-
公开(公告)号：CN111626093A
公开(公告)日：2020-09-04
申请号：CN202010229304.0
申请日：2020-03-27
申请人： 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 南昌大学 , 南昌科晨电力试验研究有限公司
IPC分类号： G06K9/00
摘要： 本发明公开了一种基于鸣声功率谱密度的输电线路相关鸟种识别方法。该方法通过建立输电线路渉鸟故障相关鸟种鸣声数据库，构建鸟种鸣声信号预处理算法模块和特征提取算法模块，运用离散傅里叶变换和功率谱估计方法提取鸣声信号的功率谱密度值，作为区分不同鸟种的特征向量；构建鸟种鸣声信号分类识别的机器学习算法模块，利用渉鸟故障相关鸟种鸣声信号的功率谱密度特征集对多分类模型进行训练，得到鸟种智能识别模型；将输电线路运维人员巡检过程中记录的鸟种鸣声信号导入预处理模块、特征提取模块和智能识别模型，输出对应的鸟种信息。本发明有利于提高鸟种分类识别的准确率，进而提高输电线路渉鸟故障防治的针对性和有效性。
-
公开(公告)号：CN111626093B
公开(公告)日：2023-12-26
申请号：CN202010229304.0
申请日：2020-03-27
申请人： 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 南昌大学 , 南昌科晨电力试验研究有限公司
IPC分类号： G06F18/24 , G06F18/213
摘要： 本发明公开了一种基于鸣声功率谱密度的输电线路相关鸟种识别方法。该方法通过建立输电线路渉鸟故障相关鸟种鸣声数据库，构建鸟种鸣声信号预处理算法模块和特征提取算法模块，运用离散傅里叶变换和功率谱估计方法提取鸣声信号的功率谱密度值，作为区分不同鸟种的特征向量；构建鸟种鸣声信号分类识别的机器学习算法模块，利用渉鸟故障相关鸟种鸣声信号的功率谱密度特征集对多分类模型进行训练，得到鸟种智能识别模型；将输电线路运维人员巡检过程中记录的鸟种鸣声信号导入预处理模块、特征提取模块和智能识别模型，输出对应的鸟种信息。本发明有利于提高鸟种分类识别的准确率，进而提高输电线路渉鸟故障防治的针对性和有效性。
-
公开(公告)号：CN115131337B
公开(公告)日：2024-05-03
申请号：CN202210869503.7
申请日：2022-07-22
申请人： 南昌大学
IPC分类号： G06T7/00 , G06T5/20 , G06T5/70 , G06N20/00 , G06V10/764 , G06V10/774
摘要： 本发明公开一种基于改进CenterNet算法的输电线路耐张线夹缺陷检测方法，具体包括如下步骤：构建输电线路耐张线夹的X光图像数据集，以8:1:1的比例划分训练集、验证集和测试集；数据集进行标准化处理，将所有图片统一为RGB格式后，对其进行预处理，并利用Labelimg对数据集的缺陷类别进行标注；基于原CenterNet模型进行改进，在主干网络ResNet50的特征提取环节添加通道注意力机制提升特征提取效率，同时还对非极大抑制NMS算法进行了优化，采用了更加合理的柔性非极大抑制soft‑NMS算法剔除网络内多余的检测框；采用迁移学习的思想，利用数据集训练与测试改进后的网络。本发明通过改进CenterNet算法对耐张线夹缺陷进行检测，为电力设备智能巡检领域提供技术参考。
-
公开(公告)号：CN113707158A
公开(公告)日：2021-11-26
申请号：CN202110878305.2
申请日：2021-08-02
申请人： 南昌大学
IPC分类号： G10L17/26 , G10L17/20 , G06K9/00 , G06K9/62 , G06N3/04 , G10L25/03 , G10L25/18 , G10L25/21 , G10L25/30 , G10L25/45 , G10L25/51
摘要： 本发明公开了一种基于VGGish迁移学习网络的电网危害鸟种鸣声识别方法。该方法首先根据历史涉鸟故障的鸟种信息及电网周边鸟种调查结果建立电网危害鸟种音频库，然后对鸟鸣信号进行分帧、加窗、深度学习降噪和剪裁等预处理，计算鸟鸣信号语谱图，映射到64阶Mel滤波器组中得到Mel频谱图，把Mel频谱图作为网络的输入。针对因样本数量不足而导致传统鸟鸣识别模型泛化能力弱的问题，采用迁移学习的方法，利用在AudioSet数据集上预训练的VGGish网络提取128维鸟鸣VGGish特征，并通过主成分分析法对特征进行降维，最后利用分类网络对迁移特征进行识别。本发明可以有效的识别出不同的鸟种，有助于实现电网渉鸟故障的精准化防治。
-
公开(公告)号：CN115131337A
公开(公告)日：2022-09-30
申请号：CN202210869503.7
申请日：2022-07-22
申请人： 南昌大学
IPC分类号： G06T7/00 , G06T5/20 , G06T5/00 , G06N20/00 , G06V10/764 , G06V10/774
摘要： 本发明公开一种基于改进CenterNet算法的输电线路耐张线夹缺陷检测方法，具体包括如下步骤：构建输电线路耐张线夹的X光图像数据集，以8:1:1的比例划分训练集、验证集和测试集；数据集进行标准化处理，将所有图片统一为RGB格式后，对其进行预处理，并利用Labelimg对数据集的缺陷类别进行标注；基于原CenterNet模型进行改进，在主干网络ResNet50的特征提取环节添加通道注意力机制提升特征提取效率，同时还对非极大抑制NMS算法进行了优化，采用了更加合理的柔性非极大抑制soft‑NMS算法剔除网络内多余的检测框；采用迁移学习的思想，利用数据集训练与测试改进后的网络。本发明通过改进CenterNet算法对耐张线夹缺陷进行检测，为电力设备智能巡检领域提供技术参考。
-
公开(公告)号：CN115147397A
公开(公告)日：2022-10-04
申请号：CN202210875820.X
申请日：2022-07-25
申请人： 南昌大学
IPC分类号： G06T7/00 , G06N3/04 , G06N3/08 , G06T5/00 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82 , H02G7/02
摘要： 本发明公开一种输电线路耐张线夹X光图像缺陷检测方法，具体包括如下步骤：构建输电线路耐张线夹的X光图像数据集并进行标准化处理，将所有图片统一为RGB格式；对图像进行去噪与对比度增强，并利用Labelimg对数据集的缺陷类别进行标注；基于原YOLOv3模型进行改进，以EfficientNet网络的特征提取输出替换原主干网络DarkNet‑53的有效特征层作为输出，并以此作为特征融合网络FPN的三个输入；采用迁移学习的思想，利用耐张线夹X光图像数据集训练与测试改进后的网络。本发明通过改进YOLOv3算法对耐张线夹缺陷进行检测，为电力设备智能巡检领域提供技术参考。
-
公开(公告)号：CN113707159B
公开(公告)日：2024-05-03
申请号：CN202110878327.9
申请日：2021-08-02
申请人： 南昌大学
IPC分类号： G10L17/26 , G10L25/03 , G10L25/18 , G06F18/2413 , G06N3/0464 , G06N3/08 , G10L25/21 , G10L25/30 , G10L25/51 , G10L25/45 , G10L17/20
摘要： 本发明公开了一种基于Mel语图与深度学习的电网涉鸟故障鸟种识别方法。首先建立电网涉鸟故障相关鸟种的鸣声样本数据库，对鸟鸣信号进行预处理操作后，计算每帧信号在各个Mel滤波器中的能量，得到包含信号能量大小信息的M×N矩阵，将能量大小与颜色深浅程度一一映射，得到鸟鸣信号的Mel语图。通过Mel语图训练卷积神经网络，执行卷积‑池化过程不断地抓取学习鸟鸣信号的Mel语图特征，通过多次迭代训练调整网络内部参数，当网络的预测输出值与实际值之间的损失达到最小时结束训练，最终实现对测试鸟种的预测识别。该方法能够有效区分不同鸟种鸣声之间的特征并实现鸟种识别，可为开展电网涉鸟故障差异化防治提供参考。
-
公开(公告)号：CN113707159A
公开(公告)日：2021-11-26
申请号：CN202110878327.9
申请日：2021-08-02
申请人： 南昌大学
IPC分类号： G10L17/26 , G10L25/03 , G10L25/18 , G06K9/00 , G06K9/62 , G06N3/04 , G10L25/21 , G10L25/30 , G10L25/51 , G10L25/45 , G10L17/20
摘要： 本发明公开了一种基于Mel语图与深度学习的电网涉鸟故障鸟种识别方法。首先建立电网涉鸟故障相关鸟种的鸣声样本数据库，对鸟鸣信号进行预处理操作后，计算每帧信号在各个Mel滤波器中的能量，得到包含信号能量大小信息的M×N矩阵，将能量大小与颜色深浅程度一一映射，得到鸟鸣信号的Mel语图。通过Mel语图训练卷积神经网络，执行卷积‑池化过程不断地抓取学习鸟鸣信号的Mel语图特征，通过多次迭代训练调整网络内部参数，当网络的预测输出值与实际值之间的损失达到最小时结束训练，最终实现对测试鸟种的预测识别。该方法能够有效区分不同鸟种鸣声之间的特征并实现鸟种识别，可为开展电网涉鸟故障差异化防治提供参考。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.069 秒)
