-
公开(公告)号:CN115953408B
公开(公告)日:2023-07-04
申请号:CN202310245815.5
申请日:2023-03-15
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 , 江西师范大学
IPC分类号: G06T7/00 , G06V10/40 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要: 本发明涉及电力设备检测与缺陷识别领域,公开了一种基于YOLOv7的避雷器表面缺陷检测方法,以避雷器表面缺陷数据集为训练数据集,将避雷器表面缺陷数据集中的原始图像进行一次处理,生成统一大小的图像,然后对统一大小的图像进行二次处理;构建基于YOLOv7的缺陷检测网络,训练缺陷检测网络并生成缺陷检测模型,用于检测避雷器表面缺陷。本发明所提出的检测方法可降低图像边缘目标漏检率;提升图像模糊、遮挡等情况的识别精度,可部署在无人机等移动端设备上用于检测避雷器表面缺陷。
-
公开(公告)号:CN115861861B
公开(公告)日:2023-06-16
申请号:CN202310168250.5
申请日:2023-02-27
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 , 江西师范大学 , 江西博微新技术有限公司
IPC分类号: G06V20/17 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要: 本发明属于配电设备图像检测技术领域,涉及一种基于无人机配电线路巡检的轻量级验收方法,构建并训练轻量级ShuffleNetV2‑YOLOx目标检测网络,主干特征提取网络依次由Focus模块、CBS模块、最大池化层,三个ShuffleNetV2单元模块、3个CBS模块、感受野块组成;第三ShuffleNetV2单元模块输出的特征图经过CBS模块和上采样后与第一ShuffleNetV2单元模块输出的特征图进行多尺度特征融合,随后进入含ECA模块的第二个解耦头进行小尺度目标检测。本发明减少目标检测网络复杂度,加快推理速度,可用于无人机搭载进行配电设备检测,判断设备缺失与缺陷。
-
公开(公告)号:CN114155246B
公开(公告)日:2022-06-14
申请号:CN202210125024.4
申请日:2022-02-10
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 , 江西师范大学
摘要: 本发明涉及电气设备状态监测领域,特别涉及一种基于可变形卷积的输电塔销钉缺陷检测方法,其包含基于ResNet50与特征金字塔的目标初始检测网络、整流模块和基于可变形卷积的目标二次检测网络;引入ResNet50特征提取方式能获得目标更多的特征,同时引入特征金字塔能更好地适应目标大小变化,且采用激活函数Sigmoid,在测试图像时,降低阈值,使得更多的目标感兴趣区域作为目标初始检测区域,降低目标的漏检情况;采用整流模块对目标初始检测区域进行图像矫正,并在四个卷积层的基础上引入可变形卷积,使得目标二次检测网络能适应销钉缺陷在不同视角中的形变,准确识别形变的目标,去除目标初始检测结果中的虚警。
-
公开(公告)号:CN115953408A
公开(公告)日:2023-04-11
申请号:CN202310245815.5
申请日:2023-03-15
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 , 江西师范大学
IPC分类号: G06T7/00 , G06V10/40 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要: 本发明涉及电力设备检测与缺陷识别领域,公开了一种基于YOLOv7的避雷器表面缺陷检测方法,以避雷器表面缺陷数据集为训练数据集,将避雷器表面缺陷数据集中的原始图像进行一次处理,生成统一大小的图像,然后对统一大小的图像进行二次处理;构建基于YOLOv7的缺陷检测网络,训练缺陷检测网络并生成缺陷检测模型,用于检测避雷器表面缺陷。本发明所提出的检测方法可降低图像边缘目标漏检率;提升图像模糊、遮挡等情况的识别精度,可部署在无人机等移动端设备上用于检测避雷器表面缺陷。
-
公开(公告)号:CN115861861A
公开(公告)日:2023-03-28
申请号:CN202310168250.5
申请日:2023-02-27
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 , 江西师范大学 , 江西博微新技术有限公司
IPC分类号: G06V20/17 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要: 本发明属于配电设备图像检测技术领域,涉及一种基于无人机配电线路巡检的轻量级验收方法,构建并训练轻量级ShuffleNetV2‑YOLOx目标检测网络,主干特征提取网络依次由Focus模块、CBS模块、最大池化层,三个ShuffleNetV2单元模块、3个CBS模块、感受野块组成;第三ShuffleNetV2单元模块输出的特征图经过CBS模块和上采样后与第一ShuffleNetV2单元模块输出的特征图进行多尺度特征融合,随后进入含ECA模块的第二个解耦头进行小尺度目标检测。本发明减少目标检测网络复杂度,加快推理速度,可用于无人机搭载进行配电设备检测,判断设备缺失与缺陷。
-
公开(公告)号:CN114155246A
公开(公告)日:2022-03-08
申请号:CN202210125024.4
申请日:2022-02-10
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 , 江西师范大学
摘要: 本发明涉及电气设备状态监测领域,特别涉及一种基于可变形卷积的输电塔销钉缺陷检测方法,其包含基于ResNet50与特征金字塔的目标初始检测网络、整流模块和基于可变形卷积的目标二次检测网络;引入ResNet50特征提取方式能获得目标更多的特征,同时引入特征金字塔能更好地适应目标大小变化,且采用激活函数Sigmoid,在测试图像时,降低阈值,使得更多的目标感兴趣区域作为目标初始检测区域,降低目标的漏检情况;采用整流模块对目标初始检测区域进行图像矫正,并在四个卷积层的基础上引入可变形卷积,使得目标二次检测网络能适应销钉缺陷在不同视角中的形变,准确识别形变的目标,去除目标初始检测结果中的虚警。
-
公开(公告)号:CN118301259B
公开(公告)日:2024-08-06
申请号:CN202410726991.5
申请日:2024-06-06
申请人: 江西师范大学
IPC分类号: H04N1/44 , H04L9/00 , G06N3/0475 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/094 , G06N7/08 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/048
摘要: 本发明公开了一种基于生成对抗网络和高维混沌系统的双重加解密方法,旨在提升图像信息在传输和存储过程中的安全性,同时,确保解密后能够恢复高质量的图像。本发明的方法不仅有效降低了图像信息的可读性,而且提供了庞大的密钥空间,极大增强了安全性,使得暴力破解变得不可行。这种独特的加解密方法保证了图像数据在安全传输和存储过程中的高度保密性,同时保证了解密后图像的高质量,满足了当前图像安全传输的严格要求。
-
公开(公告)号:CN114842206B
公开(公告)日:2022-09-30
申请号:CN202210776160.X
申请日:2022-07-04
申请人: 江西师范大学
IPC分类号: G06V10/26 , G06V20/70 , G06V20/13 , G06V10/80 , G06V10/82 , G06V10/44 , G06V10/774 , G06N3/04 , G06N3/08
摘要: 本发明属于图像处理技术领域,涉及基于双层全局卷积的遥感图像语义分割系统及方法,该模型包括特征提取网络、用于处理不同层特征的上层分支和下层分支、特征融合网络;特征提取网络输出的高层特征和低层特征分别经过上层分支和下层分支增强后,然后进行特征融合;上层分支包括补丁注意力模块Ⅰ、全局卷积模块Ⅰ;下层分支包括补丁注意力模块Ⅱ、全局卷积模块Ⅱ、注意力嵌入模块、全局卷积模块Ⅲ。本发明采用注意力嵌入模块将局部注意力从高层特征嵌入到低层特征中,能使低层特征中嵌入上下文信息;采用全局卷积模块以组合卷积的形式扩大感受野,提升大尺寸地物目标的分割性能。
-
公开(公告)号:CN114782254A
公开(公告)日:2022-07-22
申请号:CN202210534264.X
申请日:2022-05-17
申请人: 江西师范大学
摘要: 本发明属于图像处理技术领域,涉及一种融合边缘信息的红外图像超分辨率重建系统及方法,包括生成对抗网络模型,生成对抗网络模型由边缘检测网络,若干边缘特征处理模块和图像超分辨率重建网络构成,边缘检测网络包括若干个卷积阶段;图像超分辨率重建网络包括若干层级深度特征提取模块;本发明利用边缘检测网络来提取图像的边缘特征,将训练完成的边缘检测网络融合进超分辨率重建网络中,共同构成该生成对抗网络模型。本发明使重建的高分辨率红外图像具有更加锐利的边缘细节信息,拥有更好的视觉效果。
-
公开(公告)号:CN118096534B
公开(公告)日:2024-06-25
申请号:CN202410510608.2
申请日:2024-04-26
申请人: 江西师范大学
IPC分类号: G06T3/4053 , G06T5/50 , G06T5/60 , G06V10/40 , G06V10/80 , G06V10/82 , G06T3/4046
摘要: 本发明公开了一种基于互补参考的红外图像超分辨率重建方法,涉及图像处理方法技术领域。本发明通过利用浅层特征提取模块分别对低分辨率红外图像和参考图像进行特征提取,通过外编码器对初步提取的低分辨率红外图像特征和参考图像特征进行编码得到外编码器编码后的多个不同尺度的低分辨率红外图像和参考图像特征;通过特征对齐转移模块使外编码器编码后的低分辨率红外图像和参考图像特征对齐,得到多尺度融合对齐特征图;通过外解码器将多尺度融合对齐特征图与低分辨率红外图像特征有效融合,利用重建模块完成重建工作,得到超分辨率红外图像。本发明能够重建出细节清晰,纹理丰富的超分辨率红外图像。
-
-
-
-
-
-
-
-
-