预处理;构建全色锐化模型;全色锐化模型的训练;待处理的图像获取;图像全色锐化结果的生成。本发明提升了融合图像的精度和色彩表现,在多种参考指标上都优于现有的方法。
-
公开(公告)号:CN114913425A
公开(公告)日:2022-08-16
申请号:CN202210645121.6
申请日:2022-06-09
申请人: 中国科学院合肥物质科学研究院
IPC分类号: G06V20/10 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
摘要: 本发明涉及一种基于置信学习和细粒度特征提取的玉米病害程度检测方法,包括:构建玉米病害样本;建立训练样本集;构建玉米病害程度检测模型;将训练样本集送入到玉米病害程度检测模型,迭代训练得到最佳的玉米病害程度检测模型;玉米病害程度检测:将待检测的样本输入到最佳的玉米病害程度检测模型当中,对待检测样本中的玉米病害种类以及病害程度进行识别。本发明通过噪声学习框架,提升了病害程度识别模型对于噪声数据的鲁棒性,对于实际场景下各种复杂的待测样本都能够有较好的识别准确度;针对玉米不同病害程度之间高度相似的问题,利用增强残差的变换编码模块丰富了提取特征,同时,加入特征选择模块,解决了细粒度特征不易识别的问题。
-
公开(公告)号:CN107157458A
公开(公告)日:2017-09-15
申请号:CN201710376625.1
申请日:2017-05-25
申请人: 中国科学院合肥物质科学研究院
IPC分类号: A61B5/0205 , A61B5/00 , A01K29/00
CPC分类号: A61B5/02055 , A01K29/005 , A61B5/0002 , A61B5/0245 , A61B5/7235 , A61B5/746 , A61B2503/40
摘要: 本发明公开了一种动物个体采食量与健康状况监测的传感系统,包括RFID耳标识别模块、传感器系统、上位机、通讯设备和PC机,所述传感器系统包括红外传感器、测量动物采食量模块、体温测量模块和心率测量模块,测量动物采食量模块包括一个微型震动传感器,体温测量模块包括一个红外温度传感器,心率测量模块包括一个心率传感器;上位机中还设有微存储器,微控制器与微存储器连接,微存储器通过通讯设备连接PC机;本发明解决了畜类动物采食量与健康状况的实时、在线检测,适用于对多类圈养的动物进行长期实时地监测,可大大减少人力和物力,有利于监督动物的生长过程和健康状况。
-
公开(公告)号:CN118614250A
公开(公告)日:2024-09-10
申请号:CN202411103323.3
申请日:2024-08-13
申请人: 中国科学院合肥物质科学研究院
IPC分类号: A01D34/64 , A01D34/74 , A01D34/78 , A01D67/00 , A01D69/02 , H04N23/57 , G06V20/10 , G06V10/12 , F16M11/04 , F16M11/12 , F16M11/18
摘要: 本发明涉及除草机器人技术领域,具体为一种可沿草根切割除草的机器人,包括有电动四驱车,电动四驱车的底盘上设置有视觉采集终端、机械手、除草机构和控制终端;视觉采集终端用于拍摄电动四驱车在农田行间自动轨迹行驶时前进方向的左、前和右三个方向的照片并将采集的照片发送至控制终端;控制终端用于处理视觉采集终端发送的照片并控制电动四驱车、机械手和除草机构;机械手用于将除草机构移动至杂草对应的位置;除草机构用于将杂草从根部进行去除;通过可调节切割方向的电锯,结合视觉识别算法可沿草根进行定点切除杂草,同时根据植株与杂草距离,控制锯片的进给距离,避免作物受到伤害,尤其对于草本药材作物的保护更突出。
-
公开(公告)号:CN117953399A
公开(公告)日:2024-04-30
申请号:CN202410139186.2
申请日:2024-02-01
申请人: 中国科学院合肥物质科学研究院
IPC分类号: G06V20/17 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/44 , G06N3/045 , G06N3/0895 , G06N3/0464 , G06N3/0442 , G06N3/096 , G06N3/084
摘要: 本发明涉及一种基于带记忆互学习的半监督虫害目标检测方法,包括:建立训练集;构造半监督虫害目标检测模型:包括带记忆互学习模块、空间感知多分辨率特征提取模块和级联区域建议网络模块;训练半监督虫害目标检测模型;将待检测样本输入训练后的半监督虫害目标检测模型,生成待检测样本中虫害具体定位信息和类别。本发明增强了教师模型生成的伪标签的质量,解决了半监督框架中不同训练迭代结果波动问题以及使用单个ROI头部估计的伪标签来训练往往会导致的过拟合的问题;本发明在使用少量带标签数据与大量无标签数据的情况下,提高了虫害检测性能,降低了漏检率,提高了准确率,克服了现有半监督技术对于复杂背景小目标的缺陷。
-
-
-
-
-
-
-
-
-