-
公开(公告)号：CN110634127A
公开(公告)日：2019-12-31
申请号：CN201910671015.3
申请日：2019-07-24
Applicant: 安徽南瑞继远电网技术有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种输电线路防震锤目标检测与缺陷识别方法，包括以下步骤：通过图像采集装置获取防震锤图片；对防震锤图片进行预处理得到预处理图片；构建特征提取模块、特征增强模块和像素级预测模块；对特征提取模块、特征增强模块和像素级预测模块进行连接优化，建立训练模型；将预处理图片输入训练模型中进行测试，实现对预处理图片中防震锤的目标检测和识别。本发明还提出一种输电线路防震锤目标检测与缺陷识别装置。本发明极大的提高高分辨率图片的检测速度；一定程度减少计算，实现快速且精准的防震锤目标检测与缺陷识别，提高电力巡检工作的效率。
-
公开(公告)号：CN110618129A
公开(公告)日：2019-12-27
申请号：CN201910671043.5
申请日：2019-07-24
Applicant: 安徽南瑞继远电网技术有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种电网线夹自动检测与缺陷识别方法，包括以下步骤：通过图像采集模块获取线夹图片；对线夹图片进行训练获取线夹类型；对线夹图片进行分类删选；对故障线夹进行识别并输出。本发明还公开一种电网线夹自动检测与缺陷识别装置。本发明通过图像采集模块对输电线路上的线夹进行图像采集，通过采用Faster R-CNN技术对线夹图片进行训练，采用增广训练技术，解决了对于新的线夹特征需要重新训练造成的时间长，模型更新周期慢的缺陷，对线夹的故障检测，极大地节省了检修成本，使巡线系统更为高效和智能。
-
公开(公告)号：CN110378222B
公开(公告)日：2023-10-27
申请号：CN201910513440.X
申请日：2019-06-14
Applicant: 南瑞集团有限公司 , 国网山东省电力公司电力科学研究院 , 安徽南瑞继远电网技术有限公司 , 国家电网有限公司
IPC: G06V20/10 , G06V10/25 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/766 , G06N3/045 , G06N3/0464 , G06N3/084 , G06T7/00
Abstract: 本发明公开了一种输电线路防震锤目标检测与缺陷识别方法，包括以下步骤：通过图像采集装置获取防震锤图片；对防震锤图片进行预处理得到预处理图片；构建特征提取模块、特征增强模块和像素级预测模块；对特征提取模块、特征增强模块和像素级预测模块进行连接优化，建立训练模型；将预处理图片输入训练模型中进行测试，实现对预处理图片中防震锤的目标检测和识别。本发明还提出一种输电线路防震锤目标检测与缺陷识别装置。本发明极大的提高高分辨率图片的检测速度；一定程度减少计算，实现快速且精准的防震锤目标检测与缺陷识别，提高电力巡检工作的效率。
-
公开(公告)号：CN110599445A
公开(公告)日：2019-12-20
申请号：CN201910671382.3
申请日：2019-07-24
Applicant: 安徽南瑞继远电网技术有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种电网螺母和销的目标鲁棒检测与缺陷识别方法，包括以下步骤：通过图像采集模块采集并筛选出目标图片集；对目标图片集进行标注并存储；构建深度学习模型形成训练模型；根据训练模型对增广图片进行检测识别。本发明还提出一种电网螺母和销的目标鲁棒检测与缺陷识别装置。本发明在检测模型训练阶段，研究斜视螺母和销样本稀少时的深度神经网络模型训练技术，利用基于透视变换的斜视训练数据增广方法，实现螺母和销样本不足与不平衡的鲁棒斜视的自动检测与缺陷识别。
-
公开(公告)号：CN110378222A
公开(公告)日：2019-10-25
申请号：CN201910513440.X
申请日：2019-06-14
Applicant: 安徽南瑞继远电网技术有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种输电线路防震锤目标检测与缺陷识别方法，包括以下步骤：通过图像采集装置获取防震锤图片；对防震锤图片进行预处理得到预处理图片；构建特征提取模块、特征增强模块和像素级预测模块；对特征提取模块、特征增强模块和像素级预测模块进行连接优化，建立训练模型；将预处理图片输入训练模型中进行测试，实现对预处理图片中防震锤的目标检测和识别。本发明还提出一种输电线路防震锤目标检测与缺陷识别装置。本发明极大的提高高分辨率图片的检测速度；一定程度减少计算，实现快速且精准的防震锤目标检测与缺陷识别，提高电力巡检工作的效率。
-
Patent Agency Ranking
公开(公告)号：CN110378221A
公开(公告)日：2019-10-25
申请号：CN201910513439.7
申请日：2019-06-14
Applicant: 安徽南瑞继远电网技术有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种电网线夹自动检测与缺陷识别方法，包括以下步骤：通过图像采集模块获取线夹图片；对线夹图片进行训练获取线夹类型；对线夹图片进行分类删选；对故障线夹进行识别并输出。本发明还公开一种电网线夹自动检测与缺陷识别装置。本发明通过图像采集模块对输电线路上的线夹进行图像采集，通过采用Faster R-CNN技术对线夹图片进行训练，采用增广训练技术，解决了对于新的线夹特征需要重新训练造成的时间长，模型更新周期慢的缺陷，对线夹的故障检测，极大地节省了检修成本，使巡线系统更为高效和智能。
-
公开(公告)号：CN110581934A
公开(公告)日：2019-12-17
申请号：CN201910667371.8
申请日：2019-07-23
Applicant: 安徽南瑞继远电网技术有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种视频抖动消除方法，包括以下步骤：将视频帧划分为若干子区域块，并对子区域块进行筛选得到筛选视频帧；对筛选视频帧采用运动估计进行运动补偿得到补偿视频帧。本发明还公开了一种视频抖动消除装置、视频抖动消除设备和一种计算机可读存储介质。本发明根据灰度梯度识别视频抖动，算法简单；通过运动估计进行运动补偿，保证了最终获得的视频帧的品质。
-
公开(公告)号：CN110263661B
公开(公告)日：2023-11-17
申请号：CN201910448574.8
申请日：2019-05-28
Applicant: 国网山东省电力公司电力科学研究院 , 南瑞集团有限公司 , 安徽南瑞继远电网技术有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于新颜色空间与fast‑LOF的火焰检测方法，包括以下步骤：对采集的视频图像进行预处理形成第一处理图像；对第一处理图像进行颜色空间变换形成第二处理图像；对第二处理图像进行fast‑LOF学习；利用学习获得的视觉字典进行火焰的检测。本发明还公开一种基于新颜色空间与fast‑LOF的火焰检测装置。本发明能够克服传统的方法难以检测早期弱小火苗的缺陷，将ＲGB转换到新的颜色空间，能够有效地消除反射亮光的干扰；采用fast‑LOF训练视觉字典，模型训练环节简单、快速，同时样本的多样性也提高了对不同场景的适应性；通过字典匹配，剔除非火焰区域，从而提高火焰的精度；本发明采用新的颜色空间与fast‑LOF相结合的方式检测火焰，可以实现对早期弱小火焰的检测。
-
公开(公告)号：CN114612659B
公开(公告)日：2024-12-24
申请号：CN202210188929.6
申请日：2022-02-28
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网有限公司
IPC: G06V10/26 , G06V10/40 , G06V10/774 , G06V10/80
Abstract: 本发明属于图像分割技术领域，提供了一种基于融合模态对比学习的电力设备分割方法及系统。其中，该方法包括获取待分割的电力设备的红外图像与可见光图像对；基于获取的图像对及训练好的电力设备分割网络，得到电力设备分割结果；在训练过程中，所述电力设备分割网络由融合模态特征提取器、语义分割解码器和对比学习模块组成；在训练完成后，电力设备分割网络由融合模态特征提取器和语义分割解码器组成；融合模态特征提取器用于提取红外图像与可见光图像对的融合模态特征，语义分割解码器用于解码融合模态特征；在训练过程中，语义分割解码器和对比学习模块用于分别计算融合模态分割损失和融合模态对比损失，进而得到融合模态总损失来训练电力设备分割网络。
-
公开(公告)号：CN113884844B
公开(公告)日：2024-11-01
申请号：CN202111369869.X
申请日：2021-11-18
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网有限公司
IPC: G01R31/12
Abstract: 本发明属于电故障探测技术领域，提供了一种变压器局部放电类型识别方法及系统，包括：获取变压器至少两种类型的局部放电图谱；对获取的图谱进行预处理；将预处理后的图谱输入局部放电类型识别模型，得到变压器的局部放电类型；其中，局部放电类型识别模型的特征提取网络采用CBAM结构将注意力机制同时运用在通道层面和空间层面两个维度上，通道层面用于捕获不同类型的局部放电图谱的特征，空间层面用于捕获局部放电图谱的相位、幅度和周期的聚集关系，减少了无效特征的权重，提取出更有利于提高识别准确率的特征，提高了放电类型识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.099 seconds)
