-
公开(公告)号：CN110008877B
公开(公告)日：2023-07-18
申请号：CN201910235821.6
申请日：2019-03-27
申请人： 国网内蒙古东部电力有限公司 , 国网电力科学研究院武汉南瑞有限责任公司
IPC分类号： G06V20/52 , G06V10/82 , G06N3/0464
摘要： 本发明公开了一种基于Faster RCNN的变电站隔离开关检测识别方法，包括以下步骤：获取变电站的监测图像；将所述监测图像输入Faster RCNN判断模型，获取隔离开关的可能目标窗口；通过分类识别网络从所述可能目标窗口中获取隔离开关窗口。本发明通过深度神经网络对变电站监测图像进行特征提取，减少人工参与程度，避免传统图像处理方法带来的误判问题，避免了传统手工提取特征的误差和不全面性，且利用CNN网络提取的隔离开关特征具备较强的鲁棒性，在检索图像背景复杂或监测角度变化时，仍能保持较好的检索精度，将隔离开关的定位和识别放在同一模型中进行，很大程度上提高关键设备检索效率。
-
公开(公告)号：CN110008877A
公开(公告)日：2019-07-12
申请号：CN201910235821.6
申请日：2019-03-27
申请人： 国网内蒙古东部电力有限公司 , 国网电力科学研究院武汉南瑞有限责任公司
摘要： 本发明公开了一种基于Faster RCNN的变电站隔离开关检测识别方法，包括以下步骤：获取变电站的监测图像；将所述监测图像输入Faster RCNN判断模型，获取隔离开关的可能目标窗口；通过分类识别网络从所述可能目标窗口中获取隔离开关窗口。本发明通过深度神经网络对变电站监测图像进行特征提取，减少人工参与程度，避免传统图像处理方法带来的误判问题，避免了传统手工提取特征的误差和不全面性，且利用CNN网络提取的隔离开关特征具备较强的鲁棒性，在检索图像背景复杂或监测角度变化时，仍能保持较好的检索精度，将隔离开关的定位和识别放在同一模型中进行，很大程度上提高关键设备检索效率。
-
公开(公告)号：CN109829916A
公开(公告)日：2019-05-31
申请号：CN201910161716.2
申请日：2019-03-04
申请人： 国网内蒙古东部电力有限公司 , 国网电力科学研究院武汉南瑞有限责任公司
摘要： 本发明公开了一种基于CNN的变压器故障诊断方法，包括以下步骤：步骤1，获取变压器的监测图像；步骤2，将所述监测图像输入CNN判断模型，获取所述监测图像为正常状态变压器的概率值；步骤3，判断所述概率值是否低于设置的概率阈值，若是，则判断所述变压器为故障状态。本发明通过利用深度神经网络对变压器的监测图像进行故障状态判断和诊断，降低了传统故障诊断的计算复杂度，能够有效提高了变电站内变压器故障识别诊断的效率以及诊断结果的精确度，并且具备较强的鲁棒性，可以处理不同变电站背景的监测图像。
-
公开(公告)号：CN110298402A
公开(公告)日：2019-10-01
申请号：CN201910584768.0
申请日：2019-07-01
申请人： 国网内蒙古东部电力有限公司 , 南京南瑞集团公司 , 华东师范大学
摘要： 本发明公开一种小目标检测性能优化方法，其特点是使用上下文关系矩阵和基于上下文的筛选方法，将上下文信息融入YOLOV3目标检测网络，结合YOLOV3优秀的基础目标检测网络，进而提升小目标检测的准确度，优化了小目标检测的性能。本发明与现有技术相比具有通过上下文关系矩阵和基于上下文的筛选，将上下文信息融入到YOLOV3目标检测网络，结合YOLOV3优秀的基础目标检测网络，进而提升小目标检测的准确度，最后提升了小目标检测的性能，使用方便，尤其在各领域的运用发挥了最大的经济效益。
-
-
-
搜索结果
4 条记录 (耗时 0.104 秒)
