-
公开(公告)号:CN112037215A
公开(公告)日:2020-12-04
申请号:CN202010938100.4
申请日:2020-09-09
Applicant: 华北电力大学(保定)
IPC: G06T7/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30 , G01N21/88
Abstract: 本发明涉及一种基于零样本学习的绝缘子缺陷检测方法及系统。该方法包括:获取绝缘子每种缺陷类别对应的文本数据;根据每种缺陷类别对应的文本数据,获取每种缺陷类别的语义特征向量;获取待检测绝缘子的图像;根据所述待检测绝缘子的图像,采用卷积神经网络提取所述待检测绝缘子的图像特征向量;确定所述图像特征向量与每种缺陷类别的语义特征向量之间的距离;基于所述图像特征向量与每种缺陷类别的语义特征向量之间的距离,采用最近邻分类器确定所述待检测绝缘子的缺陷类别;所述待检测绝缘子的缺陷类别为与所述图像特征向量距离最短的语义特征向量对应的缺陷类别。本发明可以提高绝缘子缺陷检测的准确度及鲁棒性。
-
公开(公告)号:CN112037215B
公开(公告)日:2024-05-28
申请号:CN202010938100.4
申请日:2020-09-09
Applicant: 华北电力大学(保定)
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30 , G01N21/88
Abstract: 本发明涉及一种基于零样本学习的绝缘子缺陷检测方法及系统。该方法包括:获取绝缘子每种缺陷类别对应的文本数据;根据每种缺陷类别对应的文本数据,获取每种缺陷类别的语义特征向量;获取待检测绝缘子的图像;根据所述待检测绝缘子的图像,采用卷积神经网络提取所述待检测绝缘子的图像特征向量;确定所述图像特征向量与每种缺陷类别的语义特征向量之间的距离;基于所述图像特征向量与每种缺陷类别的语义特征向量之间的距离,采用最近邻分类器确定所述待检测绝缘子的缺陷类别;所述待检测绝缘子的缺陷类别为与所述图像特征向量距离最短的语义特征向量对应的缺陷类别。本发明可以提高绝缘子缺陷检测的准确度及鲁棒性。
-
公开(公告)号:CN112183337A
公开(公告)日:2021-01-05
申请号:CN202011039649.6
申请日:2020-09-28
Applicant: 华北电力大学(保定)
IPC: G06K9/00 , G06K9/46 , G08B13/196
Abstract: 本发明涉及一种输电线路防机械入侵的检测方法及系统。该方法包括:获取输电线路的区域图像;将区域图像转换为灰度图像;获取灰度图像中每个像素点对应的混合高斯模型;每个像素点的混合高斯模型均包括多个单高斯模型;对于每个像素点,根据背景阈值选取混合高斯模型中的多个单高斯模型构建背景模型;根据像素点的像素值对像素点的背景模型的参数进行更新,得到更新后的背景模型;根据灰度图像中的每个像素点对应的背景模型,确定对应的像素点是否为背景像素点;根据灰度图像中背景像素点数量与像素点总数量的比值,确定灰度图像对应的监控区域是否存在机械入侵。本发明可以提高防机械入侵的检测效率和准确度。
-
-