公开(公告)号：CN108596886A

公开(公告)日：2018-09-28

申请号：CN201810341139.0

申请日：2018-04-17

Applicant: 福州大学

Inventor： 江灏 ,  刘欣宇 ,  缪希仁 ,  陈静

IPC: G06T7/00 ,  G06K9/00

CPC classification number: G06T7/0008 ,  G06K9/00637 ,  G06T2207/20081 ,  G06T2207/20084 ,  G06T2207/30164

Abstract: 本发明涉及一种基于深度学习的航拍图像绝缘子掉片故障快速检测方法。该方法涉及高压输电线路巡线技术、图像识别技术、机器学习技术领域，包括：建立巡线绝缘子数据库，包括绝缘子检测图像库和绝缘子掉片故障检测图像库；利用数据增强扩充数据库；建立与检测图像库对应的图像标签库，包括绝缘子检测标签库和绝缘子掉片故障标签库；建立深度学习目标检测模型SSD，包括基础网络MobileNet和辅助网络；生成数据集，包括绝缘子检测训练集、绝缘子检测测试集、绝缘子掉片故障检测训练集、绝缘子掉片故障检测测试集；训练模型；固化模型用于快速检测；测试模型，将待检测图片输入模型中得到绝缘子掉片故障检测结果。

公开(公告)号：CN108416061A

公开(公告)日：2018-08-17

申请号：CN201810249896.5

申请日：2018-03-26

Applicant: 福州大学

Inventor： 缪希仁 ,  刘志颖 ,  江灏 ,  陈静 ,  刘欣宇 ,  庄胜斌

IPC: G06F17/30 ,  G07C1/20

Abstract: 本发明涉及一种适用电力巡检的无人机航拍影像库建立、分类及检索方法。该影像库包含视频数据库、图片数据库和残次图像库三个子库；分别用于存储无人机电力巡检航拍中采集的视频和飞行数据、质量评估结果合格的航拍图片和图片标注信息的标签文件、以及质量评估结果不合格的航拍图片。影像库按本发明所涉及的建立、分类和检索方法建立影像库，并对采集的无人机电力巡检航拍影像进行分类、筛选、标注处理和管理。本发明建立的一种适用于电力巡检的无人机航拍影像库，通过规则化命名、多次分类的方法对数据内容实现科学管理；对质量合格的图片内容按电力部件类别、故障状态进行标注处理，为人工智能在电力巡检领域内的应用研究提供可靠的数据支撑。

公开(公告)号：CN106406119B

公开(公告)日：2019-05-10

申请号：CN201611001919.8

申请日：2016-11-15

Applicant: 福州大学

Inventor： 庄胜斌 ,  缪希仁 ,  江灏 ,  张丽萍 ,  刘欣宇 ,  陈静

IPC: G05B15/02 ,  G05B19/418

Abstract: 本发明涉及一种基于语音交互、云技术及集成智能家居监控的服务机器人。包括服务机器人本体及与其通信的智能云平台、家居设施及用户指令发送端；住户通过语音或操作移动终端与服务机器人进行交互，服务机器人通过智能算法判断居民的期望指令，执行相应的音视频反馈、肢体反馈及相关智能设施的调度；服务机器人可实时监控家中的智能设施并将数据信息上传到云平台，通过智能云计算分析用户的喜好、习惯，作为服务机器人判断用户期望指令的依据；不在家的住户可以通过访问云平台查询家中各类信息，包括实时监控视频、报警信息、家电状态信息、环境监测信息等，并通过云平台对服务机器人下达指令。本发明实现服务机器人真正意义上的高科技人工智能。

公开(公告)号：CN109376768A

公开(公告)日：2019-02-22

申请号：CN201811103962.4

申请日：2018-09-21

Applicant: 福州大学

Inventor： 缪希仁 ,  刘欣宇 ,  江灏 ,  陈静

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的航拍图像杆塔标识牌故障诊断方法。该方法包括：建立杆塔标识牌检测图像库及其标签库；建立杆塔塔腿检测图像库及其标签库；建立杆塔标识牌状态分类图像库及其标签库；建立深度学习目标检测模型Faster R-CNN，包括基础网络NasNet、区域提议网络和Fast R-CNN检测网络；建立深度学习图像分类模型ResNet；在准备好的各图库上训练已建立的检测模型或分类模型，训练过程中每次迭代的输入数据都执行数据增强操作，包括随机旋转、随机填充式裁剪、随机灰度化；根据检测出的标识牌与塔腿相对位置，诊断杆塔标识牌脱落故障，若无脱落则利用分类模型诊断标识牌的状态。

公开(公告)号：CN108010030A

公开(公告)日：2018-05-08

申请号：CN201810066213.2

申请日：2018-01-24

Applicant: 福州大学

Inventor： 缪希仁 ,  刘欣宇 ,  江灏 ,  陈静

IPC: G06T7/00 ,  G01C11/04

CPC classification number: G06T7/0002 ,  G01C11/04 ,  G06T2207/20081 ,  G06T2207/20084

Abstract: 本发明涉及一种基于深度学习的航拍图像绝缘子实时检测方法。将特征提取的任务交给深度卷积神经网络，提取出更加全面、更能描述绝缘子的深度特征信息，再将其输入检测器中进行预测推理，得到检测结果。整个过程是端到端的快速检测通道，输入图片最终得到目标框，提高了后续自动故障诊断的效率，有助于减轻目前巡线人员面对海量巡线数据时的检索压力与强度。同时，本发明还利用了迁移学习的思想将过去任务所得知识迁移至当前的目标任务中，使得所训练的模型具有了可继承性，每当有新的数据补充进图库时，目标模型可以在源模型的基础上继续训练新的数据，快速达到预期效果，使得旧版本的模型不会因为数据的更新而毫无用处，检测模型会随着时间的推移与数据的增多而变得愈来愈强大。