-
公开(公告)号：CN106897739A
公开(公告)日：2017-06-27
申请号：CN201710079894.1
申请日：2017-02-15
Applicant: 国网江苏省电力公司电力科学研究院 , 国家电网公司 , 南京大学
Abstract: 本发明公开了一种基于卷积神经网络的电网设备分类方法，步骤1，根据已有的电网设备图像训练集和测试集，训练卷积神经网络模型；输入层对输入的图像数据进行预处理，用以增大数据量；卷积层的数量不大于N，N+1为常用卷积神经网络卷积层的层数；步骤2，利用训练完成的卷积神经网络模型对需分类的电网设备图像进行分类。本发明利用数据增强技术将输入图像数据进行预处理，增大数据量，解决了数据量不足会导致网络过拟合，精度下降的问题；鉴于训练数据的数量较少，削减了卷积层数量和卷积核数目，同时增大卷积核的尺寸，减小了每层卷积层所提取出的特征图的大小，从而减少了卷积层提取出的特征数量，同样起到了防止过拟合的作用，提高了精度。
-
公开(公告)号：CN113449737B
公开(公告)日：2023-11-17
申请号：CN202110583899.4
申请日：2021-05-27
Applicant: 南京大学
IPC: G06V10/30 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自编码器的单探头声学成像方法及装置，首先，构建基于自编码器的超宽频单探头成像系统；将预先获取的图像数据分为训练集和测试集；其次，初始化超构神经网络和深度神经网络的参数；然后，将训练集中的图片输入到成像系统，通过变换N次超构神经网络的参数来得到N个声强值；将N个声强值输入到深度神经网络中以取得重建的图像；最后，计算重建图像与原图像的损失函数，并用梯度下降法更新声学超构神经网络和深度神经网络的参数，直到测试集的损失函数的值趋于稳定。本发明突破传统成像机制中对于高分辨率传感器阵列或者声场扫描的依赖，将其转换为对超构神经网络的亚波长超材料单元的依赖，降低传感器的工艺要求和成本。
-
Patent Agency Ranking
公开(公告)号：CN110779477A
公开(公告)日：2020-02-11
申请号：CN201910868831.3
申请日：2019-09-16
Applicant: 南京大学
Abstract: 本发明公开了一种用于实时识别物体形状的声学方法，包括以下步骤：1得出神经网络的训练集和测试集；2将训练集输入声学超神经网络，经过多层声学超表面后，在探测面形成一定的声压分布；3探测面被划分为N个区域，取得这N个区域的总声能量值；4计算取得的N个值与物体的标签之间的误差，并运用误差来计算每一个超神经元所施加的相位调制的梯度，以此来更新梯度，从而更新相位，直到得到稳定的输出，并可以正确地识别目标对象；5通过更新后的相位值，确定超表面上每一个单元的相位偏移值，根据相位偏移值制作声学超表面；6将声学超表面放置合适的位置，声波经过声学超表面后，位于声学超表面后的探头即可识别出目标对象。
-
公开(公告)号：CN106897739B
公开(公告)日：2019-10-22
申请号：CN201710079894.1
申请日：2017-02-15
Applicant: 国网江苏省电力公司电力科学研究院 , 国家电网公司 , 南京大学
Abstract: 本发明公开了一种基于卷积神经网络的电网设备分类方法，步骤1，根据已有的电网设备图像训练集和测试集，训练卷积神经网络模型；输入层对输入的图像数据进行预处理，用以增大数据量；卷积层的数量不大于N，N+1为常用卷积神经网络卷积层的层数；步骤2，利用训练完成的卷积神经网络模型对需分类的电网设备图像进行分类。本发明利用数据增强技术将输入图像数据进行预处理，增大数据量，解决了数据量不足会导致网络过拟合，精度下降的问题；鉴于训练数据的数量较少，削减了卷积层数量和卷积核数目，同时增大卷积核的尺寸，减小了每层卷积层所提取出的特征图的大小，从而减少了卷积层提取出的特征数量，同样起到了防止过拟合的作用，提高了精度。
-
公开(公告)号：CN107067026A
公开(公告)日：2017-08-18
申请号：CN201710083292.3
申请日：2017-02-16
Applicant: 国网江苏省电力公司电力科学研究院 , 国家电网公司 , 南京大学
CPC classification number: G06K9/6267 , G06F16/50 , G06K9/342 , G06N3/02
Abstract: 本发明公开了一种基于深度神经网络的电力设备故障检测方法，包括采集红外图谱，构建规范化的图谱数据库；建立多层深神经网络对测试用红外图谱进行分类；建立目标检测框架RCNN对分类的测试用红外图谱进行设备分区；根据红外图谱缺陷分析准则，设置分区内温度预警规则；根据温度预警规则，得到设备安全分析结论并实现预警。此方法应用于电网设备检测后能极大减少人工设备识别分区等繁琐工作，提高了工作效率。
-
公开(公告)号：CN113449737A
公开(公告)日：2021-09-28
申请号：CN202110583899.4
申请日：2021-05-27
Applicant: 南京大学
Abstract: 本发明公开了一种基于自编码器的单探头声学成像方法及装置，首先，构建基于自编码器的超宽频单探头成像系统；将预先获取的图像数据分为训练集和测试集；其次，初始化超构神经网络和深度神经网络的参数；然后，将训练集中的图片输入到成像系统，通过变换N次超构神经网络的参数来得到N个声强值；将N个声强值输入到深度神经网络中以取得重建的图像；最后，计算重建图像与原图像的损失函数，并用梯度下降法更新声学超构神经网络和深度神经网络的参数，直到测试集的损失函数的值趋于稳定。本发明突破传统成像机制中对于高分辨率传感器阵列或者声场扫描的依赖，将其转换为对超构神经网络的亚波长超材料单元的依赖，降低传感器的工艺要求和成本。
-
公开(公告)号：CN110779477B
公开(公告)日：2020-10-27
申请号：CN201910868831.3
申请日：2019-09-16
Applicant: 南京大学
Abstract: 本发明公开了一种用于实时识别物体形状的声学方法，包括以下步骤：1得出神经网络的训练集和测试集；2将训练集输入声学超神经网络，经过多层声学超表面后，在探测面形成一定的声压分布；3探测面被划分为N个区域，取得这N个区域的总声能量值；4计算取得的N个值与物体的标签之间的误差，并运用误差来计算每一个超神经元所施加的相位调制的梯度，以此来更新梯度，从而更新相位，直到得到稳定的输出，并可以正确地识别目标对象；5通过更新后的相位值，确定超表面上每一个单元的相位偏移值，根据相位偏移值制作声学超表面；6将声学超表面放置合适的位置，声波经过声学超表面后，位于声学超表面后的探头即可识别出目标对象。
-
-
-
-
-
-
Search Results
7
records
(took 0.038 seconds)
