-
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: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:CN116664535A
公开(公告)日:2023-08-29
申请号:CN202310672478.8
申请日:2023-06-07
申请人: 中国科学院合肥物质科学研究院 , 合肥中科融道智能科技有限公司
IPC分类号: G06T7/00 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/762 , G06V10/22 , G06V20/17 , G06N3/0464 , G06N3/084
摘要: 本发明涉及基于定向表示的输电杆塔导地线图像检测方法,与现有技术相比解决了无法对输电杆塔导地线进行精准检测的缺陷。本发明包括以下步骤:训练数据的获取;导地线检测模型的构建;导地线检测模型的训练;待检测导地线图片的获取及预处理;导地线图像检测结果的获得。本发明可以学习到待检测导地线物体的方位朝向,利用导地线物体的定向框表示去学习更加集中在待检测物体本身的精细特征,定向检测框能去除大量冗余背景聚焦在导地线本身,有利于自然环境下导地线物体的检测。
-
公开(公告)号:CN113487576B
公开(公告)日:2023-08-22
申请号:CN202110796527.X
申请日:2021-07-14
申请人: 中国科学院合肥物质科学研究院
IPC分类号: G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要: 本发明涉及一种基于通道注意力机制的虫害图像检测方法,与现有技术相比解决了虫害检测准确率低、检测速度慢的缺陷。本发明包括以下步骤:采集虫害图像并建立虫害数据集;构建基于通道注意力机制的虫害图像检测模型;对虫害图像检测模型进行训练;待检测虫害图像的获取;虫害图像检测结果的获得。本发明通过多尺度预测结构能够提取到更丰富特征的基础神经网络、融合了多个尺度的特征来进行检测,可以在不加深网络深度的前提下提升检测精度;本发明通过通道积空间注意力机制、通过对于通道特征的筛选,使得特征融合时保留的信息更加有利于训练损失的降低,有利于定位及分类的准确,同时通过一定比例的降维可以权衡性能和检测速度的取舍。
-
公开(公告)号:CN116402700A
公开(公告)日:2023-07-07
申请号:CN202310108140.X
申请日:2023-02-14
申请人: 中国科学院合肥物质科学研究院
IPC分类号: G06T5/00 , G06T7/11 , G06T3/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
摘要: 本发明涉及基于多尺度双域信息融合技术的遥感图像全色锐化方法,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:遥感图像的获取与预处理;构建全色锐化模型;全色锐化模型的训练;待锐化遥感图像的获取;遥感图像全色锐化结果的获得。本发明与使用空间域特征进行全色锐化方法相比,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,产生的图像质量更高。
-
公开(公告)号:CN106878596B
公开(公告)日:2023-06-23
申请号:CN201710106522.3
申请日:2017-02-27
申请人: 中国科学院合肥物质科学研究院
摘要: 本发明涉及一种穿戴式植保图像采集装置,与现有技术相比解决了植保图像采集不便的缺陷。本发明中伸缩杆的后端还安装有纵向微动组件,所述的纵向微动组件包括壳体,壳体内安装有蜗轮和蜗杆,蜗轮与蜗杆相啮合,蜗杆的上端伸出壳体顶面,摇柄安装在蜗杆上端且位于壳体上方,壳体前端纵向设有导向口,操动臂插在导向口内,操动臂的后端固定安装在蜗轮的输出轴上;前夹持座的底座安装在操动臂的前端,后夹持座的底座安装在壳体的右端面上且与壳体右端面构成转动配合,后夹持座的夹持端和前夹持座的夹持端均夹在伸缩杆上,背带组件安装在壳体的左端面上。本发明可以快速便捷地对农田多点植保的病虫草害进行图像采集。
-
公开(公告)号:CN113627269B
公开(公告)日:2023-04-28
申请号:CN202110804036.5
申请日:2021-07-16
申请人: 中国科学院合肥物质科学研究院
IPC分类号: G06V20/40 , G06V10/764 , G06V10/25 , G06N3/0464 , G06N3/08
摘要: 本发明涉及基于解耦分类和回归特征最优层技术的害虫目标检测方法,与现有技术相比解决了灭虫灯内虫体尺寸差异大导致害虫识别率低的缺陷。本发明包括以下步骤:训练样本集的获取;害虫目标检测网络的构建;害虫目标检测网络的训练;待检测害虫图像样本的获取;害虫目标的检测定位。本发明可以根据常用特征层设置将分类和回归任务分派到不同的特征层分别进行后得到最终的检测结果,从而针对灭虫灯环境下虫体差异大进行差异化检测,提高了灭虫灯环境下虫体检测识别率,满足了实际应用的需要。
-
公开(公告)号:CN111476238B
公开(公告)日:2023-04-07
申请号:CN202010352776.5
申请日:2020-04-29
申请人: 中国科学院合肥物质科学研究院
IPC分类号: G06V10/764 , G06V10/25 , G06V10/44 , G06V10/82 , G06V10/774 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/084 , G06T7/60
摘要: 本发明涉及一种基于区域尺度感知技术的害虫图像检测方法,与现有技术相比解决了中小尺寸害虫目标难以准确检测的缺陷。本发明包括以下步骤:获取害虫图像数据集并进行预处理;害虫图像候选区域的提取;构建尺度感知害虫检测网络;尺度感知害虫检测网络的训练;待检测害虫图像的获取;待检测害虫图像候选区域的提取;害虫图像检测结果的获得。本发明通过感知害虫区域的位置,使基于卷积神经网络的害虫检测框架能够受到害虫区域尺寸大小的指导,从而自动地在多尺度害虫图像特征图中有效地学习所需要的害虫局部特征并针对性的实现特征融合,使得表达能力更强的害虫局部特征发挥的作用更大,由此提高了害虫识别与检测的准确率。
-
-
-
-
-
-
-
-
-