-
公开(公告)号：CN116580177A
公开(公告)日：2023-08-11
申请号：CN202310446375.X
申请日：2023-04-23
Applicant: 武汉大学 , 西安理工大学 , 武汉敏捷数云信息技术有限公司
Abstract: 本发明公开了一种室外场景下指针式表计读数的检测方法，包括如下步骤：(1)通过YOLOv7网络对表计进行目标检测获得仅包含表盘的候选框图像；(2)对上述图像进行霍夫圆检测后裁剪出表盘；(3)对表盘图像进行预处理；(4)根据刻度线特征检测表盘的始末刻度线；(5)采用Suzuki算法进行轮廓提取；(6)提取完轮廓后对图表上的轮廓进行分离并重构表盘二值图，去除阳光阴影、污渍、符号、数字的干扰。本发明通过深度学习、目标检测以及图像处理、检测技术，可以用于电力场景下的表计读数。该方法可以克服阳光带来的阴影、反光和表盘上的污渍对表计读数的影响，节省了人力资源，保障了电力安全。
-
公开(公告)号：CN116738355A
公开(公告)日：2023-09-12
申请号：CN202310445810.7
申请日：2023-04-23
Applicant: 武汉大学 , 西安理工大学 , 武汉敏捷数云信息技术有限公司
IPC: G06F18/25 , G06F18/213 , G06F18/24 , G06N3/04 , G06V10/40 , G06V10/82 , G06V10/764 , G06N3/08
Abstract: 本发明公开了一种考虑数据差异性的电力多模态特征级融合方法，以电力多参量时间序列和图像数据为融合对象，分别对电力多参量时间序列和图像数据进行特征提取；然后使用余弦损失构建特征同化目标函数，对不同的特征进行统一描述，解决语义差异性问题；接着基于交叉损失熵建立特定数据与电力目标感知能力间的映射关系，并在此基础上提出融合权重决策机制，解决感知能力差异性问题；最后对不同的特征进行加权并进行电力目标感知。本发明一定程度上解决了现有电力多模态数据融合对多模态间的语义差异性和感知能力差异性考虑不足，融合效果有限，难以应对数据异常、噪声等问题，可为基于多模态数据融合的电力感知场景提供参考。
-
公开(公告)号：CN116563557A
公开(公告)日：2023-08-08
申请号：CN202310437268.0
申请日：2023-04-22
Applicant: 武汉大学 , 西安理工大学 , 武汉敏捷数云信息技术有限公司
IPC: G06V10/40 , G06V10/77 , G06V10/74 , G06V10/82 , G06V10/764 , G06V10/54 , G06T7/00 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种基于域适应网络的电力设备不规则外表面缺陷检测方法，方法首先通过构建包含特征生成器和分类器的域适应架构以增强模型的泛化能力；然后在特征生成器部分增加纹理提取支路，从而提升网络纹理特征感知的能力；并通过添加辅助预测支路的方式，来引导和约束特征提取的过程；其次通过生成器和分类器的对抗学习，得到适用于电力设备不规则外表面缺陷高精度检测模型。本发明具有一定的实用价值。
-
公开(公告)号：CN116563386A
公开(公告)日：2023-08-08
申请号：CN202310437215.9
申请日：2023-04-22
Applicant: 武汉大学 , 西安理工大学 , 武汉敏捷数云信息技术有限公司
Abstract: 本发明涉及一种基于双目视觉的变电作业人员近电距离检测方法，该方法基于双目立体匹配算法，通过多阶段视差修正，在尽可能减少精度损失的前提下，大幅减少模型参数量和计算量，加快模型推理速度，确保作业场景空间信息检测实时性，同时结合YOLOV4目标检测算法，准确区分图像中作业人员和带电设备，并以此进行坐标转换，进一步测算出作业人员与带电设备之间的距离，并以此作为报警判别条件。本发明能在保证检测精度的前提下有效检测作业人员近电距离，实现对变电作业触电风险实时监测，提高电力设备运行安全稳定性，保障人员生命安全。
-
公开(公告)号：CN115809986A
公开(公告)日：2023-03-17
申请号：CN202211341101.6
申请日：2022-10-30
Applicant: 武汉大学 , 西安理工大学 , 武汉敏捷数云信息技术有限公司 , 武汉珈楚智能信息技术有限公司
IPC: G06T7/00 , G08B21/02 , G08B29/18 , G06T7/80 , G06T7/70 , G06V10/82 , G06V10/774 , G06V10/44 , G06V10/54 , G06V10/40 , G06N3/082 , G01S13/08 , G01S13/86
Abstract: 本发明涉及一种多传感器融合的输电走廊智能外破检测方法，该方法基于YOLOv3算法，利用深度神经网络模型压缩技术，在尽可能减少精度损失的前提下，大幅度压缩模型体积，大幅减少模型参数量和计算量，加快模型推理速度，确保检测实时性，同时融合毫米波雷达传感器和相机雷达传感器，准确获取图像中目标的深度距离，并以此进行坐标转换，进一步测算出图像目标与电力线之间的距离，并以此作为报警判别条件。本发明能在保证检测精度的前提下有效降低误报率，实现对输电走廊外破实时监测，提高输电走廊在线视频监控质量，保障输电走廊安全，提高电力设备运行安全稳定性。
-
Patent Agency Ranking
公开(公告)号：CN119476963A
公开(公告)日：2025-02-18
申请号：CN202510046517.2
申请日：2025-01-13
IPC: G06Q10/0635 , G06N3/0464 , G06Q50/06 , G06T7/00 , G06T7/62 , G06V10/44 , G06V10/764 , G06V20/56
Abstract: 本发明公开了一种基于细颗粒度检测的电力作业安全风险辨识方法及系统，涉及电力作业安全管理领域，解决了难以通过图像分析软件获取设备表面物质面积占比，也难以通过SAD算法获取目标像素点的视差值，缺少以卷积神经网络作为基础框架构建模型进行区域判定，并进行双重预警的技术问题，包括以下步骤：通过图像分析软件获取腐蚀面积比例和磨损面积比例得到设备综合损害比例；使用高分辨率双目相机采集电力作业现场视频数据；获取目标像素点的视差值和相应的视差图，通过SAD算法得到视差值后获取相应点深度值和三维坐标；以卷积神经网络作为基础框架构建模型对车辆类型进行判定，并根据两个判定条件判断是否触发预警信号。
-
公开(公告)号：CN119296237A
公开(公告)日：2025-01-10
申请号：CN202411414511.8
申请日：2024-10-11
IPC: G08B13/181 , G08B13/196 , G06T17/00 , G06T3/06 , G06T7/70 , G06T7/80
Abstract: 本发明实施例提供的一种变电站施工安全距离监测方法、装置、设备及存储介质，通过获取的变电站的点云数据，建立三维目标检测模型，基于该三维目标检测模型进行第一次三维目标检测，以检测待监测区域内是否存在带电设备，在确定待监测区域内存在带电设备的情况下，再获取带电设备对应的三维位置信息，并基于该三维位置信息，划分出风险区域，之后基于该三维目标检测模型进行二次三维目标检测，以检测风险区域内是否存在入侵物，在确定风险区域内存在入侵物的情况，进一步判断该入侵物的类型，即判断是入侵人员还是施工机械，最后基于边界信息，计算带电设备和入侵物之间的欧式距离；若欧式距离超过预设距离阈值，基于类别信息，输出告警信息。
-
公开(公告)号：CN119445198A
公开(公告)日：2025-02-14
申请号：CN202411391217.X
申请日：2024-10-08
IPC: G06V10/764 , G06V10/774 , G06V10/26 , G06V10/82 , G06N3/0499 , G06N3/094
Abstract: 本申请提供了一种放电检测模型及其训练方法、使用方法、设备、介质。所述放电检测模型包括：预处理模块，用于对输入至所述放电检测模型的视听数据进行预处理、标记化处理、以及投影处理；其中，所述视听数据为对用电设备进行视听监测得到的数据；掩码模块，用于对投影后的视听数据进行数据嵌入和数据遮掩；编码模块，用于对视听数据进行单模编码以及联合多模编码；分类模块，用于基于编码结果检测用电设备是否发生放电故障，以及用于在检测到所述用电设备发生放电故障的情况下，输出放电故障类型。通过本申请可以实现对用电设备放电故障的高精度检测，并结合用电设备实际情况输出相应放电故障类型。
-
公开(公告)号：CN119273655A
公开(公告)日：2025-01-07
申请号：CN202411360790.4
申请日：2024-09-27
IPC: G06T7/00 , G06T7/73 , G06V10/764 , G06V10/82 , G06V10/52 , G06N3/0464
Abstract: 本发明公开的基于协同混合分配训练的输电线路相似性缺陷识别方法，包括：步骤1、获取输电线路的图像数据，并进行预处理；步骤2、进行特征提取生成一系列特征图，通过特征金字塔对每个特征图进行卷积和上采样操作提取多尺度特征；步骤3、将步骤2中生成的特征图输入编码器，生成图像中缺陷特征的上下文信息；步骤4、通过解码器接收步骤3中上下文信息，并结合Co‑DETR模型对步骤2中的多尺度特征进行处理，为每个Ground Truth生成多个候选正样本坐标，通过解码器整合多尺度特征和正样本信息，输出相似性缺陷的预测类型及位置信息；通过该方法解决了现有技术中在复杂场景下、人工识别相似性缺陷容易发生人为漏检或误检等问题。
-
公开(公告)号：CN117829583A
公开(公告)日：2024-04-05
申请号：CN202311630097.X
申请日：2023-11-30
Applicant: 西安理工大学
Abstract: 本发明公开了基于视觉问答的电力作业安全风险辅助纠查方法，包括：获取电力作业现场的图像；利用所述图像建立基于LLM的图像文本多模态模型，对所述图像文本多模态模型进行第一阶段训练；利用ChatGPT语言模型构造专用于电力作业场景安全风险知识问答的多模态指令跟踪数据；利用所述多模态指令跟踪数据对图像文本多模态模型进行第二阶段训练；向步骤4训练后的图像文本多模态模型输入待纠查电力作业现场的图像Xv和对应自然语言问题指令Xq，生成答案Xa，实现电力作业安全风险辅助纠查。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.053 seconds)
