-
公开(公告)号：CN112702708B
公开(公告)日：2022-07-08
申请号：CN202011516464.X
申请日：2020-12-21
申请人： 国网安徽省电力有限公司检修分公司 , 合肥中科类脑智能技术有限公司
摘要： 本发明公开了一种变电站射频传感器自组网数据传输方法，该变电站射频传感器自组网数据传输方法包括：1)组建传感器网络，传感器网络由数据汇聚装置和多个传感器节点构成，传感器网络为至少一层星型拓扑结构；2)传感器根据布置点的信号强度，在系统局部自动组建子网络，同时相对应的传感器充当数据汇聚节点角色；3)同一数据汇聚节点下的子网络中的所有传感器均通过对应的数据汇聚节点统一与上级网络进行数据交换。该变电站射频传感器自组网数据传输方法可以保证信号不佳处的数据采集可靠性。
-
公开(公告)号：CN112702708A
公开(公告)日：2021-04-23
申请号：CN202011516464.X
申请日：2020-12-21
申请人： 国网安徽省电力有限公司检修分公司 , 合肥中科类脑智能技术有限公司
摘要： 本发明公开了一种变电站射频传感器自组网数据传输方法，该变电站射频传感器自组网数据传输方法包括：1)组建传感器网络，传感器网络由数据汇聚装置和多个传感器节点构成，传感器网络为至少一层星型拓扑结构；2)传感器根据布置点的信号强度，在系统局部自动组建子网络，同时相对应的传感器充当数据汇聚节点角色；3)同一数据汇聚节点下的子网络中的所有传感器均通过对应的数据汇聚节点统一与上级网络进行数据交换。该变电站射频传感器自组网数据传输方法可以保证信号不佳处的数据采集可靠性。
-
公开(公告)号：CN112699925A
公开(公告)日：2021-04-23
申请号：CN202011543751.X
申请日：2020-12-23
申请人： 国网安徽省电力有限公司检修分公司 , 中国科学技术大学先进技术研究院
摘要： 本发明公开了一种变电站表计图像分类方法，该变电站表计图像分类方法包括以下步骤：A1)使用目标检测网络对原始图像进行表计检测；A2)根据表计检测的结果，从原始图像中裁剪出表计区域；A3)将所裁剪出表计区域的表计图像用弱监督的细粒度网络进行分类。该变电站表计图像分类方法解决了基于视频监控表计识别过程中表计图像分类的问题，同时提高了图像中表计的检出率和分类的正确率。
-
公开(公告)号：CN113052140A
公开(公告)日：2021-06-29
申请号：CN202110450263.2
申请日：2021-04-25
申请人： 合肥中科类脑智能技术有限公司 , 国网安徽省电力有限公司
摘要： 本发明公开了一种基于视频的变电站人员车辆违规检测方法及系统，属于图像检测技术领域，包括以下步骤：S1：人员和车辆目标检测；S2：人员和车辆位置违规检测；S3：人员图像裁剪；S4：安全帽、香烟检测及工装分类。本发明采用级联的方法解决变电站违规问题，在第一级使用实时检测器，在后面层级针对每个具体问题具体分析，采用分类和检测相结合的方法，可以在牺牲少量速度的前提下大大提高精度；通过分类来解决人员工装违规问题，可以减少人工数据标注量，覆盖更多的工装数据，从而降低误检率，同时分类可以保证每个人员必定会被分成工装正常和未穿工装，降低漏检率；把人员图像单独裁剪出来进行吸烟和安全帽检测，提高了检出精度。
-
公开(公告)号：CN113052876A
公开(公告)日：2021-06-29
申请号：CN202110448773.6
申请日：2021-04-25
申请人： 合肥中科类脑智能技术有限公司 , 国网安徽省电力有限公司
摘要： 本发明公开了一种基于深度学习的视频接力跟踪方法及系统，属于视频追踪技术领域，包括以下步骤：S1：获得目标位置和目标深度特征；S2：进行IOU匹配；S3：进行特征相似性度量；S4：目标接力跟踪。本发明采用无锚框的目标检测算法作为变电监控环境中的检测算法，并针对变电场景选择合适主干网络并训练特定目标检测器，以适应不同硬件设备的部署；采用基于深度学习的特征提取网络提取的鲁棒特征用于跨摄像头目标关联匹配，可以提高变电站监控智能化水平，以应对无人值守环境下大场景或大范围内实现可疑目标检测和连续跟踪，值得被推广使用。
-
公开(公告)号：CN113052876B
公开(公告)日：2022-09-02
申请号：CN202110448773.6
申请日：2021-04-25
申请人： 合肥中科类脑智能技术有限公司 , 国网安徽省电力有限公司
摘要： 本发明公开了一种基于深度学习的视频接力跟踪方法及系统，属于视频追踪技术领域，包括以下步骤：S1：获得目标位置和目标深度特征；S2：进行IOU匹配；S3：进行特征相似性度量；S4：目标接力跟踪。本发明采用无锚框的目标检测算法作为变电监控环境中的检测算法，并针对变电场景选择合适主干网络并训练特定目标检测器，以适应不同硬件设备的部署；采用基于深度学习的特征提取网络提取的鲁棒特征用于跨摄像头目标关联匹配，可以提高变电站监控智能化水平，以应对无人值守环境下大场景或大范围内实现可疑目标检测和连续跟踪，值得被推广使用。
-
公开(公告)号：CN113052139A
公开(公告)日：2021-06-29
申请号：CN202110448771.7
申请日：2021-04-25
申请人： 合肥中科类脑智能技术有限公司 , 国网安徽省电力有限公司
摘要： 本发明公开了一种基于深度学习双流网络的攀爬行为检测方法及系统，属于机器视觉对行为识别技术领域，包括以下步骤：S1：目标检测、跟踪并编号；S2：裁剪目标视频片段；S3：随机采样；S4：动作分类。本发明通过学习得到的分类网络具有很好的鲁棒性，在不同光照、不同天气下也能精准分类，实现复杂条件下的多人行为检测；并对视频进行裁剪，去掉多余的背景信息大幅提高了算法执行效率，利用行人跟踪随机采样的方法使检测效率得到有效提升，值得被推广使用。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.082 秒)
