-
公开(公告)号：CN106845490A
公开(公告)日：2017-06-13
申请号：CN201611261932.7
申请日：2016-12-30
Applicant: 国网河南省电力公司检修公司 , 华北电力大学(保定)
CPC classification number: G06K9/40 , G06K9/4671 , G06K9/6215 , G06T5/002
Abstract: 本发明涉及一种基于GPU加速的SIFT特征对超高压变电设备红外图像进行定位的方法，首先分别对变电站设备红外监测图像进行灰度化，然后利用形态学上的开运算分别对红外监测图像和红外模板图像先腐蚀再膨胀完成去噪；提取红外图像的SIFT特征，通过GPU加速处理后，进行特征匹配，然后剔除误匹配点，进而实现设备定位；本发明能准确定位红外监测图像中的变电站设备，为变电站设备的故障诊断和维修提供必要的技术支持，效率和准确度有了明显提升，具有显著的经济效益和较高的工程应用价值。
-
公开(公告)号：CN208109265U
公开(公告)日：2018-11-16
申请号：CN201820719476.4
申请日：2018-05-15
Applicant: 国网河南省电力公司检修公司 , 华北电力大学(保定)
Abstract: 本实用新型公开了一种特高压变电设备过热缺陷自动检测与预警系统,包括现场监测装置和监控装置，所述现场监测装置包括监控杆、红外热像仪、微型气象站、云台、第一无线发射器、交换机，所述监控杆上端设置一横杆，所述横杆上设置所述云台、所述微型气象站和所述第一无线发射器，所述云台上固定设置防护罩，所述防护罩内设所述红外热像仪，所述监控杆上设置一控制箱，所述控制箱内设置所述交换机、电压转换器、继电器和开关；所述远程监控装置包括第二无线发射器、POE供电、视频服务器和计算机；所述第一无线发射器与所述第二无线发射器之间无线传输信息。本实用新型能够对变电设备进行实时监测，而且检测精度高、效率高。
-
公开(公告)号：CN208140964U
公开(公告)日：2018-11-23
申请号：CN201820720737.4
申请日：2018-05-15
Applicant: 国网河南省电力公司检修公司 , 华北电力大学(保定)
Abstract: 本实用新型公开了一种高压变电站现场监测装置，属于变电站检测设备技术领域。其包括立杆、红外热像仪、微型气象站、云台和计算机，所述立杆顶部设置一横杆，所述横杆上固定设置所述微型气象站和所述云台，所述云台上设置所述红外热像仪，所述红外热像仪上设置防护罩，所述立杆下部设置控制箱，所述控制箱内设置电压转换器、继电器、空气开关、闸刀和交换机，所述红外热像仪、所述微型气象站、所述云台、所述计算机均与所述交换机通过以太网线缆连接，所述交换机、所述电压转换器、所述继电器、所述空气开关与所述闸刀依次电性连接。本实用新型的高压变电站现场监测装置能够对变电设备进行实时监测，而且检测精度高。
-
公开(公告)号：CN111783819B
公开(公告)日：2024-02-09
申请号：CN202010383794.X
申请日：2020-05-08
Applicant: 国家电网有限公司 , 国网河北省电力有限公司检修分公司 , 华北电力大学(保定)
IPC: G06V10/25 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种小规模数据集上基于感兴趣区域训练改进的目标检测方法，属于图像分析技术领域，通过目标检测模型获得图像目标检测结果，其对目标检测模型的训练过程包括一个循环依次独立进行边框回归任务训练和分类任务训练的阶段，使用由小规模数据集经过第一数据增强后获得的第一训练集对目标检测模型进行边框回归任务训练，使用由第一训练集经过第二数据增强后获得的第二训练集对目标检测模型进行分类任务训练；第二训练集的每张图像其感兴趣区域外包含部分该图片的全局信息。本发明方法在训练阶段引入感兴趣区域机制，克服现有One‑Stage目标检测模型在小规模数据集上训练时易发生的过拟合现象，进而获得准确的目标检测模型。
-
公开(公告)号：CN116630625A
公开(公告)日：2023-08-22
申请号：CN202310642125.3
申请日：2023-06-01
Applicant: 华北电力大学(保定)
Abstract: 本发明提供了一种基于双图推理的变电设备渗漏油分割方法，该方法包括构建数据集，以人工采集变电设备巡检图片为数据源，选出含渗漏油缺陷的变电设备巡检图像构建数据集，使用标注软件对数据集进行标注，并划分训练集及测试集，搭建渗漏油分割模型，基于训练集完成模型的迭代训练，利用在测试集完成模型分割效果的可视化和评价指标的计算。本发明提供的基于双图推理的变电设备渗漏油分割方法，利用了渗漏油的纹理和边缘特性，解决了渗漏油部件强相关、形态多变及扩散变化特性导致其缺陷特征提取困难、分割精度低与分割效果差的问题。
-
Patent Agency Ranking
公开(公告)号：CN113515829B
公开(公告)日：2023-07-21
申请号：CN202110557643.6
申请日：2021-05-21
Applicant: 华北电力大学(保定) , 国网北京市电力公司 , 国网冀北电力有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司
IPC: G06F30/18 , G06F30/27 , G06F18/214 , G06F18/24 , G06N3/04 , G06N3/094 , G06F111/04
Abstract: 本发明提供了一种用于极寒灾害下输电线路金具缺陷的态势感知方法，建立第一级检测模型及第二级分类模型，获取极寒灾害下金具目标数据集及缺陷数据集，通过极寒灾害下金具目标数据集及缺陷数据集训练第一级检测模型及第二级分类模型，将第一级检测模型及第二级分类模型级联；将待检测的输电线路航拍图像输入训练后的第一级检测模型中，得到金具图像和标签，将金具图像和标签同时输入训练后的第二级分类模型中，得到金具的缺陷情况。本发明提供的用于极寒灾害下输电线路金具缺陷的态势感知方法，实现了模型的可持续学习，节约了模型占用空间，保证了模型在学习新的分类任务的同时不会忘记旧分类任务，提高了模型对不同缺陷程度的金具的识别能力。
-
公开(公告)号：CN115346088A
公开(公告)日：2022-11-15
申请号：CN202211013871.8
申请日：2022-08-23
Applicant: 华北电力大学(保定)
IPC: G06V10/774 , G06V10/764
Abstract: 本发明涉及一种基于平均类间检测精度差的目标检测性能评估方法及系统，方法包括：构建目标检测数据集；所述目标检测数据集中包括多张标注后的目标图像；根据目标检测模型对所述目标检测数据集进行检测，得到不同标注类别的检测精度值；按照由小到大的顺序将各个所述标注类别进行编号，并对每个编号的所述检测精度值与后续编号的所述检测精度值依次作差并取绝对值，得到多个作差结果值；对所述作差结果值求平均值，得到平均类间检测精度差；所述平均类间检测精度差用于评估所述目标检测模型对不同类别检测性能的均衡性。本发明通过计算所有不同类别间检测精度差值绝对值的平均值，能够准确地评估模型在数据集上对不同类别检测性能的平衡性。
-
公开(公告)号：CN111898575B
公开(公告)日：2022-09-02
申请号：CN202010783039.0
申请日：2020-08-06
Applicant: 华北电力大学(保定) , 山东大学 , 智洋创新科技股份有限公司 , 南瑞集团有限公司 , 浙江大华技术股份有限公司
Abstract: 本发明公开了一种基于Faster R‑CNN检测器的栓母对自动组合方法，包括以下步骤：使用Faster R‑CNN检测器输出并保存螺栓、螺母类别和目标框坐标；基于目标框坐标，分别获得螺栓、螺母四个顶点坐标；根据自动组合规则，组合为栓母对，并计算栓母对区域四个顶点坐标；计算栓母对区域目标框，并对栓母对区域进行数据化处理。本发明提供的基于Faster R‑CNN检测器的栓母对自动组合方法，充分考虑螺栓和螺母关系，提出使用Faster R‑CNN检测并输出螺栓和螺母目标框坐标，结合螺栓和螺母的坐标有规则自动组合栓母对，高效完成栓母对的自动组合，弥补手动裁剪和非自动组合栓母对的不足。
-
公开(公告)号：CN114298233A
公开(公告)日：2022-04-08
申请号：CN202111655846.5
申请日：2021-12-30
Applicant: 华北电力大学(保定)
IPC: G06K9/62 , G06N3/08 , G06N5/02 , G06V40/16 , G06V10/774
Abstract: 一种基于高效注意力网络和师生迭代迁移学习的表情识别方法，所述方法构建基于高效注意力网络的轻量化表情识别模型，并利用表情数据集对高效注意力网络进行训练；然后将训练好的网络作为教师网络，将另一个高效注意力网络作为学生网络，利用教师网络输出的软化预测值对学生网络进行训练；将完成训练和测试的学生网络学习到的模型参数迁移至教师网络，重复迭代迁移训练，直至学生网络的识别准确率不再上升，最后利用学生网络对人脸表情进行识别。本发明在保证模型参数量与计算量水平的同时，增强了轻量网络拟合的能力，并通过师生迭代迁移学习优化软标签及特征信息，大大提升了模型识别精度，能够满足表情识别在边缘侧资源受限设备上的部署需求。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.062 seconds)
