公开(公告)号：CN118628726A

公开(公告)日：2024-09-10

申请号：CN202310213338.4

申请日：2023-03-08

Applicant: 上海电力大学

Inventor： 蒋志哲 ,  林雨欣 ,  张宇华

IPC: G06V10/26 ,  G06V10/46 ,  G06V10/80 ,  G06V10/44 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种双光融合的目标检测分割方法。其方法包括以下步骤，利用双通道采集目标配电设备的红外图像和可见光图像；基于SIFT和PSO算法完成对可见光与红外图的配准对齐，将对齐后的数据输入到Mask RCNN检测分割模型中；利用两个独立的backbone提取可见光模态与温度图模态的特征；根据FPN特征层融合中的结果，设置RPN只利用可见光模态生成推荐候选框；分别将输出的特征中推荐候选框的对应部分输入到检测与分割的ROI‑head中并继续提取特征；将两个模态在ROI‑head中提取出的特征进行融合并完成预测。使用可见光和红外图像融合的目标检测分割方法，相比于可见光或温度图单模态检测分割的准确率提升，能够有效的提高目标检测分割的精度。

公开(公告)号：CN117593687A

公开(公告)日：2024-02-23

申请号：CN202310647406.8

申请日：2023-06-02

Applicant: 上海电力大学

Inventor： 张宇华 ,  蒋志哲 ,  王育飞 ,  薛花 ,  于艾清

IPC: G06V20/52 ,  G06V10/764 ,  G06V10/82 ,  G06T7/73 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06N3/084

Abstract: 本发明提供了一种基于CenterNet的电力设备红外图像检测方法，在变电站拍摄目标图像，将目标图像制作为数据集，将数据集分为训练集和测试集，并对训练集进行标注，选择ResNext50作为特征提取网络，使用CenterNet算法对训练集中的红外图像及标注的信息进行深度学习的训练，得到训练后的模型，进行目标检测，获取图像中待检测目标的分类信息和位置信息。本发明提取特征能力更强，提高了对于关键目标的关注度，并减轻对变电站背景等干扰的关注，目标检测精度较高。在保证检测速度的同时进一步提升了电力设备的红外图像检测精度，可以为变电站设备的故障检测提供关键技术支持。