-
公开(公告)号:CN116912637B
公开(公告)日:2023-12-22
申请号:CN202311174427.9
申请日:2023-09-13
申请人: 国网山东省电力公司济南供电公司 , 中国科学院自动化研究所
IPC分类号: G06V10/774 , G06V10/77 , G06V10/25 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/082 , G06T7/00
摘要: 本发明公开了一种输变电缺陷识别的方法、装置、计算机设备和存储介质,属于图像处理技术领域,应用于变电站场景的方法包括:获取变电站缺陷检测数据集,对变电站缺陷检测数据集进行图像预处理,生成样本集;利用训练集训练卷积神经网络,建立基于YoloV3模型的变电站缺陷识别模型;基于双门动态剪枝方法对变电站缺陷识别模型进行轻量化处理,获得轻量化变电站缺陷识别模型:利用验证集对轻量化变电站缺陷识别模型进行验证;实时采集变电站缺陷监测图像,并输入轻量化变电站缺陷识别模型进行变电站缺陷检测。本发明能够及时发现和鉴别变电站(56)对比文件琚泽立 等.基于轻量化网络的变电站缺陷图片检测算法.电网与清洁能源.2020,(08),第47-53页.胥明凯 等.应用于GIS绝缘缺陷诊断的改进BP神经网络识别方法《.第三届智能电网会议论文集——智能用电》.2019,第288-291页.Mashhadi M.B et.al.Pruning thePilots: Deep Learning-Based Pilot Designand Channel Estimation for MIMO-OFDMSystems《.IEEE TRANSACTIONS ON WIRELESSCOMMUNICATIONS》.2021,第20卷(第10期),第6315-28页.周仿荣;方明;马御棠;潘浩.基于YOLO v3的输电线路缺陷快速检测方法.云南电力技术.2020,(04),第116-120页.
-
公开(公告)号:CN116167413A
公开(公告)日:2023-05-26
申请号:CN202310422590.6
申请日:2023-04-20
申请人: 国网山东省电力公司济南供电公司 , 中国科学院自动化研究所
IPC分类号: G06N3/0464 , G06N3/042 , G06N3/082 , G06N3/092
摘要: 本发明公开了一种深度卷积神经网络量化剪枝联合优化的方法及系统,属于图像处理技术领域,方法包括:获取待处理对象图像的数据集;利用所述数据集训练待优化神经网络模型,并初始化神经网络模型参数,神经网络模型参数包括评价网络、执行网络、目标评价网络和目标执行网络参数;使用基于强化学习的量化剪枝策略学习方法得到神经网络模型最优的权重剪枝率、权重量化率、输入特征量化率;使用基于蒸馏和量化熵正则后训练方法重新训练神经网络,得到优化后的神经网络模型参数;利用最优的权重剪枝率、权重量化率、输入特征量化率对神经网络模型进行优化,得到最终的神经网络模型。本发明使深度卷积神经网络提升了模型性能,实现了加速与压缩。
-
公开(公告)号:CN116912637A
公开(公告)日:2023-10-20
申请号:CN202311174427.9
申请日:2023-09-13
申请人: 国网山东省电力公司济南供电公司 , 中国科学院自动化研究所
IPC分类号: G06V10/774 , G06V10/77 , G06V10/25 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/082 , G06T7/00
摘要: 本发明公开了一种输变电缺陷识别的方法、装置、计算机设备和存储介质,属于图像处理技术领域,应用于变电站场景的方法包括:获取变电站缺陷检测数据集,对变电站缺陷检测数据集进行图像预处理,生成样本集;利用训练集训练卷积神经网络,建立基于YoloV3模型的变电站缺陷识别模型;基于双门动态剪枝方法对变电站缺陷识别模型进行轻量化处理,获得轻量化变电站缺陷识别模型:利用验证集对轻量化变电站缺陷识别模型进行验证;实时采集变电站缺陷监测图像,并输入轻量化变电站缺陷识别模型进行变电站缺陷检测。本发明能够及时发现和鉴别变电站和输电线路缺陷,提高了变电站和输电线路运维自动化水平和电网运行安全,也适用于输电线路场景。
-
公开(公告)号:CN115620147B
公开(公告)日:2023-04-07
申请号:CN202211502842.8
申请日:2022-11-29
申请人: 国网山东省电力公司济南供电公司
IPC分类号: G06V20/10 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
摘要: 本发明公开了一种深度卷积神经网络的可微架构搜索方法及装置,应用于输电线路隐患分析场景或变电站缺陷检测场景,属于神经网络架构搜索技术领域,方法包括以下步骤:采集待检测数据,所述待检测数据包括输电线路隐患分析数据集或变电站缺陷检测数据;计算神经网络权重和神经网络架构参数,得到神经网络的最优架构;采用与任务无关的模型中间层特征的最大编码率缩减作为网络架构性能标准进行搜索;采用与任务相关的模型中间层时域特征和频域特征的最大编码率缩减作为网络架构性能标准进行搜索。本发明能够实现深度卷积神经网络的加速与压缩,解决输电线路隐患分析场景和变电站缺陷检测场景中是隐患问题。
-
公开(公告)号:CN115620147A
公开(公告)日:2023-01-17
申请号:CN202211502842.8
申请日:2022-11-29
申请人: 国网山东省电力公司济南供电公司
IPC分类号: G06V20/10 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
摘要: 本发明公开了一种深度卷积神经网络的可微架构搜索方法及装置,应用于输电线路隐患分析场景或变电站缺陷检测场景,属于神经网络架构搜索技术领域,方法包括以下步骤:采集待检测数据,所述待检测数据包括输电线路隐患分析数据集或变电站缺陷检测数据;计算神经网络权重和神经网络架构参数,得到神经网络的最优架构;采用与任务无关的模型中间层特征的最大编码率缩减作为网络架构性能标准进行搜索;采用与任务相关的模型中间层时域特征和频域特征的最大编码率缩减作为网络架构性能标准进行搜索。本发明能够实现深度卷积神经网络的加速与压缩,解决输电线路隐患分析场景和变电站缺陷检测场景中是隐患问题。
-
-
-
-