-
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：CN111060671B
公开(公告)日：2024-07-05
申请号：CN201911388196.5
申请日：2019-12-30
申请人： 中国科学院合肥物质科学研究院
摘要： 本发明涉及一种集成式农业四情快速检测装置及其工作方法，该检测装置包括伸缩杆、安装在伸缩杆头部的转向杆、安装在转向杆头部的镜头相机、安装在转向杆中段的环境温湿度传感器、可拆卸安装在伸缩杆中段的操作终端支架、安装在操作终端支架中的操作终端、安装在伸缩杆底部的土壤墒情传感器以及套设在土壤墒情传感器外侧且与伸缩杆的尾部活动相连的保护套筒。本发明能够解决现有技术中存在的不足，提升植保工作效率，改善植保人员工作环境。
-
公开(公告)号：CN117036960A
公开(公告)日：2023-11-10
申请号：CN202311157147.7
申请日：2023-09-08
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V20/10 , G06V10/22 , G06V10/24 , G06V10/32 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
摘要： 本发明涉及一种基于无锚框的两阶段稻纵卷叶螟为害状图像检测方法，与现有技术相比解决了稻纵卷叶螟为害状图像难以在复杂田间背景条件下检出的缺陷。本发明包括以下步骤：稻纵卷叶螟为害图像的获取及预处理；稻纵卷叶螟为害状检测模型的构建；稻纵卷叶螟为害状检测模型的训练；待检测图像的获取与预处理；稻纵卷叶螟为害图像检测结果的获得。本发明提出一个两阶段的检测网络，更符合田间为害状的生长环境，利用定向框更能精准定位发病区域。
-
公开(公告)号：CN116258711A
公开(公告)日：2023-06-13
申请号：CN202310274762.X
申请日：2023-03-16
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 , G06T7/62 , G06V10/774
摘要： 本发明涉及一种基于倾斜矩形框的稻纵卷叶螟为害状图像检测方法，与现有技术相比解决了田间复杂环境下水稻稻纵卷叶螟为害状有不定向生长、尺寸多样等现象难以进行准确检测的缺陷。本发明包括以下步骤：水稻稻纵卷叶螟为害状图像的获取和预处理；构建稻纵卷叶螟为害状检测模型；稻纵卷叶螟为害状检测模型的训练；待检测稻纵卷叶螟害虫图像的获取；稻纵卷叶螟害虫图像检测结果的获得。本发明可实现复杂的田间环境下水稻为害状区域的精准检测，提高水稻稻纵卷叶螟为害状检测的准确性，增强水稻稻纵卷叶螟为害状检测的可视化能力。
-
公开(公告)号：CN116205905A
公开(公告)日：2023-06-02
申请号：CN202310449336.5
申请日：2023-04-25
申请人： 合肥中科融道智能科技有限公司 , 中国科学院合肥物质科学研究院
摘要： 本发明涉及基于移动端的配电网施工安全及质量图像检测方法，与现有技术相比解决了配电网施工安全及质量图像检测运算量大、无法满足移动端应用需要的缺陷。本发明包括以下步骤：获取移动端的配电网施工现场图像；构建配电网施工安全及质量图像检测模型；配电网施工安全及质量图像检测模型的训练；获取待检测配电网施工图像；获得配电网施工安全及质量检测结果。本发明提供一种特征区分能力更强、模型训练简单、网络结构相对简单、推理时间复杂度较低，同时识别精度更优的目标检测方法，实现配电网施工场景安全及质量类目标的精准检测。
-
公开(公告)号：CN111476315B
公开(公告)日：2023-05-05
申请号：CN202010342622.8
申请日：2020-04-27
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V10/764 , G06F17/16 , G06N3/0464 , G06V10/774 , G06V10/25 , G06V10/82 , G06V20/00
摘要： 本发明涉及一种基于统计相关性与图卷积技术的图像多标签识别方法，与现有技术相比解决了未充分考虑多标签图像中对象之间关系的缺陷。本发明包括以下步骤：多标签图像的收集和预处理；计算标签之间的相关性；构建图像多标签识别网络；对图像多标签识别网络进行训练；待检测多标签图像的获取；图像多标签识别结果的获得。本发明利用图像标签数据学习邻接矩阵，通过图卷积网络更新图像中对象特征表示，结合全局特征残差提升图像多标签分类性能。
-
公开(公告)号：CN111476314B
公开(公告)日：2023-03-07
申请号：CN202010342615.8
申请日：2020-04-27
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V10/774 , G06V10/82 , G06V10/764 , G06V10/80 , G06V20/40 , G06T7/269 , G06T7/73
摘要： 本发明涉及一种融合光流算法与深度学习的模糊视频检测方法，包括：进行训练视频样本的预处理；获得模糊视频检测模型，构建模糊视频时序训练模型，通过深度学习算法获得视频帧的特征图；把待检测的帧的前十帧与后十帧的特征图按照取值从0到1、且符合正态分布的权重，用光流算法把这二十一张特征图都聚合到一张特征图上；按照正态分布算法，确定权重；检测帧特征图，检测此特征图；定位并标记出目标在视频帧中具体位置。本发明不仅考虑了视频帧本身的特征，还考虑了视频时序，以及空间、地理位置、天气等相关因素，用光流法对每一帧及其前后帧进行光流融合；提高了复杂应用情况下模糊视频检测与识别能力，提高了模糊视频中目标的检测率。
-
公开(公告)号：CN114863280A
公开(公告)日：2022-08-05
申请号：CN202210507746.6
申请日：2022-05-11
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V20/10 , G06V10/774 , G06V10/40 , G06V10/762 , G06V10/764 , G06K9/62 , G06N3/02
摘要： 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。
-
-
-
-
-
-
-
-
-
搜索结果
88 条记录 (耗时 0.084 秒)
