-
公开(公告)号:CN111898575B
公开(公告)日:2022-09-02
申请号:CN202010783039.0
申请日:2020-08-06
申请人: 华北电力大学(保定) , 山东大学 , 智洋创新科技股份有限公司 , 南瑞集团有限公司 , 浙江大华技术股份有限公司
摘要: 本发明公开了一种基于Faster R‑CNN检测器的栓母对自动组合方法,包括以下步骤:使用Faster R‑CNN检测器输出并保存螺栓、螺母类别和目标框坐标;基于目标框坐标,分别获得螺栓、螺母四个顶点坐标;根据自动组合规则,组合为栓母对,并计算栓母对区域四个顶点坐标;计算栓母对区域目标框,并对栓母对区域进行数据化处理。本发明提供的基于Faster R‑CNN检测器的栓母对自动组合方法,充分考虑螺栓和螺母关系,提出使用Faster R‑CNN检测并输出螺栓和螺母目标框坐标,结合螺栓和螺母的坐标有规则自动组合栓母对,高效完成栓母对的自动组合,弥补手动裁剪和非自动组合栓母对的不足。
-
公开(公告)号:CN112861670B
公开(公告)日:2022-11-08
申请号:CN202110107618.8
申请日:2021-01-27
申请人: 华北电力大学(保定) , 山东大学 , 浙江大华技术股份有限公司 , 智洋创新科技股份有限公司 , 南瑞集团有限公司
IPC分类号: G06V20/10 , G06V20/40 , G06V10/764 , G06N3/04 , G06N3/08
摘要: 本发明公开了一种输电线路金具检测方法及系统。该方法包括:获取金具数据集,根据输电线路航拍图像,采用Faster R‑CNN算法得到视觉特征;根据输电线路航拍图像和视觉特征,采用多层感知机算法进行学习,得到学习后的共现图邻接矩阵;根据学习后的共现图邻接矩阵对视觉特征进行信息传播,得到增强特征;将视觉特征和增强特征级联,得到融合特征,并对融合特征进行全连接处理,得到金具类型和金具位置。采用本发明的方法及系统,能够降低传统深度学习模型对数据集中各个金具的样本数量要求,缓解输电线路航拍数据的样本不平衡与长尾分布问题,提高输电线路金具检测效果。
-
公开(公告)号:CN110335270B
公开(公告)日:2022-09-13
申请号:CN201910614536.5
申请日:2019-07-09
申请人: 华北电力大学(保定) , 山东大学 , 浙江大华技术股份有限公司 , 智洋创新科技股份有限公司 , 南瑞集团有限公司
IPC分类号: G06T7/00 , G06V10/46 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G01N21/88 , G01R31/08
摘要: 本发明公开了基于层级区域特征融合学习的输电线路缺陷检测方法,包括:构建和调取Faster R‑CNN模型;将主干网络提取的目标特征通过RPN网络回归得到目标区域;通过对输入图像进行RoI pooling操作产生局部层级区域特征,通过深度选择网络学习产生特征融合所需要的权重将深层特征区域和浅层特征区域融合;并通过分类网络和回归网络产生最后的预测结果。本发明利用深度选择网络产生自学习的区域特征融合权重,节省调整参数的时间,并使模型学习得到的融合特征能够较好地适应不同复杂情况下的缺陷检测任务,深度模型使用区域特征进行预测,强化模型对提取目标局部特征的学习能力,降低了模型在实际环境中因输电线路缺陷图像的复杂背景和类间差异产生的误检问题。
-
公开(公告)号:CN110232370B
公开(公告)日:2022-04-26
申请号:CN201910541353.5
申请日:2019-06-21
申请人: 华北电力大学(保定) , 山东大学 , 智洋创新科技股份有限公司 , 南瑞集团有限公司 , 浙江大华技术股份有限公司
IPC分类号: G06V20/10 , G06V10/764 , G06V10/82 , G06K9/62
摘要: 本发明公开了一种改进SSD模型的输电线路航拍图像金具检测方法,首先量化分析了航拍金具数据集中金具的遮挡度,然后将SSD模型中的损失函数替换为使用遮挡度约束后的斥力损失,改变SSD生成的prior box尺度,改进深度网络模型,解决了航拍金具密集检测的问题,以及解决了小目标检测效果较差的问题。
-
公开(公告)号:CN110070538B
公开(公告)日:2022-04-15
申请号:CN201910349522.5
申请日:2019-04-28
申请人: 华北电力大学(保定) , 山东大学 , 浙江大华技术股份有限公司 , 智洋创新科技股份有限公司 , 南瑞集团有限公司
摘要: 本发明公开了一种基于形态优化深度特征的螺栓二维视觉结构聚类方法,包括以下步骤:S1、采用预训练的深度卷积神经网络模型提取数据集中图像样本深度特征并计算每个目标图像的形态比;S2、步骤S1中获得的形态比和的图像样本深度特征进行联合得到形态优化深度特征;S3、计算数据集中每个图像样本的高宽比散布趋势从而获得聚类中心的个数;S4、基于步骤S2中得到的形态优化深度特征和步骤S3中得到的聚类中心将图像样本分成簇,进而通过最小欧氏距离原则对目标图像样本进行簇的优化选择,从而得到螺栓二维视觉结构聚类结果。本发明采用上述结构的基于形态优化深度特征的螺栓二维视觉结构聚类方法,解决了对三维实体以二维图像表征时所呈现出的多种视觉结构的聚类分析问题且无需人为定义聚类中心,具有精确度高、泛化能力强等优点。
-
公开(公告)号:CN110232687B
公开(公告)日:2022-04-12
申请号:CN201910541355.4
申请日:2019-06-21
申请人: 华北电力大学(保定) , 山东大学 , 智洋创新科技股份有限公司 , 浙江大华技术股份有限公司 , 南瑞集团有限公司
摘要: 本发明公开了一种电力巡检图像中带销螺栓缺陷的检测方法,主要包括Faster R‑CNN模型的构建、Faster R‑CNN模型的训练、带销螺栓目标的检测以及带销螺栓的缺陷判断的步骤,解决在复杂背景中对带销螺栓目标的难准确检测问题,大大提升了带销螺栓这种小目标物体的检测精度,为进一步进行带销螺栓缺陷诊断提供基础,同时提出了基于灰度图的带销螺栓缺陷判别方法,解决了现有带销螺栓缺陷难判别问题,为电网安全运行提供基础保障。
-
公开(公告)号:CN115223049B
公开(公告)日:2022-12-13
申请号:CN202211140194.6
申请日:2022-09-20
申请人: 山东大学 , 国网浙江省电力有限公司温州供电公司 , 华北电力大学(保定) , 智洋创新科技股份有限公司 , 南瑞集团有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC分类号: G06V20/10 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/08
摘要: 本发明属于压缩技术领域,具体提供了一种面向电力场景边缘计算大模型压缩的知识蒸馏与量化方法。其包括以下步骤:电力场景任务抽象;双层知识蒸馏网络单元构建;教师模型修饰处理;主从教师监督框架:基于教师‑学生蒸馏网络,使用多个数据集训练不同的教师模型,包括与目标任务类似的场景数据集和实际落地场景的数据集,将这些数据集进行划分,训练多个教师模型,按照数据集与落地场景相似度分配指导权重,分为主教师模型和若干个从教师模型,从而对学生模型进行不同层面的知识引导,提高学生模型在复杂场景下的泛化能力;学生模型压缩感知训练。
-
公开(公告)号:CN115220479A
公开(公告)日:2022-10-21
申请号:CN202211140267.1
申请日:2022-09-20
申请人: 山东大学 , 南瑞集团有限公司 , 智洋创新科技股份有限公司 , 国网浙江省电力有限公司温州供电公司 , 华北电力大学(保定) , 山东省计算中心(国家超级计算济南中心)
IPC分类号: G05D1/10
摘要: 本发明属于巡检技术领域,本发明提供了一种动静协同的输电线路精细化巡检方法与系统,通过动静态检测协同配合,实现电力系统大范围覆盖的精细化巡检,采用静态与动态数据的分段式检测提高检测精细化的同时,节省不必要的人力及算力资源。其包括以下步骤:固定采集设备采集回传静态信息;多层感知机融合多类别静态信息评估故障程度;巡检无人机对输电线路进行精细化巡检并上传多角度图像信息:若发生非紧急故障,则调用巡检无人机进行精细化巡检,获取所述巡检无人机的巡检信息,并通过通讯模块将所述巡检信息传输至目标数据控制中心;融合无人机多视角和固定视角图像信息的故障分类模型。
-
公开(公告)号:CN115223049A
公开(公告)日:2022-10-21
申请号:CN202211140194.6
申请日:2022-09-20
申请人: 山东大学 , 国网浙江省电力有限公司温州供电公司 , 华北电力大学(保定) , 智洋创新科技股份有限公司 , 南瑞集团有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC分类号: G06V20/10 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/08
摘要: 本发明属于压缩技术领域,具体提供了一种面向电力场景边缘计算大模型压缩的知识蒸馏与量化技术。其包括以下步骤:电力场景任务抽象;双层知识蒸馏网络单元构建;教师模型修饰处理;主从教师监督框架:基于教师‑学生蒸馏网络,使用多个数据集训练不同的教师模型,包括与目标任务类似的场景数据集和实际落地场景的数据集,将这些数据集进行划分,训练多个教师模型,按照数据集与落地场景相似度分配指导权重,分为主教师模型和若干个从教师模型,从而对学生模型进行不同层面的知识引导,提高学生模型在复杂场景下的泛化能力;学生模型压缩感知训练。
-
公开(公告)号:CN115238880B
公开(公告)日:2022-12-23
申请号:CN202211146873.4
申请日:2022-09-21
申请人: 山东大学 , 华北电力大学(保定) , 智洋创新科技股份有限公司 , 南瑞集团有限公司 , 国网浙江省电力有限公司温州供电公司 , 山东省计算中心(国家超级计算济南中心)
摘要: 本发明提供一种输电巡检终端的自适应部署方法、系统、设备以及存储介质,属于人工智能技术领域,通过搭建适配于所有输电巡检终端的超级网络;选择各变化维度中的参数最小值的子网络作为超级网络的基础模型,并对基础模型进行训练;选择单一变化维度作为变量,根据渐进策略获取采样扩展候选集,在采样扩展候选集中搜索设定数量的扩展子网络进行训练,并更新新增的网络参数;直至遍历所有子网络;通过神经网络搜索筛选最佳子网络,并基于最佳子网络对目标输电巡检终端进行部署。本发明在实现了节省计算资源的基础上,达到了确保子网络的精确度,有效缓解子网络之间相互干扰的显著效果。
-
-
-
-
-
-
-
-
-