-
公开(公告)号：CN115761562A
公开(公告)日：2023-03-07
申请号：CN202211097859.X
申请日：2022-09-08
Applicant: 东南大学
IPC: G06V20/40 , G06T7/269 , G06T7/13 , G06T7/11 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种变电站面板有效目标的视频高清晰度关键帧提取方法，提取方法步骤包括步骤一基于Shi‑Tomasi矩形角点算法进行角点检测，识别出目标面板边框轮廓交界处的特征角点并筛选出能够确定位置的角点。步骤二利用改进后的L‑K光流法对通过直线检验特征角点进行追踪，以特征角点数量的突变作为判据，基于等时间间隙采集法提取完整面板慢速移动的一级清晰帧。步骤三基于特征角点对一级清晰关键帧上的有效区域进行分层嵌套切割，分层嵌套切割出有效矩形区域，对同一有效区域进行二次清晰帧筛选。本发明提取方法有效地提取出冗余少且概括视频内容的关键帧，解决传统过程监测中数据冗余的缺点。
-
公开(公告)号：CN115713772A
公开(公告)日：2023-02-24
申请号：CN202211097849.6
申请日：2022-09-08
Applicant: 东南大学
IPC: G06V30/26 , G06V30/162 , G06V30/19 , G06V30/24
Abstract: 本发明提供变电站面板文字识别方法、系统、设备及存储介质，涉及电网巡检维护领域。该变电站面板文字识别方法，包括获取原始图片，对原始图片进行预处理；对预处理后的图片进行文字识别处理；根据提供的仪器面板信息照片构建变电站面板文字信息数据库；根据变电站面板文字信息数据库对文字识别处理结果进行纠正，得到最终识别结果；结合面板文本信息数据库对CNOCR识别的文字信息进行优化，实现了对于面板文字信息的高准确率识别，提升了识别结果的可靠性；使用轻量化的文字OCR进行识别，在高准确率的同时有较快的识别速度与较小的数据体积。
-
公开(公告)号：CN115620076B
公开(公告)日：2023-12-15
申请号：CN202211098215.2
申请日：2022-09-08
Applicant: 东南大学
Abstract: 本发明提供一种智能变电站二次装置面板识别方法、设备及存储介质，涉及电网巡检维护领域。该智能变电站二次装置面板识别方法，通过对原始YOLOv5训练网络和检测网络进行改进，有效解决智能变电站保护装置面板状态巡检现场背景环境复杂化、检测目标小且密集等特征带来的图像识别问题；首先针对小目标特征对YOLOv5进行改进，将注意力机制模块融入特征提取网络，弥补全局平均池化所丢失的信息，并且能够保留重要的空间区域，从而解决复杂背景下小目标特征难以提取的问题；在训练过程中，采用进行多次卷积处理的方法，强化FPN+PAN双向特征金字塔网络检测层级，基于目标类别的特征(56)对比文件Muhammed Can Keles等《.Evaluation ofYOLO Models with Sliced Inference forSmall Object Detection》《.arxiv》.2022,全文.
-
公开(公告)号：CN115620076A
公开(公告)日：2023-01-17
申请号：CN202211098215.2
申请日：2022-09-08
Applicant: 东南大学
Abstract: 本发明提供一种智能变电站二次装置面板识别方法、设备及存储介质，涉及电网巡检维护领域。该智能变电站二次装置面板识别方法，通过对原始YOLOv5训练网络和检测网络进行改进，有效解决智能变电站保护装置面板状态巡检现场背景环境复杂化、检测目标小且密集等特征带来的图像识别问题；首先针对小目标特征对YOLOv5进行改进，将注意力机制模块融入特征提取网络，弥补全局平均池化所丢失的信息，并且能够保留重要的空间区域，从而解决复杂背景下小目标特征难以提取的问题；在训练过程中，采用进行多次卷积处理的方法，强化FPN+PAN双向特征金字塔网络检测层级，基于目标类别的特征改进损失函数，避免对密集目标进行重复检测。
-
-
-
Search Results
4
records
(took 0.016 seconds)
