-
公开(公告)号:CN117877108A
公开(公告)日:2024-04-12
申请号:CN202311676808.7
申请日:2023-12-07
IPC分类号: G06V40/20 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/40
摘要: 本发明公开了基于机器视觉的配网工程作业人员安全行为检测方法,属于安全检测技术领域,包括:根据历史安全行为数据设定安全类别;采集现场图像,用自适应采样提取安全类别下有效图像并存储;制作检测样本标签,建立检测库,对样本预处理;对预处理后样本进行人体检测,融合人体特征得到多尺度特征金字塔网络,确定安全检测范围;提取范围内安全类别特征,变换获取有效特征,构建基础与行为安全特征集合;基于特征集合建立安全行为识别分类器,通过深度学习法检测安全行为确定各样本的安全行为状态。本方案通过提取作业人员多尺度特征构建多尺度特征金字塔网络,准确检测不同身形的人体特征,构建安全行为识别分类器,显著提高了检测准确性。
-
公开(公告)号:CN117876745A
公开(公告)日:2024-04-12
申请号:CN202311679579.4
申请日:2023-12-07
IPC分类号: G06V10/764 , G06V10/774 , G06V10/40
摘要: 本发明公开了一种基于机器视觉的配网工程变压器检测方法,属于变压器检测技术领域,包括:对配网工程现场的图像信息进行预处理得到样本图像创建样本图像集;基于样本图像集的区域特征属性调整图像灰度等级并进行图像增强得到有效样本图像集;基于YOLO算法对样本图像进行特征提取获取设备特征集;基于设备特征集建立二分类器;基于二分类器对实时样本图像进行检测确定变压器图像;定期更新配网工程现场的图像信息进行增量式训练更新二分类器,实时检测获取变压器图像。本方案通过YOLO算法提取设备特征,进行模型训练构建二分类器对进行变压器图像的检测,能够准确地识别设备特征并提高二分类器的检测精度,显著提高了配网工程变压器检测的准确性。
-
公开(公告)号:CN118396399A
公开(公告)日:2024-07-26
申请号:CN202410317472.3
申请日:2024-03-20
申请人: 国网浙江省电力有限公司金华供电公司 , 浙江华云信息科技有限公司
IPC分类号: G06Q10/0637 , G06Q10/067 , G06Q10/0631 , G06Q30/0202 , G06Q50/06 , G06F18/27
摘要: 本发明提供了一种电网资源投资策略的综合规划方法,所述规划方法具体为:对待规划建设电网区域进行子区域划分;确定每个待规划子区域的发展阶段,基于对应的历史建设信息和历史电力数据对每个待规划子区域的建设需求、建设效益和建设能力进行测算,确定每个待规划子区域的建设结构,根根据待规划建设电网区域的建设总规模以及每个待规划子区域的建设结构确定待规划建设电网区域的建设策略,确定每个待规划子区域的建设规模。本发明能够对电网进行差异化建设规划,有效提高电网建设策略的合理性和准确性。
-
公开(公告)号:CN113947563B
公开(公告)日:2024-09-06
申请号:CN202110993552.7
申请日:2021-08-27
申请人: 国网浙江省电力有限公司 , 国网浙江省电力有限公司金华供电公司
IPC分类号: G06T7/00 , G06T7/11 , G06T5/70 , G06T5/30 , G06T7/62 , G06T7/73 , G06T7/90 , G06V10/44 , G06V10/56 , G06V10/74 , G06V10/82 , G06N3/0464
摘要: 本发明公开了一种基于深度学习的电缆工艺质量动态缺陷检测方法,包括如下步骤:步骤S1、使用摄像机获取待检测的图片生成图片数据集,图片里至少含有一个待检测的线缆;步骤S2、使用YOLOV5目标检测算法对获取到的图片进行检测,识别出图片中的电缆;使用labelme工具对图片中的电缆进行标注;步骤S3、根据电缆检测框位置,将电缆从图片中截取出来待检;步骤S4、使用UNet分割网络模型将电缆特征分割出来;采用的Mobilenet‑V2网络作为UNet分割网络模的主干网络;步骤S5、根据分割电缆特征判断电缆是否异常。本方案点位图片中电缆的位置,提取电缆的特征并对特征进行比对判定,显著提高电缆的识别率。
-
公开(公告)号:CN115239870A
公开(公告)日:2022-10-25
申请号:CN202210530222.9
申请日:2022-05-16
申请人: 国网浙江省电力有限公司金华供电公司
摘要: 本发明公开了基于注意力代价体金字塔的多视图立体网络三维重建方法,包括如下步骤:S1、结构光摄像机拍摄获取不同室内场景的图像,对获取图像数据进行预处理;S2、构建基于注意力感知代价体金字塔的多视图立体网络的三维重建网络模型,将训练集作为三维重建网络模型的输入,训练得到权重系数得到初步三维重建网络模型;S3、对训练完成的初步三维重建网络模型进行评估,得到最优三维重建网络模型并生成深度估计图;S4、将得到的所有深度估计图融合成一个完整的深度图。本方案通过引入自注意层并建立基于相似性的特征聚合方法来提高MVS网络的性能,采用金字塔结构对深度图进行推断,使得该网络模型能够处理高分辨率的图像。
-
公开(公告)号:CN113947746A
公开(公告)日:2022-01-18
申请号:CN202110992955.X
申请日:2021-08-27
申请人: 国网浙江省电力有限公司 , 国网浙江省电力有限公司金华供电公司
IPC分类号: G06V20/52 , G06V40/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/08 , G06T5/00 , G06Q10/06 , G06Q50/06
摘要: 本发明公开了一种基于反馈机制监督下的配网安全质量管控方法,包括如下步骤:获取配网现场的设备缺陷图片数据,对设备缺陷图片数据进行预处理得到常规图像;对预处理后的常规图像进行标注;统计当前已有常规图像数据的分布情况;根据常规图像数据的分布情况,对常规图像进行适应性调整得到增强的拼接图像;将常规图像作为训练集作为神经网络模型的输入,获取每类训练目标的损失函数;通过计算小目标类的损失函数作为反馈监督函数指导下一个批次的模型训练方向。本方案能够解决配网设备缺陷的类型的多样化和数据分布的不均衡性问题,提升电力行业配网设备缺陷的巡检效率。
-
公开(公告)号:CN113947563A
公开(公告)日:2022-01-18
申请号:CN202110993552.7
申请日:2021-08-27
申请人: 国网浙江省电力有限公司 , 国网浙江省电力有限公司金华供电公司
IPC分类号: G06T7/00 , G06T7/11 , G06T5/00 , G06T5/30 , G06T7/62 , G06T7/73 , G06T7/90 , G06V10/44 , G06V10/56 , G06V10/74 , G06V10/82 , G06K9/62 , G06N3/04
摘要: 本发明公开了一种基于深度学习的电缆工艺质量动态缺陷检测方法,包括如下步骤:步骤S1、使用摄像机获取待检测的图片生成图片数据集,图片里至少含有一个待检测的线缆;步骤S2、使用YOLOV5目标检测算法对获取到的图片进行检测,识别出图片中的电缆;使用labelme工具对图片中的电缆进行标注;步骤S3、根据电缆检测框位置,将电缆从图片中截取出来待检;步骤S4、使用UNet分割网络模型将电缆特征分割出来;采用的Mobilenet‑V2网络作为UNet分割网络模的主干网络;步骤S5、根据分割电缆特征判断电缆是否异常。本方案点位图片中电缆的位置,提取电缆的特征并对特征进行比对判定,显著提高电缆的识别率。
-
公开(公告)号:CN115239871A
公开(公告)日:2022-10-25
申请号:CN202210531379.3
申请日:2022-05-16
申请人: 国网浙江省电力有限公司金华供电公司
摘要: 本发明公开了一种多视图立体网络三维重构方法,包括如下步骤:S1、在线获取开源数据集,基于开源数据集构建训练数据集和测试数据集;S2、构建基于注意力感知代价体金字塔的多视图立体网络的三维重建网络模型,将训练集作为三维重建网络模型的输入,训练得到权重系数;通过测试数据集对训练完成的三维重建网络模型进行评估,评估完成后得到最优三维重建网络模型;根据最优三维重建网络模型生成深度估计图;S3、对深度估计图进行处理后生成稠密三维点云。方案通过引入自注意层来获取深度估计任务的重要信息,并建立基于相似性的特征聚合方法来提高MVS网络的性能,采用从粗到细的策略对深度图进行推断,使得该网络模型能够处理高分辨率的图像。
-
公开(公告)号:CN113869122A
公开(公告)日:2021-12-31
申请号:CN202110992972.3
申请日:2021-08-27
申请人: 国网浙江省电力有限公司 , 国网浙江省电力有限公司金华供电公司
摘要: 本发明公开了一种配网工程强化管控方法,步骤如下:S1、设定监理机器人的线路s和速度v;S2、按照线路s和速度v拍摄监理视频,记录相机的运动方程F;S3、对采集的视频进行标注制作标准场景图像库;S4、制作成配网施工现场目标数据集;S5、训练YOLOV5s深度神经网络得到训练权重;S6、制作标准场景图像库的负样本;S7、将基于概率相似度的MatchNet神经网络在正负样本上进行训练;S8、监理机器人按照线路x和速度v以及相机运动方程F进行监理;S9、将拍摄图像与标准场景库图片采用基于概率相似度的MatchNet神经网络比对;S10、将异常的图片用训练好的YOLOV5s深度神经网络进行异常检测;S11、输出比对异常的结果。该方案提高了异常监控的准确度和效率。
-
-
-
-
-
-
-
-