-
公开(公告)号：CN115240093B
公开(公告)日：2022-12-23
申请号：CN202211154583.4
申请日：2022-09-22
申请人： 山东大学 , 国网浙江省电力有限公司温州供电公司 , 华北电力大学(保定) , 浙江大华技术股份有限公司 , 智洋创新科技股份有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06V20/17 , G06V20/64 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G07C1/20 , G01S7/48 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种基于可见光和激光雷达点云融合的输电通道自动巡检方法，将激光雷达测距、基于深度学习的三维点云和可见光图像融合学习、三维点云分割相结合，能够提高了检测的准确度和效率。包括如下步骤：输电通道航拍，收集三维点云和二维可见光图像数据；构建数据集；模型训练；基于激光雷达点云自动规划航线巡检；外破隐患检测与测距；杆塔本体隐患检测与定位。
-
公开(公告)号：CN115240093A
公开(公告)日：2022-10-25
申请号：CN202211154583.4
申请日：2022-09-22
申请人： 山东大学 , 国网浙江省电力有限公司温州供电公司 , 华北电力大学(保定) , 浙江大华技术股份有限公司 , 智洋创新科技股份有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06V20/17 , G06V20/64 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G07C1/20 , G01S7/48 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种基于可见光和激光雷达点云融合的输电通道自动巡检方法，将激光雷达测距、基于深度学习的三维点云和可见光图像融合学习、三维点云分割相结合，能够提高了检测的准确度和效率。包括如下步骤：输电通道航拍，收集三维点云和二维可见光图像数据；构建数据集；模型训练；基于激光雷达点云自动规划航线巡检；外破隐患检测与测距；杆塔本体隐患检测与定位。
-
公开(公告)号：CN115240075B
公开(公告)日：2022-12-13
申请号：CN202211154588.7
申请日：2022-09-22
申请人： 山东大学 , 智洋创新科技股份有限公司 , 国网浙江省电力有限公司温州供电公司 , 华北电力大学(保定) , 浙江大华技术股份有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06V20/10 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06T5/00 , G06N3/04 , G06N3/08
摘要： 本发明涉及输电线路巡检技术领域，具体涉及一种电力视觉多粒度预训练大模型的构建与训练方法，包括图像修复、图像分类、目标检测、图像描述四个粒度层级的视觉任务；采用多阶段的大模型训练方法，使得模型具有数据挖掘、增量训练和模型进化的功能；其中，第一阶段在海量公开数据集上训练，输出预训练大模型；第二阶段在大量无标签电力场景数据集上进行自监督训练，输出电力视觉多粒度预训练大模型；第三阶段利用大模型针对电力数据集进行隐患图像筛选，大大减轻了人工筛选代价，将隐患图像数据交由人工进行精细化标注，再次输入大模型进行迭代优化，使得视觉预训练大模型更加适配电力场景视觉任务需求。
-
公开(公告)号：CN115240075A
公开(公告)日：2022-10-25
申请号：CN202211154588.7
申请日：2022-09-22
申请人： 山东大学 , 智洋创新科技股份有限公司 , 国网浙江省电力有限公司温州供电公司 , 华北电力大学(保定) , 浙江大华技术股份有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06V20/10 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06T5/00 , G06N3/04 , G06N3/08
摘要： 本发明涉及输电线路巡检技术领域，具体涉及一种电力视觉多粒度预训练大模型的构建与训练方法，包括图像修复、图像分类、目标检测、图像描述四个粒度层级的视觉任务；采用多阶段的大模型训练方法，使得模型具有数据挖掘、增量训练和模型进化的功能；其中，第一阶段在海量公开数据集上训练，输出预训练大模型；第二阶段在大量无标签电力场景数据集上进行自监督训练，输出电力视觉多粒度预训练大模型；第三阶段利用大模型针对电力数据集进行隐患图像筛选，大大减轻了人工筛选代价，将隐患图像数据交由人工进行精细化标注，再次输入大模型进行迭代优化，使得视觉预训练大模型更加适配电力场景视觉任务需求。
-
公开(公告)号：CN115223049B
公开(公告)日：2022-12-13
申请号：CN202211140194.6
申请日：2022-09-20
申请人： 山东大学 , 国网浙江省电力有限公司温州供电公司 , 华北电力大学(保定) , 智洋创新科技股份有限公司 , 南瑞集团有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06V20/10 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/08
摘要： 本发明属于压缩技术领域，具体提供了一种面向电力场景边缘计算大模型压缩的知识蒸馏与量化方法。其包括以下步骤:电力场景任务抽象；双层知识蒸馏网络单元构建；教师模型修饰处理；主从教师监督框架：基于教师‑学生蒸馏网络，使用多个数据集训练不同的教师模型，包括与目标任务类似的场景数据集和实际落地场景的数据集，将这些数据集进行划分，训练多个教师模型，按照数据集与落地场景相似度分配指导权重，分为主教师模型和若干个从教师模型，从而对学生模型进行不同层面的知识引导，提高学生模型在复杂场景下的泛化能力；学生模型压缩感知训练。
-
公开(公告)号：CN115223049A
公开(公告)日：2022-10-21
申请号：CN202211140194.6
申请日：2022-09-20
申请人： 山东大学 , 国网浙江省电力有限公司温州供电公司 , 华北电力大学(保定) , 智洋创新科技股份有限公司 , 南瑞集团有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06V20/10 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/08
摘要： 本发明属于压缩技术领域，具体提供了一种面向电力场景边缘计算大模型压缩的知识蒸馏与量化技术。其包括以下步骤:电力场景任务抽象；双层知识蒸馏网络单元构建；教师模型修饰处理；主从教师监督框架：基于教师‑学生蒸馏网络，使用多个数据集训练不同的教师模型，包括与目标任务类似的场景数据集和实际落地场景的数据集，将这些数据集进行划分，训练多个教师模型，按照数据集与落地场景相似度分配指导权重，分为主教师模型和若干个从教师模型，从而对学生模型进行不同层面的知识引导，提高学生模型在复杂场景下的泛化能力；学生模型压缩感知训练。
-
公开(公告)号：CN112861670B
公开(公告)日：2022-11-08
申请号：CN202110107618.8
申请日：2021-01-27
申请人： 华北电力大学(保定) , 山东大学 , 浙江大华技术股份有限公司 , 智洋创新科技股份有限公司 , 南瑞集团有限公司
IPC分类号： G06V20/10 , G06V20/40 , G06V10/764 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种输电线路金具检测方法及系统。该方法包括：获取金具数据集，根据输电线路航拍图像，采用Faster R‑CNN算法得到视觉特征；根据输电线路航拍图像和视觉特征，采用多层感知机算法进行学习，得到学习后的共现图邻接矩阵；根据学习后的共现图邻接矩阵对视觉特征进行信息传播，得到增强特征；将视觉特征和增强特征级联，得到融合特征，并对融合特征进行全连接处理，得到金具类型和金具位置。采用本发明的方法及系统，能够降低传统深度学习模型对数据集中各个金具的样本数量要求，缓解输电线路航拍数据的样本不平衡与长尾分布问题，提高输电线路金具检测效果。
-
公开(公告)号：CN110335270B
公开(公告)日：2022-09-13
申请号：CN201910614536.5
申请日：2019-07-09
申请人： 华北电力大学(保定) , 山东大学 , 浙江大华技术股份有限公司 , 智洋创新科技股份有限公司 , 南瑞集团有限公司
IPC分类号： G06T7/00 , G06V10/46 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G01N21/88 , G01R31/08
摘要： 本发明公开了基于层级区域特征融合学习的输电线路缺陷检测方法，包括：构建和调取Faster R‑CNN模型；将主干网络提取的目标特征通过RPN网络回归得到目标区域；通过对输入图像进行RoI pooling操作产生局部层级区域特征，通过深度选择网络学习产生特征融合所需要的权重将深层特征区域和浅层特征区域融合；并通过分类网络和回归网络产生最后的预测结果。本发明利用深度选择网络产生自学习的区域特征融合权重，节省调整参数的时间，并使模型学习得到的融合特征能够较好地适应不同复杂情况下的缺陷检测任务，深度模型使用区域特征进行预测，强化模型对提取目标局部特征的学习能力，降低了模型在实际环境中因输电线路缺陷图像的复杂背景和类间差异产生的误检问题。
-
公开(公告)号：CN110232687B
公开(公告)日：2022-04-12
申请号：CN201910541355.4
申请日：2019-06-21
申请人： 华北电力大学(保定) , 山东大学 , 智洋创新科技股份有限公司 , 浙江大华技术股份有限公司 , 南瑞集团有限公司
摘要： 本发明公开了一种电力巡检图像中带销螺栓缺陷的检测方法，主要包括Faster R‑CNN模型的构建、Faster R‑CNN模型的训练、带销螺栓目标的检测以及带销螺栓的缺陷判断的步骤，解决在复杂背景中对带销螺栓目标的难准确检测问题，大大提升了带销螺栓这种小目标物体的检测精度，为进一步进行带销螺栓缺陷诊断提供基础，同时提出了基于灰度图的带销螺栓缺陷判别方法，解决了现有带销螺栓缺陷难判别问题，为电网安全运行提供基础保障。
-
公开(公告)号：CN111898575B
公开(公告)日：2022-09-02
申请号：CN202010783039.0
申请日：2020-08-06
申请人： 华北电力大学(保定) , 山东大学 , 智洋创新科技股份有限公司 , 南瑞集团有限公司 , 浙江大华技术股份有限公司
摘要： 本发明公开了一种基于Faster R‑CNN检测器的栓母对自动组合方法，包括以下步骤：使用Faster R‑CNN检测器输出并保存螺栓、螺母类别和目标框坐标；基于目标框坐标，分别获得螺栓、螺母四个顶点坐标；根据自动组合规则，组合为栓母对，并计算栓母对区域四个顶点坐标；计算栓母对区域目标框，并对栓母对区域进行数据化处理。本发明提供的基于Faster R‑CNN检测器的栓母对自动组合方法，充分考虑螺栓和螺母关系，提出使用Faster R‑CNN检测并输出螺栓和螺母目标框坐标，结合螺栓和螺母的坐标有规则自动组合栓母对，高效完成栓母对的自动组合，弥补手动裁剪和非自动组合栓母对的不足。
-
-
-
-
-
-
-
-
-
搜索结果
27 条记录 (耗时 0.123 秒)
