-
公开(公告)号：CN118823487A
公开(公告)日：2024-10-22
申请号：CN202411303708.4
申请日：2024-09-19
Applicant: 南昌工程学院
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06F17/18 , G06N3/09
Abstract: 本发明公开了一种基于动态对抗监督策略的电压互感器目标检测方法及系统，方法包括：获取基础数据集，并根据所述基础数据集对预设的监督网络进行迭代训练，得到监督模型；采用预设的划分规则将所述基础数据集划分为动态数据集，并根据预设的对抗扰动策略对所述动态数据集进行更新，得到目标动态数据集；根据所述目标动态数据集对预设的受监督网络进行迭代训练，并在每次迭代训练过程中，根据预设的对抗监督学习策略对所述受监督网络的模型参数进行更新，得到最终的目标检测模型。可以有效提升网络模型的鲁棒性和稳定性，进而提高电压互感器目标检测的准确度。
-
公开(公告)号：CN119540702B
公开(公告)日：2025-05-13
申请号：CN202510073715.8
申请日：2025-01-17
Applicant: 南昌工程学院
Inventor： 曾兵 , 巫平强 , 谢云敏 , 李得志 , 万好 , 刘邦 , 曾赟 , 华威 , 周志豪 , 陈显彪 , 陈宇聪 , 饶繁星 , 杨小品 , 张文华 , 彭聪 , 金子涵 , 周娱璐 , 易可欣 , 陈昱璋
IPC: G06V10/80 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/54 , G06N3/0455 , G06N3/0464 , G06T5/50 , G06T5/60
Abstract: 本发明公开了一种输变电设备巡检红外与可见光图像融合方法，S1：获取电力设备的红外图像与可见光图像，构建电力设备的图像数据集，并划分为训练集与测试集；S2：构建红外与可见光图像融合网络模型EIVFusion；S3：利用训练集中电力设备的红外图像与可见光图像对红外与可见光图像融合网络模型EIVFusion进行训练，得到训练好的红外与可见光图像融合网络模型EIVFusion；S4：将测试集中电力设备的红外图像与可见光图像输入训练好的红外与可见光图像融合网络模型EIVFusion中得到融合图像。本发明能够将可见光图像以及红外图像中的特征很好地提取出来并融合在一起，可实现输变电设备巡检红外图像与可见光图像的高性能融合。
-
公开(公告)号：CN119151925B
公开(公告)日：2025-02-11
申请号：CN202411639967.4
申请日：2024-11-18
Applicant: 南昌工程学院
Abstract: 本发明公开了一种输电线路绝缘子实时健康检测方法及系统，涉及绝缘子检测技术领域，通过对图像进行预处理，然后将预处理后的图像输入到预训练的YOLO‑F模型中，YOLO‑F模型通过主干网络提取特征，并利用特征融合网络进行多尺度特征融合，将主干网络提取特征和融合特征传入自由检测头进行分析，自由检测头分析主干网络提取特征和融合特征，分析结果通过非极大值抑制算法进一步处理，最终得到绝缘子健康检测结果，依据绝缘子健康检测结果生成相应的管理建议。检测系统通过YOLO‑F模型准确地捕捉物体的真实形状和位置，在处理不同角度下绝缘子的检测时，通过直接回归边界框和旋转量，更好地拟合物体的实际轮廓，提高检测的精度。
-
公开(公告)号：CN119151925A
公开(公告)日：2024-12-17
申请号：CN202411639967.4
申请日：2024-11-18
Applicant: 南昌工程学院
Abstract: 本发明公开了一种输电线路绝缘子实时健康检测方法及系统，涉及绝缘子检测技术领域，通过对图像进行预处理，然后将预处理后的图像输入到预训练的YOLO‑F模型中，YOLO‑F模型通过主干网络提取特征，并利用特征融合网络进行多尺度特征融合，将主干网络提取特征和融合特征传入自由检测头进行分析，自由检测头分析主干网络提取特征和融合特征，分析结果通过非极大值抑制算法进一步处理，最终得到绝缘子健康检测结果，依据绝缘子健康检测结果生成相应的管理建议。检测系统通过YOLO‑F模型准确地捕捉物体的真实形状和位置，在处理不同角度下绝缘子的检测时，通过直接回归边界框和旋转量，更好地拟合物体的实际轮廓，提高检测的精度。
-
公开(公告)号：CN118823487B
公开(公告)日：2024-12-10
申请号：CN202411303708.4
申请日：2024-09-19
Applicant: 南昌工程学院
IPC: G06F17/18 , G06V10/764
Abstract: 本发明公开了一种基于动态对抗监督策略的电压互感器目标检测方法及系统，方法包括：获取基础数据集，并根据所述基础数据集对预设的监督网络进行迭代训练，得到监督模型；采用预设的划分规则将所述基础数据集划分为动态数据集，并根据预设的对抗扰动策略对所述动态数据集进行更新，得到目标动态数据集；根据所述目标动态数据集对预设的受监督网络进行迭代训练，并在每次迭代训练过程中，根据预设的对抗监督学习策略对所述受监督网络的模型参数进行更新，得到最终的目标检测模型。可以有效提升网络模型的鲁棒性和稳定性，进而提高电压互感器目标检测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN119540566B
公开(公告)日：2025-05-16
申请号：CN202510073511.4
申请日：2025-01-17
Applicant: 南昌工程学院
Inventor： 曾兵 , 曾赟 , 谢云敏 , 华威 , 刘邦 , 廖展鹏 , 巫平强 , 陈宇聪 , 李得志 , 万好 , 饶繁星 , 陈显彪 , 张文华 , 杨小品 , 彭聪 , 易可欣 , 周娱璐 , 金子涵 , 陈昱璋
IPC: G06V10/30 , G06V10/80 , G06V10/82 , G06V10/52 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种输电线路巡检图像去噪方法及系统，包括以下步骤：S1：获取绝缘子原始图像，对原始图像添加噪声，构建绝缘子噪声图像数据集；S2：基于SADNet去噪网络模型进行改进，引入Mix模块、CSM模块和CCAM模块，构建SADNet‑S去噪网络模型；S3：利用绝缘子噪声图像数据集对SADNet‑S去噪网络模型进行训练，获得最优训练权重；S4：将最优训练权重载入SADNet‑S去噪网络模型，将待测绝缘子噪声图像输入SADNet‑S去噪网络模型得到去噪后的绝缘子图像。本发明提出基于多尺度特征提取，动态自适应过滤和注意力机制改进的SADNet‑S去噪网络模型，通过采用SADNet‑S去噪网络模型，充分发挥其强大的泛化性和鲁棒性，以实现高效的图像去噪并显著提升目标检测精度。
-
公开(公告)号：CN119941515A
公开(公告)日：2025-05-06
申请号：CN202510430024.9
申请日：2025-04-08
Applicant: 南昌工程学院
Inventor： 曾兵 , 刘邦 , 巫平强 , 曾赟 , 李得志 , 付佳晨 , 金子涵 , 胡昱帆 , 李垣澄 , 邓锦柏 , 蒲世朋 , 章彧 , 刘剑冰 , 章顺华 , 夏非 , 谢云敏 , 张文华 , 杨小品
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464
Abstract: 本发明公开了一种输电线路巡检图像超分辨率重建方法及系统，方法包括：获取至少一个输电线路巡检图像，并对输电线路巡检图像进行撒哈拉模糊处理，得到至少一个目标巡检图像；基于回旋形状卷积构建超分辨率重建网络，并将目标巡检图像作为训练集输入至超分辨率重建网络中进行训练，得到目标超分辨率重建模型；将获取的实时输电线路巡检图像输入至目标超分辨率重建模型中，目标超分辨率重建模型输出得到重建图像。能够将低质量、模糊的图像提升为高分辨率图像，从而增强图像细节的清晰度，使得目标检测技术能够更加精准地识别和分析绝缘子放电发热的状态。
-
公开(公告)号：CN119169005A
公开(公告)日：2024-12-20
申请号：CN202411657794.9
申请日：2024-11-20
Applicant: 南昌工程学院
Inventor： 曾兵 , 周宇 , 李欣展 , 何帝霖 , 郝仕涛 , 陈宇聪 , 李得志 , 华威 , 巫平强 , 程公义 , 金子涵 , 易可欣 , 刘剑冰 , 谢云敏 , 张文华 , 杨小品
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06N3/0464 , G06N3/0495 , G06N3/096
Abstract: 本发明公开了一种基于改进SSD算法的轻量化绝缘子目标检测方法及系统，方法包括：构建SSD网络模型，并对所述SSD网络模型进行轻量化处理，得到目标SSD网络模型；根据预设的优化规则对所述目标SSD网络模型进行模型优化，得到基于改进SSD算法的轻量化绝缘子目标检测模型；将包含绝缘子的实时图像输入至所述基于改进SSD算法的轻量化绝缘子目标检测模型中，所述基于改进SSD算法的轻量化绝缘子目标检测模型输出与所述实时图像相对应的检测结果。通过分析卷积模块中各特征通路响应性，移除那些对检测性能贡献较小的弱响应通道，显著减少了模型的参数量和计算量。这不仅降低了对计算资源的需求，还减少了硬件成本。
-
公开(公告)号：CN119044787A
公开(公告)日：2024-11-29
申请号：CN202411555975.0
申请日：2024-11-04
Applicant: 南昌工程学院
IPC: G01R31/367 , G01R31/374 , G01R31/392 , G06F18/15
Abstract: 本发明公开了一种锂电池剩余使用寿命预测方法及系统，将至少一个历史放电电压数据子序列进行对齐，并基于预设的滑动窗口在至少一个历史放电电压数据子序列上滑动，每次滑动时计算滑动窗口中的历史放电电压数据变化量，并根据各个历史放电电压数据变化量的平均值作为电压修正系数，根据电压修正系数，采用预设的修正规则对第一放电电压数据进行修正，得到当前循环周期下的第一目标放电电压数据，并根据预设的初始放电电压数据以及与初始放电电压数据相对应的初始循环次数，确定与第一目标放电电压数据相对应的当前剩余循环次数。尽可能的剔除锂电池发热造成的干扰，能够较为准确的基于放电电压的变化确定当前锂电池的剩余循环次数。
-
公开(公告)号：CN119540702A
公开(公告)日：2025-02-28
申请号：CN202510073715.8
申请日：2025-01-17
Applicant: 南昌工程学院
Inventor： 曾兵 , 巫平强 , 谢云敏 , 李得志 , 万好 , 刘邦 , 曾赟 , 华威 , 周志豪 , 陈显彪 , 陈宇聪 , 饶繁星 , 杨小品 , 张文华 , 彭聪 , 金子涵 , 周娱璐 , 易可欣 , 陈昱璋
IPC: G06V10/80 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/54 , G06N3/0455 , G06N3/0464 , G06T5/50 , G06T5/60
Abstract: 本发明公开了一种输变电设备巡检红外与可见光图像融合方法，S1：获取电力设备的红外图像与可见光图像，构建电力设备的图像数据集，并划分为训练集与测试集；S2：构建红外与可见光图像融合网络模型EIVFusion；S3：利用训练集中电力设备的红外图像与可见光图像对红外与可见光图像融合网络模型EIVFusion进行训练，得到训练好的红外与可见光图像融合网络模型EIVFusion；S4：将测试集中电力设备的红外图像与可见光图像输入训练好的红外与可见光图像融合网络模型EIVFusion中得到融合图像。本发明能够将可见光图像以及红外图像中的特征很好地提取出来并融合在一起，可实现输变电设备巡检红外图像与可见光图像的高性能融合。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.113 seconds)
