-
公开(公告)号：CN119274059A
公开(公告)日：2025-01-07
申请号：CN202411464629.1
申请日：2024-10-21
Applicant: 南昌大学
IPC: G06V20/10 , G06V10/22 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种山火条件下输电线路间隙击穿预警方法，涉及输电线路走廊山火预警技术领域。所述预警方法包括以下步骤：基于目标检测模型对输电线路走廊图像进行检测，获得目标检测框的高度及角点坐标，同时获取输电线路走廊图像的下端点坐标；基于检测框的角点坐标、输电线路走廊图像的下端点坐标对所述输电线路走廊图像进行预警区域划分，并基于火焰、烟雾所处检测框的高度筛选出待测高图像；基于检测框的高度及角点坐标获取所述待测高图像中火焰和烟雾的高度，基于所述火焰和烟雾的高度计算击穿电压并提供预警信息。实施本发明提供的技术方案，使得对输电线路走廊附近出现山火时所做出的预警判断更为精准。
-
公开(公告)号：CN115131337B
公开(公告)日：2024-05-03
申请号：CN202210869503.7
申请日：2022-07-22
Applicant: 南昌大学
IPC: G06T7/00 , G06T5/20 , G06T5/70 , G06N20/00 , G06V10/764 , G06V10/774
Abstract: 本发明公开一种基于改进CenterNet算法的输电线路耐张线夹缺陷检测方法，具体包括如下步骤：构建输电线路耐张线夹的X光图像数据集，以8:1:1的比例划分训练集、验证集和测试集；数据集进行标准化处理，将所有图片统一为RGB格式后，对其进行预处理，并利用Labelimg对数据集的缺陷类别进行标注；基于原CenterNet模型进行改进，在主干网络ResNet50的特征提取环节添加通道注意力机制提升特征提取效率，同时还对非极大抑制NMS算法进行了优化，采用了更加合理的柔性非极大抑制soft‑NMS算法剔除网络内多余的检测框；采用迁移学习的思想，利用数据集训练与测试改进后的网络。本发明通过改进CenterNet算法对耐张线夹缺陷进行检测，为电力设备智能巡检领域提供技术参考。
-
公开(公告)号：CN115359286A
公开(公告)日：2022-11-18
申请号：CN202210917631.4
申请日：2022-08-01
Applicant: 南昌大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06V10/80 , G06T7/136 , G06T5/30 , G06T5/50 , G06N3/04 , G06N3/08 , G06Q10/00 , G06Q50/06
Abstract: 本发明公开了一种基于多网络特征融合的输电线路悬挂异物检测方法，首先构建输电线路悬挂异物图像数据集；其次对输电线路悬挂异物图像融合特征提取；再构建与训练基于贝叶斯优化的随机森林输电线路悬挂异物分类识别模型；输电线路悬挂异物分类识别：利用测试集的融合特征X对随机森林分类模型中M棵CART决策树进行测试，得到预测类别{C1(X)、C2(X)、Cm(X)}；对于测试得到的分类结果进行投票，选择在M棵CART决策树分类结果中出现频率最高的作为最终的分类结果；本发明具有较好的检测精度和检测速度，且更有利于实际应用，可为电网运维人员开展输电线路悬挂异物清障工作提供参考。
-
公开(公告)号：CN114723750B
公开(公告)日：2022-09-16
申请号：CN202210631775.3
申请日：2022-06-07
Applicant: 南昌大学
Abstract: 本发明公开一种基于改进YOLOX算法的输电线路耐张线夹缺陷检测方法，构建输电线路耐张线夹的X光图像数据集，将数据集输入图像特征增强模块进行预处理，并针对每一类缺陷制作相应的标签；构建YOLOX模型并进行改进，增加一个Resblock body0模块、特征层feat1和以及类预测层YOLO Head以增加网络的深度，并引入空间、通道注意力机制；使用VOC2007数据集训练改进后的网络，获得预训练权重W1；利用W1并结合Mosaic数据增强方法训练耐张线夹数据集获得权重W2，将W2输入改进后的YOLOX网络进行分类预测。本发明通过改进YOLOX算法，提升了对耐张线夹细微缺陷的检测效果，可以准确高效地实现输电线路耐张线夹的缺陷检测。
-
公开(公告)号：CN114842208A
公开(公告)日：2022-08-02
申请号：CN202210638361.3
申请日：2022-06-08
Applicant: 南昌大学
Abstract: 本发明公开了一种基于深度学习的电网危害鸟种目标检测方法，首先利用Avibase世界鸟类数据库与收集的输电线路巡检图像，构建威胁电网安全的相关鸟种图像数据集，并基于改进的DnCNN去噪网络模型对鸟种图像数据集进行预处理，对预处理后的图像进行标签制作，获得图像中鸟种的真实边界框位置和框内类别信息；然后采用聚类算法对真实边界框的高和宽进行聚类分析，得到最优先验框，并将鸟种图像数据集划分为训练集、验证集与测试集；构建并训练改进的YOLOv4鸟种目标检测模型；最后利用训练后的改进YOLOv4鸟种目标检测模型对测试集图像进行检测。本发明可为电网涉鸟故障差异化防治提供参考。
-
Patent Agency Ranking
公开(公告)号：CN114820609A
公开(公告)日：2022-07-29
申请号：CN202210744446.X
申请日：2022-06-29
Applicant: 南昌大学
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种光伏组件EL图像缺陷检测方法，将公开的光伏组件EL图像数据集作为初始图像数据集，分类时将有缺陷的图像归为初始缺陷图像数据集，无缺陷图像归为初始背景图像数据集，利用DC‑GAN网络训练初始背景图像数据集，对初始缺陷图像数据集进行区域分割，将生成的光伏背景图像与分割后的光伏缺陷图像进行图像融合生成训练数据集；搭建并训练YOLOX光伏组件EL图像缺陷目标检测模型；最后利用训练后的YOLOX光伏组件EL图像缺陷目标检测模型对光伏组件EL图像进行缺陷检测。本发明可为光伏组件图像缺陷检测提供参考。
-
公开(公告)号：CN114723750A
公开(公告)日：2022-07-08
申请号：CN202210631775.3
申请日：2022-06-07
Applicant: 南昌大学
Abstract: 本发明公开一种基于改进YOLOX算法的输电线路耐张线夹缺陷检测方法，构建输电线路耐张线夹的X光图像数据集，将数据集输入图像特征增强模块进行预处理，并针对每一类缺陷制作相应的标签；构建YOLOX模型并进行改进，增加一个Resblock body0模块、特征层feat1和以及类预测层YOLO Head以增加网络的深度，并引入空间、通道注意力机制；使用VOC2007数据集训练改进后的网络，获得预训练权重W1；利用W1并结合Mosaic数据增强方法训练耐张线夹数据集获得权重W2，将W2输入改进后的YOLOX网络进行分类预测。本发明通过改进YOLOX算法，提升了对耐张线夹细微缺陷的检测效果，可以准确高效地实现输电线路耐张线夹的缺陷检测。
-
公开(公告)号：CN114573948A
公开(公告)日：2022-06-03
申请号：CN202210196988.8
申请日：2022-03-02
Applicant: 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 南昌大学 , 南昌科晨电力试验研究有限公司
IPC: C08L63/00 , C08K13/04 , C08K7/14 , C08K7/28 , C08K3/22 , C08K5/132 , C08K5/134 , B29C70/30 , B29C69/00 , A01M29/32 , A01M29/08
Abstract: 本发明公开了一种拼接式抗老化防鸟盒制备方法，先配置防鸟盒浆料；将防鸟盒浆料分别放入制作防鸟盒板材的模具和防鸟盒连接件的模具上制作出环氧树脂板和环氧树脂连接件，再将环氧树脂板按照防鸟盒形状切割成防鸟盒的五个面形状的板材，再将板材的每个边上钻若干连接孔形成拼接板材，将环氧树脂连接件按照防鸟盒边长分段切割，并将环氧树脂连接件两端面切成斜面配合，形成防鸟盒连接件，在需要使用时，只需要将五个面的拼接板材与相应的防鸟盒连接件拼接形成防鸟盒即可。
-
公开(公告)号：CN113486865A
公开(公告)日：2021-10-08
申请号：CN202111028947.X
申请日：2021-09-03
Applicant: 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 南昌大学
Abstract: 本发明公开了一种基于深度学习的输电线路悬挂异物目标检测方法，针对输电线路巡检拍摄的悬挂异物图像，构建悬挂异物图像样本后，采用前馈降噪卷积神经网络对悬挂异物图像样本进行降噪处理，构建输电线路悬挂异物图像数据集，然后标注异物的位置与类别，划分为训练集、验证集与测试集；构建并训练轻量级YOLOv4目标检测模型；最后利用得到的轻量级YOLOv4目标检测模型对测试集图像进行检测。本发明能够在输电线路无人机巡检视频图像中快速准确地检测出悬挂异物的类别与位置，具有较高的异物检测精度与检测速度。
-
公开(公告)号：CN113469953A
公开(公告)日：2021-10-01
申请号：CN202110650700.5
申请日：2021-06-10
Applicant: 南昌大学
Abstract: 本发明公开了一种基于改进YOLOv4算法的输电线路绝缘子缺陷检测方法，该方法首先通过电网巡检图像、公共数据集与图像样本扩充方法构建输电线路绝缘子图像数据库，并对绝缘子图像进行标签制作；采用基于非锐化掩模的锐化算法对绝缘子图像进行预处理，以突出绝缘子目标；构建基于MobileNet轻量级卷积神经网络的改进YOLOv4检测模型，并优化原YOLOv4中的PANet网络结构，然后通过模型训练与验证，获得其最优检测模型，对输电线路绝缘子缺陷进行检测。本发明能够克服电网巡检图像中绝缘子缺陷尺寸太小、不显著、模型参数量大、检测速度低等问题，能够实现输电线路绝缘子的定位与其缺陷的快速、精确检测，为输电线路智能化巡检提供技术参考。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.036 seconds)
