一种神经网络硬件低功耗定制化的开发工具

    公开(公告)号:CN110045951A

    公开(公告)日:2019-07-23

    申请号:CN201910321710.7

    申请日:2019-04-22

    IPC分类号: G06F8/30 G06N3/063

    摘要: 本发明公开了一种神经网络硬件低功耗定制化的开发工具,属于开发工具领域,包括以下步骤:S1:源码加工,源码加工的操作步骤为用户提供编码、用户输入参数与开发工具输出;S2:生成调节策略,将S1中最后生成的源码下载到硬件上运行,钩子函数将需要监听的功能段负载、电压、频率等信息以文本格式输出;S3:生成工程码源,生成工程码源,生成并输出包含调节函数的工程应用代码。该神经网络硬件低功耗定制化的开发工具,提前将电压、频率调节策略写入,不依赖于现场预测,防止预测错误导致实时性要求高的应用无法正常使用,本专利生产的工程文件,没有大量的性能监测、预测等服务于电压、频率调节的任务,不占用硬件资源。

    一种适用于便携式电力巡检的神经网络系统和方法

    公开(公告)号:CN110009530A

    公开(公告)日:2019-07-12

    申请号:CN201910303486.9

    申请日:2019-04-16

    IPC分类号: G06Q50/06 G06T7/00 G06N3/04

    摘要: 本发明公开了一种适用于便携式电力巡检的神经网络系统和方法,包括影像采集模块、卷积神经网络运行模块和外围功能单元,影像采集模块包括热红外摄像机、可见光摄像机以及防抖云台,卷积神经网络运行模块主要用于处理影像信息的卷积神经网络运行,卷积神经网络运行模块主要有CPU和GPU、NPU、TPU、FPGA的硬件或者由上述硬件构成的片上系统组成;本发明一种适用于便携式电力巡检的神经网络系统和方法,采用热红外摄像头确定电力设备的位置,再采用可见光摄像头对该位置的电力设备状态研判,有效的降低了复杂背景对目标识别的影响,红外图像信息相较于可见光图像信息很少,采用卷积神经网络处理图像时速度更快,从而降低了对模型精度和硬件的需求。

    基于改进YOLOv3的输变电线路绝缘子航拍图像故障检测方法

    公开(公告)号:CN110033453B

    公开(公告)日:2023-02-24

    申请号:CN201910310921.0

    申请日:2019-04-18

    IPC分类号: G06T7/00

    摘要: 本发明公开了基于改进YOLOv3的输变电线路绝缘子航拍图像故障检测方法,包括以下步骤:S1:建立绝缘子数据集与绝缘子故障数据集;S2:使用旋转,翻转,对比度增强等方式进行数据增强;S3:以YOLOv3为基本框架,进行模型修改剪枝操作,构建绝缘子检测模型;S4:搭建标准的YOLOv3‑tiny网络;S5:将修改后的YOLOv3网络与YOLOv3‑tiny分别使用绝缘子数据集与绝缘子故障数据集进行模型训练;S6:连接两个训练好的模型,实现对绝缘子故障的端到端的快速检测。本发明的检测方法可以快速准确的识别到复杂背景图像中的绝缘子并定位检测出故障区域,提高巡检效率并减轻巡检人员的工作强度,为电力系统的正常运行保驾护航。

    一种神经网络硬件低功耗定制化的开发工具

    公开(公告)号:CN110045951B

    公开(公告)日:2022-04-15

    申请号:CN201910321710.7

    申请日:2019-04-22

    IPC分类号: G06F8/30 G06N3/063

    摘要: 本发明公开了一种神经网络硬件低功耗定制化的开发工具,属于开发工具领域,包括以下步骤:S1:源码加工,源码加工的操作步骤为用户提供编码、用户输入参数与开发工具输出;S2:生成调节策略,将S1中最后生成的源码下载到硬件上运行,钩子函数将需要监听的功能段负载、电压、频率等信息以文本格式输出;S3:生成工程码源,生成工程码源,生成并输出包含调节函数的工程应用代码。该神经网络硬件低功耗定制化的开发工具,提前将电压、频率调节策略写入,不依赖于现场预测,防止预测错误导致实时性要求高的应用无法正常使用,本专利生产的工程文件,没有大量的性能监测、预测等服务于电压、频率调节的任务,不占用硬件资源。

    基于改进YOLOv3的输变电线路绝缘子航拍图像故障检测方法

    公开(公告)号:CN110033453A

    公开(公告)日:2019-07-19

    申请号:CN201910310921.0

    申请日:2019-04-18

    IPC分类号: G06T7/00

    摘要: 本发明公开了基于改进YOLOv3的输变电线路绝缘子航拍图像故障检测方法,包括以下步骤:S1:建立绝缘子数据集与绝缘子故障数据集;S2:使用旋转,翻转,对比度增强等方式进行数据增强;S3:以YOLOv3为基本框架,进行模型修改剪枝操作,构建绝缘子检测模型;S4:搭建标准的YOLOv3-tiny网络;S5:将修改后的YOLOv3网络与YOLOv3-tiny分别使用绝缘子数据集与绝缘子故障数据集进行模型训练;S6:连接两个训练好的模型,实现对绝缘子故障的端到端的快速检测。本发明的检测方法可以快速准确的识别到复杂背景图像中的绝缘子并定位检测出故障区域,提高巡检效率并减轻巡检人员的工作强度,为电力系统的正常运行保驾护航。

    一种变电站场景点云语义分割方法

    公开(公告)号:CN115439653A

    公开(公告)日:2022-12-06

    申请号:CN202211275613.7

    申请日:2022-10-18

    摘要: 本发明提供了一种变电站场景点云语义分割方法,属于语义分割技术领域;解决了变电站场景复杂、点云数众多、特征提取困难,无法准确提取到具有鉴别性的特征容易出现欠分割或者过分割等问题;包括如下步骤:建立变电站点云语义分割数据集;点云数据集标注;构建变电站点云语义分割模型——Seg‑PointNet模型,模型主要创新包括提出多尺度残差结构(RES‑MLP),提出3D点云特征金字塔(3DP‑SSP),融入注意力机模块SENet;模型训练和测试,模型在斯坦福大学建立的公共数据集S3DIS上进行训练,在自建变电站点云数据集SCP上进行验证,实现变电站点云数据的分割;本次发明主要应用于变电站的场景建模,可适用于移动装置。