-
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
Applicant: 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: G06F18/20 , G06F18/10 , G06F18/214 , G06F18/2411 , G06N3/006 , G06N3/0442 , G06N3/08
Abstract: 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
Applicant: 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: G06Q10/063 , G06Q50/06 , G06F18/241 , G06F18/243 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N5/01
Abstract: 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
Applicant: 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: G06Q10/063 , G06Q50/06 , G06F18/241 , G06F18/243 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N5/01
Abstract: 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
Applicant: 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: G06F18/2433 , G06F18/214 , G06N3/0464 , G06F17/16 , G06F17/18 , G06Q50/06
Abstract: 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：CN114724031B
公开(公告)日：2025-04-08
申请号：CN202210363301.5
申请日：2022-04-08
Applicant: 中国科学院合肥物质科学研究院
IPC: G06V20/10 , G06N3/084 , G06N3/0464 , G06V10/82
Abstract: 本发明涉及一种结合上下文感知和多尺度混合注意力的玉米虫害区域检测方法，包括：建立训练样本集；构造玉米虫害区域检测模型：构造基础虫害区域检测模型，采用多尺度混合注意力模块、上下文感知模块改进基础虫害区域检测模型中的特征聚合网络，得到玉米虫害区域检测模型；训练玉米虫害区域检测模型；虫害区域检测：将待检测样本输入玉米虫害区域检测模型，生成待检测样本中虫害区域的定位信息，并对虫害区域的个数进行计数。本发明通过上下文感知模块，为小目标虫害区域引入多尺度上下文特征强化目标特征的表示能力，增强网络对于此类有关特征提取的能力，解决了现有技术由于虫害区域尺度较小而不能精准识别的问题。
-
Patent Agency Ranking
公开(公告)号：CN119540795A
公开(公告)日：2025-02-28
申请号：CN202411471031.5
申请日：2024-10-21
Applicant: 国网湖北省电力有限公司电力科学研究院 , 湖北方源东力电力科学研究有限公司 , 中国科学院合肥物质科学研究院
IPC: G06V20/17 , G06V10/82 , G06V10/25 , G06N3/0455 , G06N3/082
Abstract: 一种基于向量注意力机制的因果感知配电网图像缺陷检测方法，包括：利用移动端设备采集不同场景、不同类型的配电网缺陷图像，形成配电网缺陷图像数据集；基于骨干网络、向量注意力模块RWKV、特征融合模块、因果感知头部网络构建出配电网缺陷图像检测模型；利用配电网缺陷图像数据集对配电网缺陷图像检测模型进行训练，得道训练后的配电网缺陷图像检测模型；利用移动端设备采集待检测的配电网缺陷图像；将待检测的配电网缺陷图像输入训练后的配电网缺陷图像检测模型，得到配电网图像中的缺陷检测结果。与现有技术相比解决了针对复杂配电网缺陷图像数据检测精度低、无法满足配电网缺陷智能检测的需要，实现配电网图像缺陷类别目标的精准检测。
-
公开(公告)号：CN114863280B
公开(公告)日：2025-02-14
申请号：CN202210507746.6
申请日：2022-05-11
Applicant: 中国科学院合肥物质科学研究院
IPC: G06V20/10 , G06V10/774 , G06V10/40 , G06V10/762 , G06V10/764 , G06N3/02
Abstract: 本发明涉及一种基于因果干预技术的小样本害虫图像识别方法，与现有技术相比解决了小样本害虫图像识别率低的缺陷。本发明包括以下步骤：公开数据集的获取；构建和训练嵌入模型；小样本害虫图像的获取、标记和预处理；构建并训练小样本害虫图像识别模型。本发明利用了因果干预对特征进行分层，缓解了预训练知识中混杂因子带来的影响，提高了在小样本情况下害虫图像识别的准确率，增加了小样本害虫图像识别算法的鲁棒性。
-
公开(公告)号：CN119082881A
公开(公告)日：2024-12-06
申请号：CN202411220791.9
申请日：2024-09-02
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明属于新材料与先进制造领域，尤其是一种真空热退火调控TaS2同质异构结的方法及产物。本发明具体步骤如下：S1、将1T‑TaS2单晶转移至真空环境；S2、在真空环境下，以350‑800℃对1T‑TaS2单晶进行热退火处理；S3、热退火处理完成后，自然冷却至室温，获得异相堆叠结构的TaS2材料。在350‑400℃退火温度下，制备出阶梯状的1H/1T超晶格堆叠构型；在450‑800℃退火温度下，制备出三明治状的1H/1T/1H’超晶格堆叠构型。本发明在真空环境下进行热处理，制备了完全洁净无污染的同质异构结材料；通过精确控制退火温度和时间实现了高精度的孤立的单层结构相变调控，调制了材料堆叠结构的多样性和功能性。
-
公开(公告)号：CN118692111A
公开(公告)日：2024-09-24
申请号：CN202410962374.5
申请日：2024-07-18
Applicant: 中国科学院合肥物质科学研究院
IPC: G06V40/10 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06T7/73
Abstract: 本发明涉及一种结合点定位和密度图的多密度害虫计数方法，与现有技术相比解决了难以针对多密度害虫进行计数的缺陷。本发明包括以下步骤：多密度害虫图像的收集和预处理；多密度害虫计数模型的构建；多密度害虫计数模型的训练；待检测多密度害虫图像的获取；待检测多密度害虫的计数。本发明对不同密度的害虫图像计数更加精准，对于低密度区域采用的点定位计数方法可以确保精准计数的同时输出害虫位置，对于高密度区域采用的密度图计数方法可以反馈其分布情况输出更准确的预估数量。
-
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
Applicant: 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: G06T7/00 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/762 , G06V10/22 , G06V20/17 , G06N3/0464 , G06N3/084
Abstract: 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。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.097 seconds)
