-
公开(公告)号：CN111027422A
公开(公告)日：2020-04-17
申请号：CN201911183553.4
申请日：2019-11-27
申请人： 国网山东省电力公司电力科学研究院 , 国网智能科技股份有限公司
摘要： 本发明公开了一种应用于输电线路走廊的应急无人机巡检方法及系统，包括：确定无人机巡检航迹路线，进行巡检图像信息采集；在采集到的图像中写入具体的GPS信息，形成图像标号与GPS信息的对应序列；按照拍摄的时间顺序对巡检图像进行拼接，获取输电线路走廊的通道全景信息；利用获得的通道全景信息，判断输电线路走廊中存在的灾害缺陷类型及面积。本发明有益效果：巡检系统搭载可见光相机并结合全景拼接技术进行对通道走廊信息的可视化采集与全景展示，实现了走廊灾况的快速、精准获取。
-
公开(公告)号：CN110648319A
公开(公告)日：2020-01-03
申请号：CN201910886654.1
申请日：2019-09-19
申请人： 国网山东省电力公司电力科学研究院 , 国网智能科技股份有限公司
摘要： 本公开提供了一种基于双相机的设备图像采集诊断系统及方法,包括可变焦相机、不可变焦相机、前端处理模块、标准电源接口和标准通信接口，其中：不可变焦相机被配置为进行一次图像采集，所述可变焦相机被配置为进行二次识别图像采集，所述前端处理模块被配置为利用卷积神经网络对采集图像的实时识别与诊断分析，所述标准电源接口和标准通信接口，可通过多款设备为系统供电并与通信。本公开能够实现设备缺陷的前端实时识别，并通过两个相机同时动作，完成设备缺陷的采集和诊断，避免单相机多步骤完成不同功能，打破行业内的使用单相机既分析又采集的常规做法，极大的提高设备图像采集效率，同时适配多种设备。
-
公开(公告)号：CN110688925A
公开(公告)日：2020-01-14
申请号：CN201910887482.X
申请日：2019-09-19
申请人： 国网山东省电力公司电力科学研究院 , 国网智能科技股份有限公司
摘要： 本公开提供了基于深度学习的级联目标识别方法及系统，获取巡检图像的待检测样本，对目标检测样本标记，并对样本数量进行扩充；融合图像增强数据的多特征进行多级深度学习检测算法，实现针对占比较大目标的显著设备检测，剔除复杂背景对检测算法的噪声干扰；融合图像增强数据的多特征进行多级深度学习算法检测，提高深度学习在小目标检测中的检测准确率，降低了图像质量对检测算法的影响。
-
公开(公告)号：CN109377459A
公开(公告)日：2019-02-22
申请号：CN201811166453.6
申请日：2018-09-30
申请人： 国网山东省电力公司电力科学研究院 , 山东鲁能智能技术有限公司 , 国家电网有限公司
摘要： 本发明提供了一种生成式对抗网络的超分辨率去模糊方法，包括：S1、运用DRCN网络结构，组成超分辨率深度卷积网络，建立对抗网络模型；S2、结合SRGAN网络代价函数，提升对抗网络性能；S3、选择清晰图片，进行高斯噪声、运动模糊添加，实现训练。本发明针对运动模糊的特征进行分析，对样本人工噪声进行设计，加入散焦模糊核、多方向运动模糊核，实现模糊图像两倍放大的超分辨率去运动模糊处理，并对无人机拍摄的模糊图像进行实验分析，可以极大降低专业知识经验对去模糊算法设计的影响。
-
公开(公告)号：CN117274723B
公开(公告)日：2024-03-26
申请号：CN202311557590.3
申请日：2023-11-22
申请人： 国网智能科技股份有限公司 , 国网山东省电力公司济南供电公司
发明人： 刘广秀 , 王万国 , 李振宇 , 王童 , 许荣浩 , 王勇 , 刘晗 , 徐康 , 陈霞 , 梁栋 , 张纪伟 , 邱镇 , 卢大玮 , 王晓辉 , 郭鹏天 , 李黎 , 陈勇 , 周飞 , 张国梁 , 王博 , 宋明黎 , 宋杰
IPC分类号： G06V10/764 , G06V10/774 , G06V10/778 , G06V10/25 , G06V10/26 , G06V10/82 , G06N3/042 , G06N3/096
摘要： 本发明涉及图像处理技术领域，本发明公开了一种用于输电巡检的目标识别方法、系统、介质及设备，包括：获取巡检图像，通过业务模型，得到输电设备缺陷；其中，业务模型的获取步骤包括：基于分块后的掩膜图中的前景区域的外接矩形，将分块后的虚拟可视化图像划分为前景图和背景图，基于所述前景图和背景图，训练得到前景背景分类模型；采用所述前景背景分类模型，对无标签数据集中的巡检图像分类，得到前景图和背景图；基于分类得到的前景图和背景图，运用掩码自编码器模型架构对教师模型进行预训练，并通过知识蒸馏，得到学生模型后，使用标签数据集对学生模型进行迁移学习，得到业务模型。提高了输电设备缺陷的识别精度。
-
公开(公告)号：CN117253107A
公开(公告)日：2023-12-19
申请号：CN202311226875.9
申请日：2023-09-21
申请人： 国网智能科技股份有限公司
IPC分类号： G06V10/774 , G06V10/82 , G06V10/77 , G06N3/08 , G06N3/0464 , G06V10/80
摘要： 本发明涉及电力巡检技术领域，提供了一种用于配电网巡检缺陷识别的样本扩充方法及系统，包括：获取配电网巡检图像及缺陷描述；将所述配电网巡检图像加入噪声，得到临时图像矩阵；将所述缺陷描述转为文本向量，将文本向量与临时图像矩阵利用梯度场引导融合进行融合；基于融合后的结果，使用神经网络预测噪声；将临时图像矩阵减去预测的噪声后，转化为生成图像。保证了生成高质量的配电网巡检缺陷图像，实现配电网巡检图像小样本的扩充和处理。
-
公开(公告)号：CN110688925B
公开(公告)日：2022-11-15
申请号：CN201910887482.X
申请日：2019-09-19
申请人： 国网智能科技股份有限公司
IPC分类号： G06V20/00 , G06V10/764 , G06V10/774 , G06V10/20 , G06V10/30 , G06V10/82 , G06N3/08
摘要： 本公开提供了基于深度学习的级联目标识别方法及系统，获取巡检图像的待检测样本，对目标检测样本标记，并对样本数量进行扩充；融合图像增强数据的多特征进行多级深度学习检测算法，实现针对占比较大目标的显著设备检测，剔除复杂背景对检测算法的噪声干扰；融合图像增强数据的多特征进行多级深度学习算法检测，提高深度学习在小目标检测中的检测准确率，降低了图像质量对检测算法的影响。
-
公开(公告)号：CN114782822A
公开(公告)日：2022-07-22
申请号：CN202210556725.3
申请日：2022-05-19
申请人： 国网智能科技股份有限公司
IPC分类号： G06V20/10 , G06V10/20 , G06V10/28 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G06T7/00
摘要： 本发明实施例公开了一种电力设备的状态检测方法、装置、电子设备及存储介质，其中，该方法包括：获取待检测电力设备的设备巡检图像以及设备标准图像，并确定设备巡检图像和设备标准图像的图像相似度；如果图像相似度不满足预设的设备状态正常条件，则根据设备巡检图像和设备标准图像确定待检测图像；将待检测图像输入至预先训练完成的设备状态检测模型中，得到待检测电力设备的设备状态检测结果，其中，设备状态检测模型基于样本检测图像以及与样本检测图像对应的设备状态训练得到，样本检测图像中标注有用于表征设备状态的表征区域。本发明实施例的技术方案，能够实现电力设备运行状态的精准检测，有效提高电力设备状态检测的检测效率。
-
公开(公告)号：CN113851116A
公开(公告)日：2021-12-28
申请号：CN202111101999.5
申请日：2021-09-18
申请人： 国网智能科技股份有限公司
摘要： 本发明属于电力移动巡检语音识别技术领域，提供了一种巡检场景下的电力设备语音识别方法及系统。该方法包括，获取通用语音数据集和电力移动巡检语音数据集，并进行预处理；采用通用语音数据集，基于LAS模型，进行语音识别训练，得到训练好的语音识别模型；对所述电力移动巡检语音数据集在训练好的语音识别模型上进行训练，对训练好的语音识别模型参数进行微调，得到电力移动巡检语音识别模型；基于待测的电力移动巡检语音数据，采用电力移动巡检语音识别模型，识别得到电力移动巡检的文本。
-
公开(公告)号：CN113031484A
公开(公告)日：2021-06-25
申请号：CN202110271671.1
申请日：2021-03-12
申请人： 国网智能科技股份有限公司
IPC分类号： G05B19/042
摘要： 本发明公开了一种电力巡检嵌入式边缘智能系统及方法，包括：数据采集模块、数据计算模块、数据输出模块和嵌入式CPU模块；嵌入式CPU模块被配置为仅分别向数据采集模块、数据计算模块和数据输出模块发送数据调度指令；数据采集模块被配置为向数据计算模块和/或数据输出模块分别单向传输采集到的电力巡检数据；所述数据计算模块配置为对接收到的电力巡检数据进行计算并将计算结果单向传送至数据输出模块。本发明通过双向指令调度、单向数据传输的方式，CPU不再是传统的接收数据‑分配数据的方式，而是通过指令直接调度其他单元的数据交互，其他单元之间的数据传输不需经过CPU，可直接进行传输，提高数据传输效率。
-
-
-
-
-
-
-
-
-
搜索结果
56 条记录 (耗时 0.06 秒)
