-
公开(公告)号：CN113486781B
公开(公告)日：2023-10-24
申请号：CN202110752672.8
申请日：2021-07-02
申请人： 国网电力科学研究院有限公司 , 南京南瑞信息通信科技有限公司 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司 , 东南大学 , 国家电网有限公司
IPC分类号： G06V20/13 , G06V10/44 , G06V10/80 , G06V10/774 , G06N20/00
摘要： 本发明公开了一种基于深度学习模型的电力巡检方法，包括以下过程：步骤S1：利用检测模型的特征提取模块backbone对待测的电力巡检场景图像进行特征提取，得到特征图；步骤S2：利用检测模型的跨阶段融合模块neck对特征图进行融合；步骤S3：利用检测模型的多尺度检测头模块head对融合后的特征图进行检测，得到电力巡检图像中目标物体边框和类别结果。其中，所述特征提取模块backbone中使用内外级联方案；和/或，所述跨阶段融合模块neck使用分组融合方案，且特征图分组数与特征图输入通道数相同。本发明提出了一种基于深度学习模型的电力巡检方法，提高了检测性能并进一步减小了网络尺寸。
-
公开(公告)号：CN113486781A
公开(公告)日：2021-10-08
申请号：CN202110752672.8
申请日：2021-07-02
申请人： 国网电力科学研究院有限公司 , 南京南瑞信息通信科技有限公司 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司 , 东南大学 , 国家电网有限公司
摘要： 本发明公开了一种基于深度学习模型的电力巡检方法，包括以下过程：步骤S1：利用检测模型的特征提取模块backbone对待测的电力巡检场景图像进行特征提取，得到特征图；步骤S2：利用检测模型的跨阶段融合模块neck对特征图进行融合；步骤S3：利用检测模型的多尺度检测头模块head对融合后的特征图进行检测，得到电力巡检图像中目标物体边框和类别结果。其中，所述特征提取模块backbone中使用内外级联方案；和/或，所述跨阶段融合模块neck使用分组融合方案，且特征图分组数与特征图输入通道数相同。本发明提出了一种基于深度学习模型的电力巡检方法，提高了检测性能并进一步减小了网络尺寸。
-
公开(公告)号：CN113569672B
公开(公告)日：2024-09-10
申请号：CN202110803857.7
申请日：2021-07-16
申请人： 国网电力科学研究院有限公司 , 南京南瑞信息通信科技有限公司 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司 , 东南大学 , 国家电网有限公司
IPC分类号： G06V20/10 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种轻量级目标检测与故障识别方法、装置及系统，所述方法包括获取原始轻量级目标检测与故障识别网络模型；对所述原始轻量级目标检测与故障识别网络模型进行参数优化，获得优化轻量级目标检测与故障识别网络模型；利用所述优化轻量级目标检测与故障识别网络模型对接收到的电力巡检图像数据进行目标检测与故障识别。本发明实现网络的轻量化设计，以取得检测速率与检测精度的良好折中。
-
公开(公告)号：CN113569672A
公开(公告)日：2021-10-29
申请号：CN202110803857.7
申请日：2021-07-16
申请人： 国网电力科学研究院有限公司 , 南京南瑞信息通信科技有限公司 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司 , 东南大学 , 国家电网有限公司
摘要： 本发明公开了一种轻量级目标检测与故障识别方法、装置及系统，所述方法包括获取原始轻量级目标检测与故障识别网络模型；对所述原始轻量级目标检测与故障识别网络模型进行参数优化，获得优化轻量级目标检测与故障识别网络模型；利用所述优化轻量级目标检测与故障识别网络模型对接收到的电力巡检图像数据进行目标检测与故障识别。本发明实现网络的轻量化设计，以取得检测速率与检测精度的良好折中。
-
-
-
搜索结果
4 条记录 (耗时 0.114 秒)
