-
公开(公告)号:CN110083551A
公开(公告)日:2019-08-02
申请号:CN201910344205.4
申请日:2019-04-26
申请人: 北京智芯微电子科技有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司 , 国网宁夏电力有限公司电力科学研究院
IPC分类号: G06F12/14
摘要: 本发明公开了一种安全紧耦合存储器及其访问方法和存储介质,所述安全紧耦合存储器与处理器相连接,所述安全紧耦合存储器中预设有多个不同安全级别的存储区,每个存储区用于存储与该存储区安全级别对应的数据,所述访问方法包括:接收访问操作信息,其中所述访问操作信息包括:存储区中的数据地址以及该访问操作信息的安全属性标识,根据所述访问操作信息的安全属性标识以及所述数据地址判断所述访问操作信息是否具有访问所述数据地址的权限;若具有访问所述数据地址的权限,则对与所述数据地址对应的存储区进行访问操作。本发明提供的安全紧耦合存储器及其访问方法和存储介质满足了安全可信处理器架构中对存储程序和数据安全性的要求。
-
公开(公告)号:CN112528971B
公开(公告)日:2021-06-04
申请号:CN202110174426.9
申请日:2021-02-07
申请人: 北京智芯微电子科技有限公司 , 国网信息通信产业集团有限公司
摘要: 本发明涉及目标检测技术领域,提供一种基于深度学习的输电线路异常目标检测方法、系统及存储介质。所述方法包括:根据预先收集的输电线路通道内的图像数据进行网络模型训练,所述网络模型训练包括:对目标检测算法的损失函数进行优化,利用预先收集的图像数据和优化后的损失函数进行网络模型训练得到深度学习网络模型;采集当前的输电线路通道内的图像数据;利用所述深度学习网络模型对当前的图像数据进行推理,根据推理结果确定当前的输电线路通道内是否存在异常目标。本发明通过对损失函数进行优化来提高目标检测的预测框位置的准确性,从而提升输电线路异常目标检测的精度,降低输电线路异常检测成本。
-
公开(公告)号:CN112528971A
公开(公告)日:2021-03-19
申请号:CN202110174426.9
申请日:2021-02-07
申请人: 北京智芯微电子科技有限公司 , 国网信息通信产业集团有限公司
摘要: 本发明涉及目标检测技术领域,提供一种基于深度学习的输电线路异常目标检测方法、系统及存储介质。所述方法包括:根据预先收集的输电线路通道内的图像数据进行网络模型训练,所述网络模型训练包括:对目标检测算法的损失函数进行优化,利用预先收集的图像数据和优化后的损失函数进行网络模型训练得到深度学习网络模型;采集当前的输电线路通道内的图像数据;利用所述深度学习网络模型对当前的图像数据进行推理,根据推理结果确定当前的输电线路通道内是否存在异常目标。本发明通过对损失函数进行优化来提高目标检测的预测框位置的准确性,从而提升输电线路异常目标检测的精度,降低输电线路异常检测成本。
-
公开(公告)号:CN113670929B
公开(公告)日:2024-06-14
申请号:CN202110758730.8
申请日:2021-07-05
申请人: 国网宁夏电力有限公司电力科学研究院 , 北京智芯微电子科技有限公司
摘要: 本发明公开了一种输电线异物检测方法与装置、存储介质、终端设备,其中,输电线异物检测方法包括:获取输电线图像数据;将输电线图像数据输入预先训练好的多任务学习模型进行模型推理,以获得输电线检测结果和异物检测结果;根据输电线检测结果和异物检测结果进行输电线异物检测。由此,该实施例的输电线异物检测方法能够准确检测出输电线上较小的异物,防止异物漏检,以使输电线能够安全工作。
-
公开(公告)号:CN113486936A
公开(公告)日:2021-10-08
申请号:CN202110719482.6
申请日:2021-06-28
申请人: 国网宁夏电力有限公司电力科学研究院 , 北京智芯微电子科技有限公司
摘要: 本发明涉及图像识别技术领域,提供一种输电线设备覆冰检测方法、装置、系统及存储介质。所述输电线设备覆冰检测方法在边缘侧执行,包括:通过嵌入式设备采集所述输电线设备的图像;利用嵌入式设备中部署的深度学习网络模型对采集的图像进行分析,确定所述输电线设备的覆冰检测结果;其中,所述深度学习网络模型在服务器侧进行训练、评估和压缩后获得。本发明能够实现输电线设备覆冰情况的实时检测,且能够准确识别、定位输电线设备的覆冰区域和位置。
-
公开(公告)号:CN113670929A
公开(公告)日:2021-11-19
申请号:CN202110758730.8
申请日:2021-07-05
申请人: 国网宁夏电力有限公司电力科学研究院 , 北京智芯微电子科技有限公司
摘要: 本发明公开了一种输电线异物检测方法与装置、存储介质、终端设备,其中,输电线异物检测方法包括:获取输电线图像数据;将输电线图像数据输入预先训练好的多任务学习模型进行模型推理,以获得输电线检测结果和异物检测结果;根据输电线检测结果和异物检测结果进行输电线异物检测。由此,该实施例的输电线异物检测方法能够准确检测出输电线上较小的异物,防止异物漏检,以使输电线能够安全工作。
-
-
-
-
-