-
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：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：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：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：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：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：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。
-
公开(公告)号：CN116229283A
公开(公告)日：2023-06-06
申请号：CN202310228942.4
申请日：2023-03-10
申请人： 江西师范大学
IPC分类号： G06V20/13 , G06V10/82 , G06V10/40 , G06N3/048 , G06N3/08 , G06N3/0464 , G06N3/0455
摘要： 本发明属于图像处理技术领域，涉及基于深度可分离卷积模块的遥感图像变化检测系统及方法，以Unet网络作为基础网络结构构建基于深度可分离卷积模块的遥感图像变化检测轻量级模型，在特征提取过程中引入深度可分离卷积模块；在编码器端引入孪生网络结构提取双时相影像的特征，并且将它们之间差异的绝对值进行连接；同时，在跳跃连接之前引入了有效且轻量级的高效通道注意力模块，用于网络更好地关注变化信息和抑制一些无关信息；此外，本发明提出一种轻量级的ASPP+模块紧跟在解码器端之后，用于提升网络模型对不同尺度目标对象的检测能力；最后，经过一个1×1卷积输出变化图。本发明通过采用深度可分离卷积模块和ASPP+模块，在取得较高检测精度的情况下，其模型参数量和计算成本得到大幅度的消减，进一步满足变化检测任务的实时性要求。
-
公开(公告)号：CN114842206A
公开(公告)日：2022-08-02
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模型及方法，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：CN106778510A
公开(公告)日：2017-05-31
申请号：CN201611047223.9
申请日：2016-11-25
申请人： 江西师范大学
发明人： 胡蕾
摘要： 本发明公开一种超高分辨率遥感图像中高层建筑特征点匹配方法，该方法针对城市中高层建筑在不同视角的超高分辨率遥感图像中会发生空间位置的变化，导致落在高层建筑上的特征点对减少的问题，在参考图像和待配准图像中采用多种特征点提取方法获得大量特征点，对初匹配后的特征点对，首先采用严格的筛选条件，获得少量匹配准确性高的特征点对，分析图像间的图像视角差，并利用图像视角差和建筑物的图像位移差放松筛选条件，获得较多同时包含错误和正确的特征点对，最后利用特征点对周围图像块的相似性进一步验证特征点对，去除错误的特征点对，保留较多的正确匹配特征点对。
-
-
-
-
-
-
-
-
-
搜索结果
26 条记录 (耗时 0.109 秒)
