-
公开(公告)号:CN119785171A
公开(公告)日:2025-04-08
申请号:CN202411781983.7
申请日:2024-12-05
Applicant: 三峡大学
IPC: G06V10/82 , G06V10/77 , G06V10/80 , G06V10/25 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于YOLOv8的共享映射差异补偿的变电站设备缺陷检测网络的构建方法,它包括以下步骤:步骤S1:从相应的数据库中加载目标检测图像数据,并转换为YOLO训练格式,将数据集被划分为训练集和测试集,以准备后续的模型训练和验证;步骤S2:构建改进的YOLOv8整体架构,将三个共享映射差异补偿分别添加至YOLOv8的三个检测头前;步骤S3:设计并实现共享映射差异补偿融合模块,该模块负责在不同的特征层之间进行深度特征融合,从而更好地突出异常信号;步骤S4:将变电站设备缺陷数据集输入到构建好的变电站设备缺陷检测模型中,并通过损失约束进行模型训练,最终输出缺陷检测结果;通过以上步骤对共享映射差异补偿的变电站设备缺陷检测网络进行构建。
-
公开(公告)号:CN119579989A
公开(公告)日:2025-03-07
申请号:CN202411695393.2
申请日:2024-11-25
Applicant: 国网湖北省电力有限公司宜昌供电公司 , 三峡大学
IPC: G06V10/764 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本申请涉及一种变电站异常检测网络的构建方法、装置、设备和存储介质。所述方法包括:获取多张变电站设备的异常图像样本,以及每张异常图像样本对应的异常标签;采用待训练变电站异常检测网络对目标异常图像样本进行频域特征提取,得到频域特征,并基于频域特征进行分类,得到目标异常图像样本对应的预测异常;基于目标异常图像样本对应的异常标签和预测异常计算模型损失;基于模型损失调整待训练变电站异常检测网络的网络参数,直至计算得到的模型损失达到训练停止条件时停止,得到训练完成的变电站异常检测网络;训练完成的变电站异常检测网络用于变电站异常检测。采用本方法能够提高变电站环境中的多分类异常的检测精度。
-