-
公开(公告)号：CN110222757A
公开(公告)日：2019-09-10
申请号：CN201910468531.6
申请日：2019-05-31
申请人： 华北电力大学(保定) , 中国科学院自动化研究所
摘要： 本发明属于深度学习及图像识别技术领域，具体涉及了一种基于生成对抗网络的绝缘子图像样本扩充方法、系统，旨在解决将深度学习应用到输电线路无人机自主巡检过程中缺乏大量优质绝缘子训练图像的问题。本发明方法包括：采用样本生成网络，依据尺寸调整后的虚拟样本集，生成待筛选样本集；分别计算待筛选样本集和真实样本集的IS指数；待筛选样本集中IS指数高于第一阈值的图像作为绝缘子图像样本扩充集并输出。本发明能够快速生成多样化的深度学习应用到输电线路无人机自主巡检过程中所需要的大量优质绝缘子训练图像，生成图像过程可控，真实度与真样本无异，推动了深度神经网络在绝缘子及其故障检测中的应用。
-
公开(公告)号：CN114532224A
公开(公告)日：2022-05-27
申请号：CN202210175481.4
申请日：2022-02-25
申请人： 华北电力大学(保定)
摘要： 本发明涉及一种蝴蝶兰种苗切割方法和装置，属于种苗切割技术领域，利用ShuffleNetv2‑YOLOv5目标识别网络对蝴蝶兰种苗的根部和茎部进行识别，提取根部检测框图像并确定根部连通域图像的连通域拟合直线和根部检测框的外接圆，将连通域拟合直线与外接圆的两个交点中与茎部检测框的距离最近的交点确定为切割点，同时计算切割角度，通过手眼标定的方式获得机器人基坐标系下的切割点坐标和切割角度，从而切割机器人对蝴蝶兰种苗进行切割，提高了蝴蝶兰种苗切割效率。本发明还设计了弹性切割末端，切割机器人利用弹性切割末端能够在完成切割工作的同时降低对种苗结构的破坏，解决了人工切割对无菌环境带来的污染问题。
-
公开(公告)号：CN109885091A
公开(公告)日：2019-06-14
申请号：CN201910215512.2
申请日：2019-03-21
申请人： 华北电力大学(保定)
IPC分类号： G05D1/10
摘要： 本发明公开一种无人机自主飞行控制方法及系统，本发明首先创建生成网络和分类判别网络；根据所述训练集A和所述生成网络确定假样本；然后将所述假样本和所述训练集A输入所述分类判别网络进行训练，获得所述分类判别网络的输出参数；网络输出结果比场景指令标记向量多出一个维度，这一维度特征用于分类真假样本，训练生成网络的过程中可以将无指令标记的假样本与有指令标记的训练集A一同当做真实样本输入进生成网络获得分类判别网络的输出参数，进而提高了对分类判别网络参数确定的准确性，进一步的提高自主飞行控制精度。
-
公开(公告)号：CN105678737B
公开(公告)日：2019-03-01
申请号：CN201510991950.X
申请日：2015-12-24
申请人： 华北电力大学(保定)
IPC分类号： G06T7/13
摘要： 一种基于Radon变换的数字图像角点检测方法，用于提高角点检测精度，减少信息处理量。其技术方案是，所述方法包括以下步骤：a.对原图像进行边缘提取，得到边缘提取图像；b.对边缘提取图像做Radon变换，得到Radon能量图；c.在Radon能量图上选取亮度值大于设定阈值的点，从而提取出亮度极值点的坐标；d.计算潜在角点坐标；e.判断各潜在角点的真伪，得到真实角点坐标。本发明在角点检测过程中不需要遍历图像中的所有像素，只需对聚类后不同类间的元素进行计算，不仅能够保证角点的定位精度，而且有效减少了计算的时间和空间复杂度，从而提高了角点的检测速度。
-
公开(公告)号：CN114532224B
公开(公告)日：2023-01-31
申请号：CN202210175481.4
申请日：2022-02-25
申请人： 华北电力大学(保定)
摘要： 本发明涉及一种蝴蝶兰种苗切割方法和装置，属于种苗切割技术领域，利用ShuffleNetv2‑YOLOv5目标识别网络对蝴蝶兰种苗的根部和茎部进行识别，提取根部检测框图像并确定根部连通域图像的连通域拟合直线和根部检测框的外接圆，将连通域拟合直线与外接圆的两个交点中与茎部检测框的距离最近的交点确定为切割点，同时计算切割角度，通过手眼标定的方式获得机器人基坐标系下的切割点坐标和切割角度，从而切割机器人对蝴蝶兰种苗进行切割，提高了蝴蝶兰种苗切割效率。本发明还设计了弹性切割末端，切割机器人利用弹性切割末端能够在完成切割工作的同时降低对种苗结构的破坏，解决了人工切割对无菌环境带来的污染问题。
-
公开(公告)号：CN113485273B
公开(公告)日：2022-05-06
申请号：CN202110850571.4
申请日：2021-07-27
申请人： 华北电力大学(保定)
IPC分类号： G05B19/418
摘要： 本发明涉及一种动态系统时延计算方法及系统，先根据预设周期，分别对动态系统的输入信号和输出信号进行采样，得到输入序列和输出序列。然后根据输入序列计算目标加权邻接矩阵，最后根据目标加权邻接矩阵和输出序列计算图的全局光滑性度量，并对图的全局光滑性度量进行最小化，得到动态系统的时延。本发明所提供的计算方法及系统，能够对未知系统模型的动态系统进行时延计算，应用更为广泛，且能够降低时延计算的复杂度，提高时延计算结果对数据噪声的鲁棒性，进而提高时延计算结果的精度。
-
公开(公告)号：CN105608738B
公开(公告)日：2018-08-28
申请号：CN201610121882.6
申请日：2016-03-04
申请人： 华北电力大学(保定)
IPC分类号： G06T17/00
摘要： 本发明涉及一种基于光场相机的火焰三维光度场重建方法，属于燃烧科学技术领域。本发明的技术方案为：(1)标定光场相机的点扩散函数；(2)多角度同步触发拍摄多视角的火焰图像；(3)通过火焰微像数字重聚焦，得到同一时刻不同聚焦面上的火焰图像，并将火焰体素化；(4)计算火焰不同截面的二维光度场；(5)插值得到火焰的三维光度场。本发明具有如下特点：与传统的基于计算机断层技术的计算方法相比，该方法计算复杂度低，计算得到的火焰光度场精度高，可以实时计算火焰的三维光度场。本发明的火焰光度场重建方法可以用于工业测量、火电厂监控以及虚拟现实等领域。
-
公开(公告)号：CN105678737A
公开(公告)日：2016-06-15
申请号：CN201510991950.X
申请日：2015-12-24
申请人： 华北电力大学(保定)
IPC分类号： G06T7/00
摘要： 一种基于Radon变换的数字图像角点检测方法，用于提高角点检测精度，减少信息处理量。其技术方案是，所述方法包括以下步骤：a.对原图像进行边缘提取，得到边缘提取图像；b.对边缘提取图像做Radon变换，得到Radon能量图；c.在Radon能量图上选取亮度值大于设定阈值的点，从而提取出亮度极值点的坐标；d.计算潜在角点坐标；e.判断各潜在角点的真伪，得到真实角点坐标。本发明在角点检测过程中不需要遍历图像中的所有像素，只需对聚类后不同类间的元素进行计算，不仅能够保证角点的定位精度，而且有效减少了计算的时间和空间复杂度，从而提高了角点的检测速度。
-
公开(公告)号：CN113343590B
公开(公告)日：2022-03-22
申请号：CN202110772591.4
申请日：2021-07-08
申请人： 华北电力大学(保定)
IPC分类号： G06F30/27 , G06F113/06 , G06F119/02
摘要： 本发明提出了一种基于组合模型的风速预测方法及系统，涉及风力发电风速预测领域，该方法包括：采集历史风速数据，构建原始风速数据集；利用变分模态分解算法将所述原始风速数据集的风速时间序列分解为N个模态分量；所述N个模态分量包括K个固有模态分量和1个残余分量；将各个所述模态分量分别单独输入到预先训练好的改进Transformer模型中进行预测，得到所述固有模态分量的预测结果和所述残余分量的预测结果；将所述固有模态分量的预测结果和所述残余分量的预测结果进行叠加，得到最终的风速预测结果。通过将变分模态分解法和Transformer模型进行组合，可有效提升风速预测的准确性和可靠性。
-
公开(公告)号：CN113343590A
公开(公告)日：2021-09-03
申请号：CN202110772591.4
申请日：2021-07-08
申请人： 华北电力大学(保定)
IPC分类号： G06F30/27 , G06F113/06 , G06F119/02
摘要： 本发明提出了一种基于组合模型的风速预测方法及系统，涉及风力发电风速预测领域，该方法包括：采集历史风速数据，构建原始风速数据集；利用变分模态分解算法将所述原始风速数据集的风速时间序列分解为N个模态分量；所述N个模态分量包括K个固有模态分量和1个残余分量；将各个所述模态分量分别单独输入到预先训练好的改进Transformer模型中进行预测，得到所述固有模态分量的预测结果和所述残余分量的预测结果；将所述固有模态分量的预测结果和所述残余分量的预测结果进行叠加，得到最终的风速预测结果。通过将变分模态分解法和Transformer模型进行组合，可有效提升风速预测的准确性和可靠性。
-
-
-
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.084 秒)
