-
公开(公告)号：CN112182205A
公开(公告)日：2021-01-05
申请号：CN202010860366.1
申请日：2020-08-24
申请人： 华北电力大学(保定)
IPC分类号： G06F16/35 , G06F40/216 , G06F40/279 , G06N3/04 , G06Q50/06
摘要： 本发明涉及一种利用文字识别识别电气设备中监测数据的处理方法，其包括如下步骤：建立故障文本空间向量模型，进行文本特征提取；机器学习算法应用，采用机器学习建立分类模型，将电气设备故障文本分类；采用DA‑BiLSTM分类模型进行故障文本识别；本发明利用OCR技术实现了自动识别文本记录的故障数据，可以为电力系统故障文本分类提供了有力支撑，不仅能够提高故障文本分类的准确率，而且减少了人工分类的成本。
-
公开(公告)号：CN112211793A
公开(公告)日：2021-01-12
申请号：CN202010864733.5
申请日：2020-08-25
申请人： 华北电力大学(保定)
摘要： 本发明涉及一种基于视频图像分析的风电机组故障自动识别方法，包括如下步骤：采集风电机组内部正常运行状态的全量现场图像数据，建立图像数据特征数据库；对故障截图进行标注；建立基于视频图像的风电机组故障诊断模型，增强模型的鲁棒性；训练模型，增加对小目标的识别能力；深度学习模型封装接口，搭建B‑S结构，利用浏览器中网页对系统进行操作，调用算法接口对视频或者图片进行目标检测，完成自动识别；本发明通过在风电机组重点部分安装固定点摄像设备，采集图像数据，为风电场厂区建立正常、异常风电机组设备特征数据库，然后利用故障诊断模型实现风电机组缺陷自动陈端预警示范系统，达到自动识别、判定风电机组各类缺陷的目的。
-
公开(公告)号：CN112184619A
公开(公告)日：2021-01-05
申请号：CN202010863641.5
申请日：2020-08-25
申请人： 华北电力大学(保定)
摘要： 本发明涉及一种基于深度学习的金属部件表面缺陷检测方法，其包括如下步骤：获取视频文件，对其进行截帧处理，将截取的图像进行剪切和/或旋转变换，使金属部件处于图片中心位置；特征提取；区域建议网络RPN，利用RPN网络获得图像中的位置信息与分类信息；通过 RPN 获得候选区域后，利用Fast‑RCNN进行检测。本发明利用 Resnet 网络进行特征提取，采用 RPN 方法提取缺陷的候选目标矩形区域，在候选区域基础上进行缺陷检测。该检测系统能有效克服金属表面的反射以及环境因素的影响；同时利用基于 Faster‑RCNN 框架的方法进行缺陷检测，较好地解决了金属表面缺陷检测能力弱的问题。
-
公开(公告)号：CN216083765U
公开(公告)日：2022-03-18
申请号：CN202121540215.4
申请日：2021-07-08
申请人： 华北电力大学(保定)
摘要： 本实用新型属于变电站检测技术领域，尤其为一种变电站检测巡视装置，包括用于对变电站进行检测巡视的检测装置与对检测结果出现异常的电线杆进行标记的标记组件，且所述标记组件固定连接于所述检测装置的顶部，所述标记组件包括用于提供驱动动力的电动驱动杆与用于进行标记的标记头，且所述标记组件的一侧铰接有用于存放便于所述标记头进行蘸取标记颜料的存放仓，所述存放仓的内部设置有用于吸附颜料便于所述标记头蘸取的吸附海绵，所述存放仓的外侧固定连接有对所述存放仓起到防尘与防止内部颜料外漏的防尘门，能够对设备进行自主检测的同时，对出现故障的设备进行标记，能够有效的提高巡视设备的巡视效率，同时有利于减轻工作人员工作量。
-
-
-
搜索结果
4 条记录 (耗时 0.027 秒)
