-
公开(公告)号:CN117497003A
公开(公告)日:2024-02-02
申请号:CN202311622037.3
申请日:2023-11-30
申请人: 安徽南瑞继远电网技术有限公司
摘要: 本发明涉及一种基于通道注意力机制与AH‑Softmax的变压器声纹识别方法,包括:实时采集任意一台电力变压器的音频数据,获取音频数据的二进制格式的声纹数据以及采样频率;对二进制格式的声纹数据进行预处理;对训练集中的声纹数据进行特征提取;对VGG19模型进行改进,得到改进后的VGG19模型;利用声纹特征训练集对改进后的VGG19模型进行训练,将待识别的电力变压器的音频数据输入训练后的VGG19模型,识别出电力变压器声纹类型。改进后的VGG19模型对各个通道的特征更有辨别能力,加强对变压器声纹的辨别能力;强调变压器声纹样本的信息量,可以动态区分信息量不同的变压器声纹样本,可以提高改进后的VGG19模型对于变压器声纹信号的识别的度和准确度。
-
公开(公告)号:CN116912587A
公开(公告)日:2023-10-20
申请号:CN202310923955.3
申请日:2023-07-25
申请人: 安徽南瑞继远电网技术有限公司
IPC分类号: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/082
摘要: 本发明提供了一种基于多头自注意力模块网络的变电设备分类识别方法、电子设备及存储介质。通过获取待分类识别的变电设备图像,并执行图片预处理;根据预先建立的变电设备自动分类模型对变电设备图像进行分类,确定分类结果;变电设备自动分类模型为基于增强型多头自注意力神经网络结构建立而成;增强型多头自注意力神经网络结构包括基础卷积神经网络、增强多头注意力模块,并将增强多头注意力模块嵌入到基础网络框架中;输出所述变电设备图像的分类结果。相比传统卷积神经网络能够减少图像背景的负面影响,强调图像主要信息以提升复杂场景下的模型精度,从而达到更好的变电设备分类效果。
-