基于YOLOv3剪枝网络和深度学习去雾模型的长输管线巡检方法

    公开(公告)号:CN111461291B

    公开(公告)日:2023-05-12

    申请号:CN202010173558.5

    申请日:2020-03-13

    摘要: 本发明属于一种基于深度学习的图像处理技术,具体涉及基于YOLOv3剪枝网络和深度学习去雾模型的长输管线巡检方法。包括如下步骤:步骤一:构建并训练AOD‑Net去雾网络模型;步骤二:设计YOLOv3主干网络及损失函数;步骤三:通过无人机巡检方式对目标区域进行图像数据采集并进行训练;步骤四:通过基于BN层缩放因子γ剪枝方法对YOLOv3模型压缩和加速推算;步骤五:将AOD‑Net及YOLOv3联合模型部署到无人机嵌入式模块进行目标任务检测;步骤六:将无人机长输管线巡检任务检测结果实时回传至后台系统。本发明用于部署在无人机嵌入式模块上进行长输管线巡检工作,在保证检测精度高、实时性好以及效率高的同时,大大降低了人工成本。

    基于YOLOv3剪枝网络和深度学习去雾模型的长输管线巡检方法

    公开(公告)号:CN111461291A

    公开(公告)日:2020-07-28

    申请号:CN202010173558.5

    申请日:2020-03-13

    摘要: 本发明属于一种基于深度学习的图像处理技术,具体涉及基于YOLOv3剪枝网络和深度学习去雾模型的长输管线巡检方法。包括如下步骤:步骤一:构建并训练AOD-Net去雾网络模型;步骤二:设计YOLOv3主干网络及损失函数;步骤三:通过无人机巡检方式对目标区域进行图像数据采集并进行训练;步骤四:通过基于BN层缩放因子γ剪枝方法对YOLOv3模型压缩和加速推算;步骤五:将AOD-Net及YOLOv3联合模型部署到无人机嵌入式模块进行目标任务检测;步骤六:将无人机长输管线巡检任务检测结果实时回传至后台系统。本发明用于部署在无人机嵌入式模块上进行长输管线巡检工作,在保证检测精度高、实时性好以及效率高的同时,大大降低了人工成本。

    一种配电网电容电流测量方法及装置

    公开(公告)号:CN108982960B

    公开(公告)日:2019-11-08

    申请号:CN201810917706.2

    申请日:2018-08-13

    IPC分类号: G01R19/25

    摘要: 本发明公开了一种配电网电容电流测量方法及装置,其方法包括步骤:一、母线零序电压及各条非故障馈线零序电流数据采集;二、零序电压有效值和各条非故障馈线零序无功功率的计算;三、各条非故障馈线的谐波电纳的计算;四、所有非故障馈线的谐波电纳之和的计算;五、零序电压中各次谐波电压有效值的计算;六、谐波影响系数的计算;七、所有非故障线路基波下的电容电纳的计算;八、所有非故障馈线电容电流的计算;九、故障馈线电容电流的计算;十、配电网电容电流的计算;其装置包括处理器、电源电路、以太网通信电路模块、零序电压检测电路和多个馈线零序电流检测电路。本发明适用于信号畸变情况、不受中性点运行方式影响、不影响配电网正常运行。

    一种硫化氢气体泄漏事故应急决策方法和装置

    公开(公告)号:CN116433044A

    公开(公告)日:2023-07-14

    申请号:CN202310283111.7

    申请日:2023-03-22

    摘要: 本发明公开了一种硫化氢气体泄漏事故应急决策方法和装置,涉及石化生产安全管控技术领域,包括:根据历史上硫化氢气体泄漏事故统计结果,确定包含多个要素的硫化氢气体泄漏事故演变路径拓扑结构,在硫化氢气体泄漏事故演变路径拓扑结构中,利用多个要素的布尔函数关系,采用IF‑THEN规则,确定硫化氢气体泄漏事故演变模型,根据不同的关键节点状态,在硫化氢气体泄漏事故演变模型输入不同的应急活动状态,获得最终的硫化氢气体泄漏事故演变路径及最终的关键节点状态,利用贝叶斯网络确定最终的关键节点状态的后验概率,根据最终的关键节点状态的后验概率,选择最优的应急活动。该方法可以在预案的基础上应用不确定性推理方法来修正应急行动方案。