-
公开(公告)号：CN115546177A
公开(公告)日：2022-12-30
申请号：CN202211296046.3
申请日：2022-10-21
申请人： 南方电网科学研究院有限责任公司 , 广东双电科技有限公司
IPC分类号： G06T7/00 , G06V20/17 , G06V10/24 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/04 , G06N3/08
摘要： 本申请公开了绝缘子缺陷检测模型训练方法、检测方法及相关设备，方法包括：获取无人机拍摄的绝缘子航拍图像，并对所述绝缘子航拍图像中存在的绝缘子缺陷部分进行人工标注；通过扩增仿射变换算法对所述人工标注的绝缘子航拍图像进行数据增强，形成训练绝缘子图像集；以所述训练绝缘子图像集为训练数据，以IC损失算法检测的总损失小于预设值为训练目标，对绝缘子缺陷检测模型的参数进行调整，得到训练完成的绝缘子缺陷检测模型。通过扩增仿射变换算法克服了航拍图像不足和训练图像正常与含缺陷的图像比例不均导致的检测精度低困难，通过绝缘子缺陷检测模型自身携带的分类器，实现了在杂乱的背景和植被区域，依旧保留原有模型的高精性能。
-
公开(公告)号：CN116977722A
公开(公告)日：2023-10-31
申请号：CN202310872133.7
申请日：2023-07-14
申请人： 佛山科学技术学院 , 南方电网科学研究院有限责任公司
IPC分类号： G06V10/764 , G06V10/80 , G06V10/52 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
摘要： 本申请适用于开关设备检测的技术领域，提供了一种基于GIS设备绝缘子的缺陷检测方法、系统及存储介质，其方法包括基于预设的辐射源，获取待检测工件的伦琴射线数字成像图；基于预设的特征提取网络层，对伦琴射线数字成像图进行特征提取处理，生成伦琴射线数字成像图的缺陷特征信息；基于伦琴射线数字成像图，对缺陷特征信息进行特征融合处理，生成缺陷特征融合图；根据预设的两阶段目标检测算法确定缺陷特征融合图的缺陷种类信息，其中，缺陷种类信息包括裂纹信息、金属异物信息、气泡信息和/或气隙信息。本申请能够大幅度提高检测效果，有效减少图像纹理模糊、缺乏细节信息、特征不突出等情况，精准排查出故障区域。
-
公开(公告)号：CN117911356A
公开(公告)日：2024-04-19
申请号：CN202410058730.0
申请日：2024-01-15
申请人： 佛山科学技术学院 , 南方电网科学研究院有限责任公司
摘要： 本申请适用于电力系统故障检测的技术领域，提供了一种基于DSPN的GIS设备缺陷检测方法、系统、终端及介质，其方法包括获取待检测缺陷图像，然后将待检测缺陷图像输入至深度神经网络模型，生成缺陷检测图像，再根据缺陷检测图像，确定缺陷检测结果信息。本申请能够充分利用特征图的潜在特征，通过不同尺度的空间和通道权重，使感兴趣信息作用于大小不同的输出特征图上，有效提高网络对X‑DR图像全局信息的关注度，有效增强了模型的表达能力，有效针对GIS设备在X‑DR图像中成像模糊等特点，以及优化现有FPN对少语义信息的X射线图像特征提取不明显的缺点。
-
公开(公告)号：CN113960381A
公开(公告)日：2022-01-21
申请号：CN202111240918.X
申请日：2021-10-25
申请人： 南方电网科学研究院有限责任公司 , 佛山科学技术学院
IPC分类号： G01R29/12 , H01L41/113 , H01L41/31
摘要： 本发明公开了一种非接触式电场测量传感器，包括压敏电阻器、半导体薄膜、玻璃层、压电材料晶体和基底，所述压敏电阻器设置在半导体薄膜上，所述压电材料晶体内嵌于玻璃层中，所述玻璃层设有空气穴，所述基底上设有压电材料晶体和玻璃层。通过使用本发明，可以准确获取电场信息。本发明作为一种非接触式电场测量传感器，可广泛应用于传感器芯片领域。
-
公开(公告)号：CN114417990B
公开(公告)日：2024-08-23
申请号：CN202210038208.7
申请日：2022-01-13
申请人： 广东双电科技有限公司
IPC分类号： G06V10/80 , G06N3/0464 , G06T3/4007 , G06T7/11 , G06V10/774 , G06V10/82
摘要： 本发明提供了一种利用矩形框标注的瓷绝缘子红外图像分割方法，其包括如下步骤：提取瓷绝缘子红外图像的图像特征；对所述图像特征进行融合以获取融合特征；根据所述融合特征获取瓷绝缘子掩模参数信息以及瓷绝缘子掩模特征；结合所述绝缘子掩模特征以及所述绝缘子掩模特征对应的坐标信息以获取绝缘子掩模特征映射；将所述绝缘子掩模特征映射以及瓷绝缘子掩模参数信息输入掩模分支网络结构中并对红外图像中的瓷绝缘子进行矩形框标注。本发明可以对红外图像中的瓷绝缘子进行矩形框标注以获取像素级别的绝缘子掩模，解决了现有的瓷绝缘子红外图像分割处理方法存在样本标注准确度低的问题。
-
公开(公告)号：CN114417990A
公开(公告)日：2022-04-29
申请号：CN202210038208.7
申请日：2022-01-13
申请人： 广东双电科技有限公司
摘要： 本发明提供了一种利用矩形框标注的瓷绝缘子红外图像分割方法，其包括如下步骤：提取瓷绝缘子红外图像的图像特征；对所述图像特征进行融合以获取融合特征；根据所述融合特征获取瓷绝缘子掩模参数信息以及瓷绝缘子掩模特征；结合所述绝缘子掩模特征以及所述绝缘子掩模特征对应的坐标信息以获取绝缘子掩模特征映射；将所述绝缘子掩模特征映射以及瓷绝缘子掩模参数信息输入掩模分支网络结构中并对红外图像中的瓷绝缘子进行矩形框标注。本发明可以对红外图像中的瓷绝缘子进行矩形框标注以获取像素级别的绝缘子掩模，解决了现有的瓷绝缘子红外图像分割处理方法存在样本标注准确度低的问题。
-
公开(公告)号：CN115545191B
公开(公告)日：2023-05-16
申请号：CN202211528584.0
申请日：2022-12-01
申请人： 中国南方电网有限责任公司超高压输电公司广州局 , 广东双电科技有限公司
IPC分类号： G06F18/214 , G06N3/04 , G06N3/048 , H02H9/02
摘要： 本申请涉及一种电流降噪网络模型训练方法及故障限流器电流降噪方法。该模型训练方法包括：初始化电流降噪网络模型的权重和偏置；获取真实电流数据以及检测精度样本数据；基于真实电流数据和检测精度样本数据得到至少一个初始训练数据集合，其中的电流数据的差值小于或等于预设阈值；从每个初始训练数据集合中随机选取样本数据，得到训练样本集和检验样本集；将上述样本数据输入至电流降噪网络模型，得到对应的预测降噪电流；将上述预测降噪电流和检验样本集输入至降噪损失函数模型，得到损失值，并确定训练过程中最小损失值所对应的电流降噪网络模型为训练好的电流降噪网络模型。采用本方法能够提高故障限流器限流准确性。
-
公开(公告)号：CN115661033A
公开(公告)日：2023-01-31
申请号：CN202211170278.4
申请日：2022-09-22
申请人： 广东双电科技有限公司
摘要： 本发明提供了一种用于瓷绝缘子红外图像的框监督实例分割方法，其包括如下步骤：构建瓷绝缘子红外图像特征提取网络；构建瓷绝缘子红外图像特征融合网络；构建瓷绝缘子红外图像目标信息共享结构，获取每个目标的掩模网络参数；构建瓷绝缘子红外图像掩模分支；嵌入双重自注意力模块；引入矩形框标注技术，对瓷绝缘子红外图像的瓷绝缘子进行矩形框注释；设计检测网络总损失函数；设计分割网络损失函数；构建瓷绝缘子红外图像分割网络，对瓷绝缘子红外图像进行分割。本发明以采用矩形框的标注形式，克服了现有技术中绝缘子红外成像形状不规则、样本标注麻烦繁琐、运行速度慢的问题。
-
公开(公告)号：CN113920047A
公开(公告)日：2022-01-11
申请号：CN202111162716.8
申请日：2021-09-30
申请人： 广东双电科技有限公司
摘要： 本发明提供了一种基于混合曲率滤波器的红外与可见光图像融合方法，包括如下步骤：对红外图像进行图像分解以获取红外图像细节层、粗糙层以及基础层；对可见光图像进行图像分解以获取可见光图像细节层、粗糙层以及基础层；分别对红外图像与可见光图像细节层、粗糙层以及基础层进行融合，以获取小尺寸层、大尺寸层以及融合后的基础层；对小尺寸层、大尺寸层以及融合后的基础层进行叠加以获取红外与可见光融合图像。本发明解决了现有融合图像处理方法在对红外图像与可见光图像进行融合处理时存在细节纹理信息易丢失的问题，保留了源图像的细节纹理信息、边缘信息以及结构信息，可以呈现更好的视觉感知效果。
-
公开(公告)号：CN115631092A
公开(公告)日：2023-01-20
申请号：CN202211185625.0
申请日：2022-09-27
申请人： 广东双电科技有限公司
IPC分类号： G06T3/40 , G06N3/0475 , G06N3/08
摘要： 本发明提供了一种用于GIS设备缺陷区域X‑DR图像超分辨率方法，包括：构建GIS设备X‑DR图像退化模型；构建GIS设备X‑DR超分辨率图像生成器；构建GIS设备X‑DR图像鉴别器；设计图像鉴别器的总损失函数LD＝λ1LD1+λ2LD2以及图像生成器的总损失函数LG＝Lprecep+λ3LG1+λ4LG2+ηL1；构建GIS设备X‑DR图像超分辨网络；S6，通过GIS设备X‑DR图像超分辨网络生成GIS设备X‑DR超分辨率图像；其中，LD1表示第一个鉴别器的损失函数，LD2表示第二个鉴别器的损失函数，Lprecep表示感知损耗，L1表示L1损失函数，LG1以及LG2分别表示第一个鉴别器以及第二第二个鉴别器个对应的生成器的损失函数。本发明生成的GIS设备X‑DR超分辨率图像有利于提高缺陷检测的精确度，可以为GIS设备的状态检测和安全运行提供重要的技术手段。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.064 秒)
