-
公开(公告)号：CN110263661B
公开(公告)日：2023-11-17
申请号：CN201910448574.8
申请日：2019-05-28
Applicant: 国网山东省电力公司电力科学研究院 , 南瑞集团有限公司 , 安徽南瑞继远电网技术有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于新颜色空间与fast‑LOF的火焰检测方法，包括以下步骤：对采集的视频图像进行预处理形成第一处理图像；对第一处理图像进行颜色空间变换形成第二处理图像；对第二处理图像进行fast‑LOF学习；利用学习获得的视觉字典进行火焰的检测。本发明还公开一种基于新颜色空间与fast‑LOF的火焰检测装置。本发明能够克服传统的方法难以检测早期弱小火苗的缺陷，将ＲGB转换到新的颜色空间，能够有效地消除反射亮光的干扰；采用fast‑LOF训练视觉字典，模型训练环节简单、快速，同时样本的多样性也提高了对不同场景的适应性；通过字典匹配，剔除非火焰区域，从而提高火焰的精度；本发明采用新的颜色空间与fast‑LOF相结合的方式检测火焰，可以实现对早期弱小火焰的检测。
-
公开(公告)号：CN110378222B
公开(公告)日：2023-10-27
申请号：CN201910513440.X
申请日：2019-06-14
Applicant: 南瑞集团有限公司 , 国网山东省电力公司电力科学研究院 , 安徽南瑞继远电网技术有限公司 , 国家电网有限公司
IPC: G06V20/10 , G06V10/25 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/766 , G06N3/045 , G06N3/0464 , G06N3/084 , G06T7/00
Abstract: 本发明公开了一种输电线路防震锤目标检测与缺陷识别方法，包括以下步骤：通过图像采集装置获取防震锤图片；对防震锤图片进行预处理得到预处理图片；构建特征提取模块、特征增强模块和像素级预测模块；对特征提取模块、特征增强模块和像素级预测模块进行连接优化，建立训练模型；将预处理图片输入训练模型中进行测试，实现对预处理图片中防震锤的目标检测和识别。本发明还提出一种输电线路防震锤目标检测与缺陷识别装置。本发明极大的提高高分辨率图片的检测速度；一定程度减少计算，实现快速且精准的防震锤目标检测与缺陷识别，提高电力巡检工作的效率。
-
公开(公告)号：CN110634127A
公开(公告)日：2019-12-31
申请号：CN201910671015.3
申请日：2019-07-24
Applicant: 安徽南瑞继远电网技术有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种输电线路防震锤目标检测与缺陷识别方法，包括以下步骤：通过图像采集装置获取防震锤图片；对防震锤图片进行预处理得到预处理图片；构建特征提取模块、特征增强模块和像素级预测模块；对特征提取模块、特征增强模块和像素级预测模块进行连接优化，建立训练模型；将预处理图片输入训练模型中进行测试，实现对预处理图片中防震锤的目标检测和识别。本发明还提出一种输电线路防震锤目标检测与缺陷识别装置。本发明极大的提高高分辨率图片的检测速度；一定程度减少计算，实现快速且精准的防震锤目标检测与缺陷识别，提高电力巡检工作的效率。
-
公开(公告)号：CN110618129A
公开(公告)日：2019-12-27
申请号：CN201910671043.5
申请日：2019-07-24
Applicant: 安徽南瑞继远电网技术有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种电网线夹自动检测与缺陷识别方法，包括以下步骤：通过图像采集模块获取线夹图片；对线夹图片进行训练获取线夹类型；对线夹图片进行分类删选；对故障线夹进行识别并输出。本发明还公开一种电网线夹自动检测与缺陷识别装置。本发明通过图像采集模块对输电线路上的线夹进行图像采集，通过采用Faster R-CNN技术对线夹图片进行训练，采用增广训练技术，解决了对于新的线夹特征需要重新训练造成的时间长，模型更新周期慢的缺陷，对线夹的故障检测，极大地节省了检修成本，使巡线系统更为高效和智能。
-
公开(公告)号：CN110581933A
公开(公告)日：2019-12-17
申请号：CN201910667355.9
申请日：2019-07-23
Applicant: 国网山东省电力公司电力科学研究院 , 国网安徽省电力有限公司 , 安徽南瑞继远电网技术有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种视频优化处理系统，包括：初始图像库，用于存储原始图像；视频抖动检测模块，用于对原始图像进行检测，判断原始图像是否为抖动图像；视频抖动修正模块，对抖动图像进行修正得到修正图像；图像播放库，用于存储无抖动图像和修正后的修正图像；所述视频抖动检测模块与初始图像库、图像播放库和视频抖动修正模块连接，所述视频抖动修正模块与初始图像库和图像播放库连接。本发明还提供一种视频优化处理系统、处理终端设备及存储介质。本发明通过子区域块的划分，针对每一帧图像，以子区域块为单位进行抖动消除和运动补偿，保证了存在抖动模糊的图像的修复效率和品质，保证视频播放速率。
-
Patent Agency Ranking
公开(公告)号：CN110599445A
公开(公告)日：2019-12-20
申请号：CN201910671382.3
申请日：2019-07-24
Applicant: 安徽南瑞继远电网技术有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种电网螺母和销的目标鲁棒检测与缺陷识别方法，包括以下步骤：通过图像采集模块采集并筛选出目标图片集；对目标图片集进行标注并存储；构建深度学习模型形成训练模型；根据训练模型对增广图片进行检测识别。本发明还提出一种电网螺母和销的目标鲁棒检测与缺陷识别装置。本发明在检测模型训练阶段，研究斜视螺母和销样本稀少时的深度神经网络模型训练技术，利用基于透视变换的斜视训练数据增广方法，实现螺母和销样本不足与不平衡的鲁棒斜视的自动检测与缺陷识别。
-
公开(公告)号：CN110378222A
公开(公告)日：2019-10-25
申请号：CN201910513440.X
申请日：2019-06-14
Applicant: 安徽南瑞继远电网技术有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种输电线路防震锤目标检测与缺陷识别方法，包括以下步骤：通过图像采集装置获取防震锤图片；对防震锤图片进行预处理得到预处理图片；构建特征提取模块、特征增强模块和像素级预测模块；对特征提取模块、特征增强模块和像素级预测模块进行连接优化，建立训练模型；将预处理图片输入训练模型中进行测试，实现对预处理图片中防震锤的目标检测和识别。本发明还提出一种输电线路防震锤目标检测与缺陷识别装置。本发明极大的提高高分辨率图片的检测速度；一定程度减少计算，实现快速且精准的防震锤目标检测与缺陷识别，提高电力巡检工作的效率。
-
公开(公告)号：CN110378221A
公开(公告)日：2019-10-25
申请号：CN201910513439.7
申请日：2019-06-14
Applicant: 安徽南瑞继远电网技术有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种电网线夹自动检测与缺陷识别方法，包括以下步骤：通过图像采集模块获取线夹图片；对线夹图片进行训练获取线夹类型；对线夹图片进行分类删选；对故障线夹进行识别并输出。本发明还公开一种电网线夹自动检测与缺陷识别装置。本发明通过图像采集模块对输电线路上的线夹进行图像采集，通过采用Faster R-CNN技术对线夹图片进行训练，采用增广训练技术，解决了对于新的线夹特征需要重新训练造成的时间长，模型更新周期慢的缺陷，对线夹的故障检测，极大地节省了检修成本，使巡线系统更为高效和智能。
-
公开(公告)号：CN110581934A
公开(公告)日：2019-12-17
申请号：CN201910667371.8
申请日：2019-07-23
Applicant: 安徽南瑞继远电网技术有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种视频抖动消除方法，包括以下步骤：将视频帧划分为若干子区域块，并对子区域块进行筛选得到筛选视频帧；对筛选视频帧采用运动估计进行运动补偿得到补偿视频帧。本发明还公开了一种视频抖动消除装置、视频抖动消除设备和一种计算机可读存储介质。本发明根据灰度梯度识别视频抖动，算法简单；通过运动估计进行运动补偿，保证了最终获得的视频帧的品质。
-
公开(公告)号：CN119579976A
公开(公告)日：2025-03-07
申请号：CN202411656501.5
申请日：2024-11-19
Applicant: 中国电力科学研究院有限公司 , 国网江苏省电力有限公司南京供电分公司 , 国家电网有限公司 , 国网江苏省电力有限公司 , 国网山东省电力公司电力科学研究院
IPC: G06V10/764 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本发明属于电力输电线路领域，公开了一种输电线路缺陷识别方法、系统、设备及存储介质，包括获取输电线路采样图像；将输电线路采样图像输入至预训练的输电线路缺陷识别模型中，得到输电线路的缺陷识别结果；其中，输电线路缺陷识别模型包括基于卷积神经网络的特征提取模块、自适应注意力模块、多层特征融合模块以及改进的Softmax分类器。针对小样本场景下输电线路缺陷识别精度不高的问题，通过引入自适应注意力模块和多层特征融合模块，提升了网络的特征提取能力，增强了网络的特征表示，从而在小样本场景下也能取得良好的识别效果。使用改进的Softmax分类器，使得分类器在判断类别时更加关注样本之间的相似性，进一步优化了少样本分类效果。
-
-
-
-
-
-
-
-
-
Search Results
261
records
(took 0.076 seconds)
