公开(公告)号：CN117274191A

公开(公告)日：2023-12-22

申请号：CN202311214573.X

申请日：2023-09-18

申请人： 国网河南省电力公司电力科学研究院 ,  国网河南省电力公司 ,  安徽大学

发明人： 刘善峰 ,  毛万登 ,  袁少光 ,  田杨阳 ,  李苗苗 ,  姜亮 ,  李哲 ,  智海燕 ,  张小斐 ,  张卓 ,  郑伟 ,  从阔晨 ,  鲍华

IPC分类号： G06T7/00 ,  G06T7/73 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06V10/52 ,  G06V10/42 ,  G06V10/25 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0985

摘要： 本发明公开了一种基于元学习的变电站设备缺陷检测方法及系统，方法包括：获取变电站设备的缺陷图像形成数据集；将DarkNet‑53作为检测框架，在其网络最后一层增加用于提取到不同细粒度的全局目标信息的GCB模块，将网络最后两层CSP模块增加注意力机制形成ACSP模块，最后将元学习算法MAML算法融合到检测框架的训练流程中，得到基于元学习的缺陷检测模型，利用训练集训练缺陷检测模型，得到最终的缺陷检测模型；利用最终的缺陷检测模型对输入图像进行缺陷物体、位置识别，得到最终的变电站设备缺陷检测结果；本发明的优点在于：提升面对小样本任务时网络的检测能力，提高检测结果的准确性。

公开(公告)号：CN117853752A

公开(公告)日：2024-04-09

申请号：CN202311792540.3

申请日：2023-12-22

申请人： 安徽大学

发明人： 从阔晨 ,  鲍华

IPC分类号： G06V10/46 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/42 ,  G06N3/084

摘要： 本发明提供基于双分支预测和多尺度特征的显著性检测方法及系统，方法包括：获取并划分预置常规显著性检测数据集；利用主干网络Efficient‑Net从预置常规显著性检测数据集中提取主要特征，并根据差异种类特征增强策略，构建显著性检测网络DBNet，其中，新双分支模块包括：前景分支模块FM、背景分支模块BM，利用显著性检测网络DBNet提取前景信息及背景信息进行显著性检测，得到训练完成网络；在测试集上，测试训练完成网络得到测试结果，根据预置评价指标对测试结果进行指标测试，以得到网络训练结果模型供显著性检测操作。本发明解决了现有显著性检测方法只关注于前景信息，而忽略背景信息导致的生成的显著图不清晰的技术问题。

公开(公告)号：CN117350964A

公开(公告)日：2024-01-05

申请号：CN202311282583.7

申请日：2023-10-07

申请人： 安徽大学

发明人： 邹文杰 ,  从阔晨 ,  范波 ,  李亲

IPC分类号： G06T7/00 ,  G06T7/73 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

摘要： 本发明公开一种基于跨模态多层次特征融合的电力设备检测方法，包括以下步骤：构建双流特征提取网络，提取可见光图像和红外图像的多层级目标表征，引入自适应融合模块捕捉可见光和红外分支模态下的互补特征，利用自注意力机制增强互补特征的表达能力并构建目标的深层表示，利用不同尺度下的融合特征捕获目标区域并实现目标的精确定位；本发明可以很好的捕捉可见光图像和红外图像的深层次特征，实现不同模态的互补融合，进行变电站实际场景的目标检测，利用目标检测的结果进行优化，可以实现可见光图像特征和红外图像特征的自适应融合和特征增强，能够有效地实现跨模态信息的融合，精确定位和识别变电站电力设备目标，并展现出较高的鲁棒性。