-
公开(公告)号：CN118537594A
公开(公告)日：2024-08-23
申请号：CN202410711850.6
申请日：2024-06-04
申请人： 南京南瑞信息通信科技有限公司 , 国网电力科学研究院有限公司 , 国网河北省电力有限公司 , 国网河北省电力有限公司电力科学研究院
IPC分类号： G06V10/72 , G06V10/10 , G06T7/00 , G06V10/82 , G06N3/0475 , G06N3/094 , G06N3/0455
摘要： 本发明公开了一种电力异常场景小样本扩充方法及系统，该方法首先拍摄电力设备正常图像构建正常样本集，拍摄电力设备异常图像构建异常样本集；然后将电力设备正常图像进行目标识别和提取，得到仅包含电力设备的第一图像，将所述第一图像输入循环对抗生成网络得到第二图像，将第二图像替换第一图像拼接到电力设备正常图像中，生成第二电力设备异常图像；最后将第二电力设备异常图像加入异常样本集中以扩充异常样本数据集；本发明能够避免电力设备以外的环境干扰，生成符合类似布控球、无人机、监控摄像头拍摄得到的电力场景异常图像，扩充电力异常场景的小样本数据集。
-
公开(公告)号：CN117671587A
公开(公告)日：2024-03-08
申请号：CN202311641419.0
申请日：2023-12-01
申请人： 南京南瑞信息通信科技有限公司
IPC分类号： G06V20/52 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09 , G06N3/096 , H02J13/00
摘要： 本发明公开了一种基于自监督学习的电力设备缺陷检测方法、系统，包括以下步骤：首先，对采集的电力设备图像进行图像增强，构建自监督样本集，并从中挑选出高质量设备异常图像进行标注，构建有监督样本集；其次，设计包含分层嵌入模块、局部感知模块和动态注意力聚焦模块的新型ViT网络，并通过对比学习在自监督样本集上训练新型ViT网络，得到预训练模型；然后，抽取出预训练模型中编码器部分，添加FPN网络和检测头网络，构建设备缺陷检测网络，并冻结编码器的权重，利用有监督样本集对网络进行微调；最后，对体积大于设定值的设备缺陷检测模型，使用知识蒸馏进行压缩和加速。本发明能够在少量标注样本情况下提升电力设备缺陷检测精度。
-
公开(公告)号：CN116683431A
公开(公告)日：2023-09-01
申请号：CN202310617968.8
申请日：2023-05-29
申请人： 国电南瑞科技股份有限公司 , 南京南瑞信息通信科技有限公司
IPC分类号： H02J3/00 , G06Q10/0639 , G06Q10/20 , G06Q50/06 , G06F30/18 , G06F30/20 , G06F111/10 , G06F111/04 , G06F119/02 , G06F113/04
摘要： 本发明公开了一种配电系统恢复力快速评估指标与评估方法及系统，对配电系统元件进行建模，并对其拓扑划分元胞进行简化；通过解析计算的方式，综合考虑配电系统在自然灾害下各阶段的响应，分别通过系统失负荷期望值、灾害中节点元胞的停电失负荷期望以及灾害后节点元胞的维修失负荷期望来表示电力系统各个层次下在灾害前，灾害中以及灾害后各阶段的恢复力评估指标，通过故障概率事件的解析表达来计算这些评估指标，并得到配电系统的系统功能图，直观反映系统的恢复力水平；本发明用于指导电力系统在灾害尚未到来时的线路规划、元件的加固、联络线路配置以及冗余资源的配置等，并为灾害中的紧急响应调度以及灾害后的抢修恢复决策提供量化依据。
-
公开(公告)号：CN114821328A
公开(公告)日：2022-07-29
申请号：CN202210502905.3
申请日：2022-05-10
申请人： 南京南瑞信息通信科技有限公司
摘要： 本发明公开了一种基于完全学习的电力图像处理方法及装置，将特征图Fout和特征图Fout的标定值作为训练集，利用训练集对电力图像异常值检测模型；将电力图像输入训练好的电力图像异常值检测模型，输出电力图像中电力设备异常预测结果。有效的利用了卷积过程的局部特征提取优点和自注意力计算的全局特征提取的优点，构建了一个高效的图像特征学习方法，通过混合学习的特征图可以很好的完全表示原图像的特征信息，有效地学习到电力图像中的特征信息。本发明提升了识别的准确性，降低了人工巡检成本，自动检测输电线路上的缺陷，保障国家电力系统的安全运行。
-
公开(公告)号：CN111930982A
公开(公告)日：2020-11-13
申请号：CN202010696172.2
申请日：2020-07-20
申请人： 南京南瑞信息通信科技有限公司
摘要： 本发明提供了一种电网图像智能标签方法，该方法包括：获取电网区域环境图像，基于电网区域环境图像，通过预先训练好的电网图像分类模型，获取所述网区域环境图像的类别属性分布信息；根据电网区域环境图像、电网区域环境图像的类别属性分布信息，通过预先训练好的电网图像分割模型，获取电网区域环境图像的属性分割图像。
-
公开(公告)号：CN109829887A
公开(公告)日：2019-05-31
申请号：CN201811598037.3
申请日：2018-12-26
申请人： 南瑞集团有限公司 , 南京南瑞信息通信科技有限公司
摘要： 本发明公开一种基于深度神经网络的图像质量评估方法，是一种用于图像质量评估的深度神经网络的新型应用技术。本发明解决的是无人机作业巡检采集图像的质量评估问题，在大型数据库ImageNet上训练得到一个预训练的深度神经网络模型，对深度神经网络改进并采用图像质量评价数据库TID2013训练深度神经网络模型，最后对输入任意的图像，采用已训练完成的深度神经网络模型预测图像的质量。本发明所公开的基于深度神经网络的图像质量评估方法能够非常准确地评估无人机作业巡检采集图像的质量，并且能够明显地区分高质量图像和低质量图像，过滤低质量无用图像。
-
公开(公告)号：CN109829887B
公开(公告)日：2022-07-01
申请号：CN201811598037.3
申请日：2018-12-26
申请人： 南瑞集团有限公司 , 南京南瑞信息通信科技有限公司
摘要： 本发明公开一种基于深度神经网络的图像质量评估方法，是一种用于图像质量评估的深度神经网络的新型应用技术。本发明解决的是无人机作业巡检采集图像的质量评估问题，在大型数据库ImageNet上训练得到一个预训练的深度神经网络模型，对深度神经网络改进并采用图像质量评价数据库TID2013训练深度神经网络模型，最后对输入任意的图像，采用已训练完成的深度神经网络模型预测图像的质量。本发明所公开的基于深度神经网络的图像质量评估方法能够非常准确地评估无人机作业巡检采集图像的质量，并且能够明显地区分高质量图像和低质量图像，过滤低质量无用图像。
-
公开(公告)号：CN112132135A
公开(公告)日：2020-12-25
申请号：CN202010877635.5
申请日：2020-08-27
申请人： 南京南瑞信息通信科技有限公司
摘要： 本发明公开一种基于图像处理的电网传输线检测方法、存储介质，方法包括：读入待检测图片；将图片灰度化；对灰度化图像进行平滑去噪、图像算术运算、灰度线性变换等一系列图像处理方法；对处理后的图像进行边缘检测；确定图像中的感兴趣区域ROI；对ROI内的像素点进行分类得到各传输线的边缘像素点集合；根据边缘像素点集合拟合传输线，并输出检测结果，检测结果可同时包括传输线的方程以及数量。利用本发明能够根据采集的图像进行传输线检测，能够排除天空以及云层等背景的干扰，具有一定的鲁棒性和实用性。
-
公开(公告)号：CN111930978A
公开(公告)日：2020-11-13
申请号：CN202010660054.6
申请日：2020-07-10
申请人： 南京南瑞信息通信科技有限公司
摘要： 本发明涉及一种基于HBase的电网图片存储方法、介质和计算设备，判断要存储的图像是否超过HBase数据库存储数据块HFile的大小，如果超过，则对图像进行分割，直至未超过HBase数据库存储数据块HFile的大小；提取图像的特征向量；对提取到的特征向量进行二进制量化，得到二进制特征向量；对二进制特征向量进行加密；将加密后的数据生成HFile文件，存入HBase数据库。本发明实现了电网环境下快速上传并安全存储用户上传的图片，存储量大，实现企业对图片的高效安全要求。
-
公开(公告)号：CN111898422A
公开(公告)日：2020-11-06
申请号：CN202010563168.9
申请日：2020-06-19
申请人： 南瑞集团有限公司 , 南京南瑞信息通信科技有限公司 , 国网内蒙古东部电力有限公司电力科学研究院 , 国网内蒙古东部电力有限公司 , 国家电网有限公司
摘要： 本发明公开了一种电力设备辨识方法，包括：构建电力设备数据库；通过公共数据库对Faster RCNN网络模型进行预训练；通过电力设备数据库对预训后的Faster RCNN网络模型继续训练得到训练完成的Faster RCNN网络模型；通过训练完成的Faster RCNN网络模型对设备图片进行辨识，本发明构建电力设备数据库以及通过对Faster RCNN网络模型进行预训练和再训练，在训练样本十分有限的情况下完成用于辨识电力设备的Faster RCNN网络模型的训练，有效的防止了过拟合现象，提高了电力设备的辨识精度，从而可以及时发现电力场景中的异常状况，间接的减少了安全隐患。
-
-
-
-
-
-
-
-
-
搜索结果
40 条记录 (耗时 0.134 秒)
