-
公开(公告)号:CN113592031B
公开(公告)日:2023-11-28
申请号:CN202110945015.5
申请日:2021-08-17
申请人: 全球能源互联网研究院有限公司 , 国网山东省电力公司枣庄供电公司 , 国家电网有限公司
IPC分类号: G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/094
摘要: 本发明提供了一种图像分类系统、违章工具识别方法及装置,其中图像分类系统包括:层次特征提取模块、层次生成模型、层次分类模块,层次生成模型中包括至少一层生成模块,层次特征提取模块用于根据目标图像提取图像特征;若生成模块不是层次生成模型中的第一层生成模块,用于根据图像特征确定当前层生成特征,将上一层生成模块输出的上层人工特征作为基础值,将当前层生成特征作为偏移量,形成当前层人工特征;层次分类模块用于根据当前层人工特征输出图像分类结果。生成模块以上一层生成模块输出的上层人工特征作为基础值减小了当前生成模块计算得到的当前层人工特征的领域漂移,从而使得最终得到的分类结果更准确。
-
公开(公告)号:CN113592031A
公开(公告)日:2021-11-02
申请号:CN202110945015.5
申请日:2021-08-17
申请人: 全球能源互联网研究院有限公司 , 国网山东省电力公司枣庄供电公司 , 国家电网有限公司
摘要: 本发明提供了一种图像分类系统、违章工具识别方法及装置,其中图像分类系统包括:层次特征提取模块、层次生成模型、层次分类模块,层次生成模型中包括至少一层生成模块,层次特征提取模块用于根据目标图像提取图像特征;若生成模块不是层次生成模型中的第一层生成模块,用于根据图像特征确定当前层生成特征,将上一层生成模块输出的上层人工特征作为基础值,将当前层生成特征作为偏移量,形成当前层人工特征;层次分类模块用于根据当前层人工特征输出图像分类结果。生成模块以上一层生成模块输出的上层人工特征作为基础值减小了当前生成模块计算得到的当前层人工特征的领域漂移,从而使得最终得到的分类结果更准确。
-
公开(公告)号:CN112883929A
公开(公告)日:2021-06-01
申请号:CN202110327922.3
申请日:2021-03-26
申请人: 全球能源互联网研究院有限公司 , 国网山东省电力公司枣庄供电公司 , 国家电网有限公司
摘要: 本发明公开了一种在线视频异常行为检测模型训练、异常检测方法及系统,通过训练方法得到的异常行为检测模型为2D‑3D DSTAE自动编码器,其利用2D卷积神经网络在2D空间层面采用视频帧稀疏采样策略,以避免帧间信息的冗余;对于时空层面在较远帧间采取对特征图执行3D卷积的方式实现端到端融合,以编码长时程视频序列的帧间上下文信息,在兼顾实时性和准确性的基础上解决了模型在异常数据上不能获得较小的重构误差问题。在线视频异常检测方法及系统,采用了同时维护工作记忆组和新收图像组的在线视频处理框架,每次检测时通过从两组视频中各采样一半视频帧来更新工作记忆组,在保证检测准确度的前提下,有效的提升了视频异常行为检测的实时性。
-
公开(公告)号:CN112883929B
公开(公告)日:2023-08-08
申请号:CN202110327922.3
申请日:2021-03-26
申请人: 全球能源互联网研究院有限公司 , 国网山东省电力公司枣庄供电公司 , 国家电网有限公司
IPC分类号: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/088
摘要: 本发明公开了一种在线视频异常行为检测模型训练、异常检测方法及系统,通过训练方法得到的异常行为检测模型为2D‑3D DSTAE自动编码器,其利用2D卷积神经网络在2D空间层面采用视频帧稀疏采样策略,以避免帧间信息的冗余;对于时空层面在较远帧间采取对特征图执行3D卷积的方式实现端到端融合,以编码长时程视频序列的帧间上下文信息,在兼顾实时性和准确性的基础上解决了模型在异常数据上不能获得较小的重构误差问题。在线视频异常检测方法及系统,采用了同时维护工作记忆组和新收图像组的在线视频处理框架,每次检测时通过从两组视频中各采样一半视频帧来更新工作记忆组,在保证检测准确度的前提下,有效的提升了视频异常行为检测的实时性。
-
公开(公告)号:CN113011297B
公开(公告)日:2024-07-19
申请号:CN202110256280.2
申请日:2021-03-09
申请人: 全球能源互联网研究院有限公司 , 国家电网有限公司
摘要: 本发明公开了一种基于边云协同的电力设备检测方法、装置、设备及服务器。其中,该方法包括:边缘设备获取待检测电力设备图像;识别待检测电力设备图像,确定待检测电力设备图像的第一级识别结果以及第一级识别结果对应的图像切片;发送图像切片至云端服务器;云端服务器接收图像切片;识别图像切片,确定图像切片的第二级识别结果;发送第二级识别结果至边缘设备;边缘设备接收云端服务器对图像切片的第二级识别结果,基于第一级识别结果以及第二级识别结果,确定待检测电力设备图像的目标检测信息。通过边云协同方式确定待检测电力设备图像的目标检测信息,同时保证了电力设备图像的传输时间以及数据处理能力,提高了电力设备的缺陷检测效率。
-
公开(公告)号:CN112434600A
公开(公告)日:2021-03-02
申请号:CN202011321731.8
申请日:2020-11-23
申请人: 国网安徽省电力有限公司淮南供电公司 , 国网安徽省电力有限公司检修分公司 , 全球能源互联网研究院有限公司 , 国家电网有限公司
摘要: 本发明公开了一种基于无参估计建模的无人机巡检方法及系统,包括:获取无人机采集的输电线路一位置的图像并提取图像中的特征信息;将所提取的特征信息输入预先构建的用于判断图像是否异常的背景模型中以得到所述图像的判断结果;以及在判断结果示出图像存在异常时,控制无人机重新采集所述位置的图像。本发明在保证准确率的前提下,科学有效的指导输电线路的二次复查,来补偿目标检测网络在降质图像检测中的缺陷。
-
公开(公告)号:CN111179311A
公开(公告)日:2020-05-19
申请号:CN201911338423.3
申请日:2019-12-23
申请人: 全球能源互联网研究院有限公司 , 国网浙江省电力有限公司 , 国家电网有限公司
IPC分类号: G06T7/246
摘要: 本发明涉及多目标跟踪技术领域,具体涉及多目标跟踪方法、装置及电子设备,方法包括获取目标视频并提取当前图像帧;将当前图像帧输入运动检测模型中同时得到当前图像帧中所有运动目标的检测框以及上一图像帧中运动目标在当前图像帧中的预测框;分别提取检测框的深度特征以及各个历史轨迹的深度特征,得到第一深度特征以及历史轨迹的深度特征;基于预测框、检测框、第一深度特征以及历史轨迹的深度特征,进行特征拼接以得到对应于各个历史轨迹的拼接特征;根据各个历史轨迹的拼接特征,以形成各个运动目标在目标视频中的运动轨迹。同时输出检测框以及预测框,提高跟踪的效率;结合历史轨迹的深度特征保证跟踪的准确性。
-
公开(公告)号:CN111160399A
公开(公告)日:2020-05-15
申请号:CN201911242358.4
申请日:2019-12-06
申请人: 国网安徽省电力有限公司淮南供电公司 , 国网安徽省电力有限公司检修分公司 , 全球能源互联网研究院有限公司 , 国家电网有限公司
IPC分类号: G06K9/62
摘要: 本发明公开了一种深度学习的绝缘子目标样本标注方法和装置,该方法包括图像样本中绝缘子目标的标注方法。本发明提出图像样本中绝缘子目标的标注方法,使用椭圆形的标注框对图像中的绝缘子目标进行位置标注,并对其状态进行类别标注,如正常、自爆、污损等。基于此标注方法,得到的数据集,能够支撑深度学习神经网络模型,进行端到端训练,得到绝缘子及其状态(正常/自爆/污损等)的检测模型。该方法具有适用性强、标注效率高、标注精度高等优点。
-
公开(公告)号:CN111044044B
公开(公告)日:2023-04-07
申请号:CN201911242349.5
申请日:2019-12-06
申请人: 国网安徽省电力有限公司淮南供电公司 , 国网安徽省电力有限公司检修分公司 , 全球能源互联网研究院有限公司 , 国家电网有限公司
摘要: 本发明公开了一种电力无人机巡检路线规划方法和装置,该方法包括环境建模、任务建模、路线规划3个步骤。本发明提出的电力无人机巡检路线规划方法,将待巡视的杆塔、线路、场地等电力设施及其周边环境,进行空间三维建模;将巡检任务所包含的各个任务点的位置坐标、拍摄角度等参数进行整理,得到子任务集合;根据环境建模结果和任务建模结果,计算最优路线。该方法具有安全性强、规划速度快、巡检效率高等优点。
-
公开(公告)号:CN115619999A
公开(公告)日:2023-01-17
申请号:CN202110798702.9
申请日:2021-07-15
申请人: 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司 , 全球能源互联网研究院有限公司
发明人: 尚芳剑 , 李信 , 张希 , 王博 , 彭柏 , 陈重韬 , 王艺霏 , 李欣怡 , 娄竞 , 张少军 , 闫忠平 , 王东升 , 李贤 , 来骥 , 赵婷 , 陈江琦 , 夏卫尚 , 刘思言 , 吴春鹏 , 刘慧丽
IPC分类号: G06V10/22 , G06V10/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/082
摘要: 本公开涉及一种电力设备实时监测方法、装置、电子设备及计算机可读介质。该方法包括:通过物联网获取电力设备的实时图像;对所述实时图像进行预处理,生成图像数据;将所述图像数据输入目标检测模型中,生成目标检测结果,其中,所述目标检测模型为基于牛顿法优化损失函数以进行压缩的深度神经网络模型;基于所述目标检测结果对所述电力设备的状态进行实时监测。本公开涉及的电力设备实时监测方法、装置、电子设备及计算机可读介质,能够将高精度、低复杂度的计算模型布置在边缘计算设备中,以便实时对电力设备进行监控,保证电网安全运行的同时减轻物联网的数据压力。
-
-
-
-
-
-
-
-
-