-
公开(公告)号：CN108180960B
公开(公告)日：2020-06-05
申请号：CN201711403406.4
申请日：2017-12-22
申请人： 深圳供电局有限公司 , 深圳市康拓普信息技术有限公司
IPC分类号： G01F23/292
摘要： 本发明公开了一种变压器的油位状态检测方法和装置。所述方法包括：在待测时间点分别获取待测变压器内部绝缘油的红外图像和可见光图像；对获取的红外图像和可见光图像进行图像融合，获得相应的融合油位图像；对获取的融合油位图像进行二值化处理，并根据二值化处理的融合油位图像来获取待测变压器内部绝缘油的油位线；根据获取的油位线来判断待测变压器内部绝缘油的油位状态。本发明提供的油位状态检测方法，实现了根据融合油位图像实时自动监测变压器的油位状态，使得用户能实时掌握变压器的油位状态，免除了人工巡检的人力资源消耗，而且油位状体监测结果准确可靠，保障了电力系统的安全稳定运行。
-
公开(公告)号：CN108009547A
公开(公告)日：2018-05-08
申请号：CN201711436199.2
申请日：2017-12-26
申请人： 深圳供电局有限公司 , 深圳市康拓普信息技术有限公司
摘要： 本发明公开了一种变电站设备的铭牌识别方法和装置。所述方法包括：获取含有待测变电站设备铭牌的待测场景图像；采用预设的边缘提取算法，对待测场景图像进行边缘提取处理，获取相应的待测轮廓图像，并定位待测轮廓图像中的铭牌轮廓区域；对待测铭牌轮廓区域进行裁剪和矫正处理，获取待测的铭牌区域图像；采用预设的卷积神经网络，对待测的铭牌区域图像中的字符进行识别。本发明通过提供的铭牌识别方法，能在非接触的情况下识别出不同的电力设备的铭牌信息，极大提升了巡检的效率和质量，而且对铭牌信息的识别具有很强的环境适应性和抗干扰能力。
-
公开(公告)号：CN108180960A
公开(公告)日：2018-06-19
申请号：CN201711403406.4
申请日：2017-12-22
申请人： 深圳供电局有限公司 , 深圳市康拓普信息技术有限公司
IPC分类号： G01F23/292
摘要： 本发明公开了一种变压器的油位状态检测方法和装置。所述方法包括：在待测时间点分别获取待测变压器内部绝缘油的红外图像和可见光图像；对获取的红外图像和可见光图像进行图像融合，获得相应的融合油位图像；对获取的融合油位图像进行二值化处理，并根据二值化处理的融合油位图像来获取待测变压器内部绝缘油的油位线；根据获取的油位线来判断待测变压器内部绝缘油的油位状态。本发明提供的油位状态检测方法，实现了根据融合油位图像实时自动监测变压器的油位状态，使得用户能实时掌握变压器的油位状态，免除了人工巡检的人力资源消耗，而且油位状体监测结果准确可靠，保障了电力系统的安全稳定运行。
-
公开(公告)号：CN110503623A
公开(公告)日：2019-11-26
申请号：CN201910440969.3
申请日：2019-05-24
申请人： 深圳供电局有限公司 , 深圳市康拓普信息技术有限公司
摘要： 一种基于卷积神经网络的识别输电线路上鸟巢缺陷的方法，该方法包括以下步骤：收集输电线路的鸟巢缺陷图像，并在鸟巢缺陷图像上人工标注鸟巢位置得到人工标注图像；对人工标注图像进行样本量的扩充得到训练样本集；通过卷积神经网络构建用于识别鸟巢缺陷的CNN网络模型，并以该训练样本集为训练数据对该CNN网络模型进行训练；将训练完成的该CNN网络模型部署在CPU或GPU上用于对待检测图像进行识别；采用无人机对输电线路进行拍摄获取该待检测图像；将该待检测图像输入该CNN网络模型，该CNN网络模型识别该待测图像中的鸟巢缺陷，并计算出鸟巢缺陷在该待测图像中的位置坐标。该方法可以识别输电线路上的鸟巢缺陷，而且还可标注出鸟巢缺陷的准确位置。
-
公开(公告)号：CN109472351A
公开(公告)日：2019-03-15
申请号：CN201811299727.9
申请日：2018-10-25
申请人： 深圳市康拓普信息技术有限公司
摘要： 一种快速训练深度学习模型的方法及系统；所述快速训练深度学习模型的方法包括以下步骤：步骤S1、准备深度学习模型以及与特定应用有关的训练数据；步骤S2、采用训练数据来训练深度学习模型，从而得到与特定应用有关的深度学习模型参数；步骤S3、结合深度学习模型参数和深度学习模型来生成特定应用预测模型。本发明的快速训练深度学习模型的方法及系统设计巧妙，实用性强。
-
公开(公告)号：CN109558940A
公开(公告)日：2019-04-02
申请号：CN201811336316.2
申请日：2018-11-09
申请人： 深圳市康拓普信息技术有限公司
IPC分类号： G06N3/04
摘要： 一种深度学习模型训练的管理方法和系统；所述深度学习模型训练的管理方法，包括以下步骤：步骤S1、针对深度学习模型，采用容器化技术将深度学习模型的训练任务所需用到的底层物理资源整合成逻辑资源池，并建立深度学习模型的训练任务中的指令与逻辑资源池之间的调度关系；步骤S2、采用消息队列对深度学习模型的训练任务的执行进行控制，以便完成深度学习模型的训练任务；步骤S3、采用容器化技术、消息队列并结合深度学习模型的训练任务的生命周期对训练中和/或训练后的深度学习模型进行自动化管理。本发明的深度学习模型训练的管理方法和系统设计巧妙，实用性强。
-
公开(公告)号：CN110533181A
公开(公告)日：2019-12-03
申请号：CN201910676874.1
申请日：2019-07-25
申请人： 深圳市康拓普信息技术有限公司
摘要： 一种深度学习模型的快速训练方法及系统。该快速训练方法包括如下步骤：在训练服务器中预安装训练环境；该训练服务器从文件服务器中调用预先导入在该文件服务器中的训练代码对深度学习模型进行训练；将该文件服务器与显示有控制界面的显示终端进行信号连接，该控制界面包括训练代码更新选项卡。如此，由于在训练服务器中预安装了训练环境，因此在训练深度学习模型时，无需安装和准备环境，相比原有方式(一个普通技术人员安装和部署环境最少需要7天的时间)可极大的提高的工作效率。另外，需要更新时，该训练服务器可自动在该文件服务器中下载最新的该训练代码覆盖运行，从而快速的完成训练代码的更新。
-
公开(公告)号：CN109582790A
公开(公告)日：2019-04-05
申请号：CN201811346562.6
申请日：2018-11-13
申请人： 深圳市康拓普信息技术有限公司
摘要： 本发明公开了一种基于名称高效核对不同系统中的电力设备的方法及装置，所述方法包括：将电力设备进行分类；获取同一类中的每一个电力设备在不同系统中的设备名称，并对每一个设备名称进行分词和去停用词处理得到对应的参考词；向量化每一个所述参考词得到对应的参考词向量；计算一个所述参考词和其他的所述参考词向量的相似度；将相似度大于预设阈值的两个以上的参考词向量进行匹配。如此，利用设备名称的相似度来对不同系统中的电力设备进行核对，大大提高了核对效率，降低了人工核对的工作量，而且核对的准确性与现有的方式相比也有很大幅度的提升。
-
公开(公告)号：CN109543839A
公开(公告)日：2019-03-29
申请号：CN201811317357.7
申请日：2018-11-07
申请人： 深圳市康拓普信息技术有限公司
IPC分类号： G06N3/08
摘要： 一种继承具体应用模型的深度学习模型的训练方法和系统；所述训练方法包括以下步骤：步骤S1、找出与深度学习模型的待训练应用相关的具体应用模型；步骤S2、自动采用具体应用模型中与其具体应用有关的深度学习模型参数值对深度学习模型进行初始化；步骤S3、自动采用与待训练应用相关的训练数据训练初始化后的深度学习模型。本发明的继承具体应用模型的深度学习模型的训练方法和系统设计巧妙，实用性强。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.052 秒)