-
公开(公告)号:CN111783819B
公开(公告)日:2024-02-09
申请号:CN202010383794.X
申请日:2020-05-08
Applicant: 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
IPC: G06V10/25 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种小规模数据集上基于感兴趣区域训练改进的目标检测方法,属于图像分析技术领域,通过目标检测模型获得图像目标检测结果,其对目标检测模型的训练过程包括一个循环依次独立进行边框回归任务训练和分类任务训练的阶段,使用由小规模数据集经过第一数据增强后获得的第一训练集对目标检测模型进行边框回归任务训练,使用由第一训练集经过第二数据增强后获得的第二训练集对目标检测模型进行分类任务训练;第二训练集的每张图像其感兴趣区域外包含部分该图片的全局信息。本发明方法在训练阶段引入感兴趣区域机制,克服现有One‑Stage目标检测模型在小规模数据集上训练时易发生的过拟合现象,进而获得准确的目标检测模型。
-
公开(公告)号:CN110992306B
公开(公告)日:2022-04-22
申请号:CN201911066307.0
申请日:2019-11-04
Applicant: 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
Abstract: 本发明公开了基于深度学习的红外图像中劣化绝缘子的分割方法及装置,包括全卷积神经网络和多尺度特征融合两部分,利用全卷积神经网络模型对红外图谱中的劣化绝缘子进行自动提取以及学习劣化绝缘子的纹理、形状等特征,避免了传统分割模型对于复杂背景无法有效分离的弊端,避免了传统分割算法模型复杂的特征选择过程,通过FCN模型实现了端到端的特征提取的自主化与智能化。在减少人工电力巡检的工作量的同时,提高了巡检的效率和准确度,具有很大的实用性,十分符合复杂的现场环境。该自动分割和诊断方法,极大的减少了误检的情况,使得高压绝缘子劣化检测全自动巡检成为可能。
-
公开(公告)号:CN111950526A
公开(公告)日:2020-11-17
申请号:CN202010900569.9
申请日:2020-09-01
Applicant: 国网河北省电力有限公司检修分公司 , 国家电网有限公司 , 华北电力大学(保定)
Abstract: 本发明涉及一种基于深度学习断路器储能机构故障诊断方法,首先,将加速传感器采集到的时域振动信号进行数据扩充,再将扩充后振动信号二次采样作为训练样本,采用改进后的卷积神经网络与长短时记忆网络并行结构,将卷积神经网络的第一层大卷积核和多层小卷积核,均进行批量归一化,以提高网络训练效率。本发明不需要人工提取特征,具有较好的分类性,为高压断路器弹簧操作机构故障诊断提供一种通用方法,对于利用振动信号识别电气设备故障具有较大参考价值和应用前景。
-
公开(公告)号:CN111879397A
公开(公告)日:2020-11-03
申请号:CN202010900568.4
申请日:2020-09-01
Applicant: 国网河北省电力有限公司检修分公司 , 国家电网有限公司 , 华北电力大学(保定)
Abstract: 本发明涉及一种高压断路器储能机构故障诊断方法;首先对采集到的声信号采用形态学去除背景噪声,提出基于峭度和包络相似性的时标对位方法保证声振信号的同步性,然后对数据扩容后的声振信号利用皮尔逊相关系数构造二维图像特征矩阵,最后利用CNN对特征矩阵进行训练,采用局部均值归一化和核函数去相关性改进CNN模型结构,降低了储能过程数据变动较大对断路器储能机构诊断准确性的影响。本发明总体诊断准确率达到了98.1%,泛化性能好,与传统方法相比优势明显。
-
公开(公告)号:CN110889435A
公开(公告)日:2020-03-17
申请号:CN201911066309.X
申请日:2019-11-04
Applicant: 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
IPC: G06K9/62
Abstract: 本发明公开了一种基于红外图像的绝缘子评估分类方法及其装置,包括:获取绝缘子红外图谱样本库;将获取的所述绝缘子红外图谱样本库的图像进行切割,得到正常绝缘子库作为正样本,劣化绝缘子库作为负样本;将所述正样本和所述负样本中的图像进行灰度化处理;对灰度化处理后的图像利用主成分分析法进行处理;采用贝叶斯算法对主成分分析法处理后的图像及绝缘子状态的特征进行训练,获取特征参量与所述绝缘子状态之间的对应关系及模型预测参数,实现绝缘子的分类和识别。本发明的技术方案能够适应复杂的现场环境,实现自动对红外图像中的绝缘子识别和诊断功能,有效减少了误检的情况,提高效率及准确度。
-
公开(公告)号:CN111179262B
公开(公告)日:2024-09-06
申请号:CN202010002183.6
申请日:2020-01-02
Applicant: 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种结合形状属性的电力巡检图像金具检测方法,其包括以下步骤,1全局特征提取:用图像分类网络VGG‑16提取全局特征;2感兴趣区域获取:将提取的全局特征输入区域建议网络;3分别进行分类预测和边界框分布预测;4损失函数计算:分类损失计算、结合形状属性的KL散度边界框回归损失计算;5模型训练。本发明通过将KL散度和同类别金具目标的形状特征相结合对Faster R‑CNN模型的回归损失函数进行约束,解决在复杂背景中对金具目标的检测框定位不准确、部分金具目标在图像中结构显示不完整的问题。
-
公开(公告)号:CN111210007A
公开(公告)日:2020-05-29
申请号:CN202010003211.6
申请日:2020-01-02
Applicant: 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
Abstract: 本发明公开了基于改进SRGAN模型的超分辨率螺栓图像生成方法,涉及图像处理技术领域;其包括步骤S1模型训练使用的数据集、S2建立生成式对抗网络模型、S3生成器损失函数构建、S4判别器损失函数构建和S5高分辨率螺栓图像生成,在步骤S4判别器损失函数构建的SRGAN模型的损失函数中加入相对均值鉴别器以平衡生成器和判别器的能力;其通过在SRGAN模型的损失函数中加入相对均值鉴别器等,实现了在输电线路无人机自主巡检与深度学习的结合应用中,SRGAN模型生成的输电线路螺栓图像分辨率高。
-
公开(公告)号:CN111179262A
公开(公告)日:2020-05-19
申请号:CN202010002183.6
申请日:2020-01-02
Applicant: 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
Abstract: 本发明涉及一种结合形状属性的电力巡检图像金具检测方法,其包括以下步骤,1全局特征提取:用图像分类网络VGG-16提取全局特征;2感兴趣区域获取:将提取的全局特征输入区域建议网络;3分别进行分类预测和边界框分布预测;4损失函数计算:分类损失计算、结合形状属性的KL散度边界框回归损失计算;5模型训练。本发明通过将KL散度和同类别金具目标的形状特征相结合对Faster R-CNN模型的回归损失函数进行约束,解决在复杂背景中对金具目标的检测框定位不准确、部分金具目标在图像中结构显示不完整的问题。
-
公开(公告)号:CN111879397B
公开(公告)日:2022-05-13
申请号:CN202010900568.4
申请日:2020-09-01
Applicant: 国网河北省电力有限公司检修分公司 , 国家电网有限公司 , 华北电力大学(保定)
Abstract: 本发明涉及一种高压断路器储能机构故障诊断方法;首先对采集到的声信号采用形态学去除背景噪声,提出基于峭度和包络相似性的时标对位方法保证声振信号的同步性,然后对数据扩容后的声振信号利用皮尔逊相关系数构造二维图像特征矩阵,最后利用CNN对特征矩阵进行训练,采用局部均值归一化和核函数去相关性改进CNN模型结构,降低了储能过程数据变动较大对断路器储能机构诊断准确性的影响。本发明总体诊断准确率达到了98.1%,泛化性能好,与传统方法相比优势明显。
-
公开(公告)号:CN111783819A
公开(公告)日:2020-10-16
申请号:CN202010383794.X
申请日:2020-05-08
Applicant: 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
Abstract: 本发明提供了一种小规模数据集上基于感兴趣区域训练改进的目标检测方法,属于图像分析技术领域,通过目标检测模型获得图像目标检测结果,其对目标检测模型的训练过程包括一个循环依次独立进行边框回归任务训练和分类任务训练的阶段,使用由小规模数据集经过第一数据增强后获得的第一训练集对目标检测模型进行边框回归任务训练,使用由第一训练集经过第二数据增强后获得的第二训练集对目标检测模型进行分类任务训练;第二训练集的每张图像其感兴趣区域外包含部分该图片的全局信息。本发明方法在训练阶段引入感兴趣区域机制,克服现有One-Stage目标检测模型在小规模数据集上训练时易发生的过拟合现象,进而获得准确的目标检测模型。