-
公开(公告)号：CN110008877B
公开(公告)日：2023-07-18
申请号：CN201910235821.6
申请日：2019-03-27
Applicant: 国网内蒙古东部电力有限公司 , 国网电力科学研究院武汉南瑞有限责任公司
IPC: G06V20/52 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于Faster RCNN的变电站隔离开关检测识别方法，包括以下步骤：获取变电站的监测图像；将所述监测图像输入Faster RCNN判断模型，获取隔离开关的可能目标窗口；通过分类识别网络从所述可能目标窗口中获取隔离开关窗口。本发明通过深度神经网络对变电站监测图像进行特征提取，减少人工参与程度，避免传统图像处理方法带来的误判问题，避免了传统手工提取特征的误差和不全面性，且利用CNN网络提取的隔离开关特征具备较强的鲁棒性，在检索图像背景复杂或监测角度变化时，仍能保持较好的检索精度，将隔离开关的定位和识别放在同一模型中进行，很大程度上提高关键设备检索效率。
-
公开(公告)号：CN112102443A
公开(公告)日：2020-12-18
申请号：CN202010966947.3
申请日：2020-09-15
Applicant: 国网电力科学研究院武汉南瑞有限责任公司 , 南瑞集团有限公司 , 国网内蒙古东部电力有限公司
IPC: G06T11/60 , G06T3/40 , G06F3/0481 , G06F3/0482 , G06F3/0485 , G06F3/0486 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种适用于变电站设备巡检图像的标注系统。本发明包括应用模块和标注模型两大部分，所述应用模块包含导入模块、区域操作模块、检测分析模块三大功能模块，标注模型包含增量学习算法、半自动化标注策略、标注功能模块、标注流程设计四大部分。本发明能实现变电站场景每天产生的大量巡检图像高效准确的标注，相比耗时耗力的人工标注以及准确率较低的全自动标注方法，本发明不仅可以大幅减少标注的时间，还具有极高的准确率。同时，本发明能使数据集的采集、分类、标注等工作之间紧密的衔接起来，将各项工作系统、高效、清晰地展现在操作者面前，从而显著提高工作效率。
-
公开(公告)号：CN109784375A
公开(公告)日：2019-05-21
申请号：CN201811575613.2
申请日：2018-12-22
Applicant: 国网内蒙古东部电力有限公司 , 国网电力科学研究院武汉南瑞有限责任公司
Abstract: 本发明公开了一种基于Faster RCNN的自适应变压器部件检测识别方法，该方法的步骤包括：数据集准备部分，对采集的变电站监测图像进行预处理，形成图像训练库和图像标注文档库；Faster RCNN模型训练部分，利用训练图像数据集和标注信息集对该深度检测模型进行训练，使之检测定位和识别变压器的主要部件，并输出对应部件的识别结果；检测窗口的自适应NMS处理部分，对检测窗口按部件分类，防止误删现象，利用自适应NMS方法去除同一目标重复定位现象。本发明能实现对变电站监测图像中变压器中本体、散热器、套管和油枕的自动检测识别，并且提出了一种自适应NMS方法，极大程度上减少了变压器部件检测定位中的重复和漏检现象，使最终的检测识别具备较高的精度。
-
公开(公告)号：CN112102443B
公开(公告)日：2022-07-05
申请号：CN202010966947.3
申请日：2020-09-15
Applicant: 国网电力科学研究院武汉南瑞有限责任公司 , 南瑞集团有限公司 , 国网内蒙古东部电力有限公司
IPC: G06T11/60 , G06T3/40 , G06F3/0481 , G06F3/0482 , G06F3/0485 , G06F3/0486 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种适用于变电站设备巡检图像的标注系统。本发明包括应用模块和标注模型两大部分，所述应用模块包含导入模块、区域操作模块、检测分析模块三大功能模块，标注模型包含增量学习算法、半自动化标注策略、标注功能模块、标注流程设计四大部分。本发明能实现变电站场景每天产生的大量巡检图像高效准确的标注，相比耗时耗力的人工标注以及准确率较低的全自动标注方法，本发明不仅可以大幅减少标注的时间，还具有极高的准确率。同时，本发明能使数据集的采集、分类、标注等工作之间紧密的衔接起来，将各项工作系统、高效、清晰地展现在操作者面前，从而显著提高工作效率。
-
公开(公告)号：CN109785361A
公开(公告)日：2019-05-21
申请号：CN201811575608.1
申请日：2018-12-22
Applicant: 国网内蒙古东部电力有限公司 , 国网电力科学研究院武汉南瑞有限责任公司
Abstract: 本发明公开了一种基于CNN与MOG结合的变电站异物入侵检测系统，包括：数据准备模块是将变电站监控视频数据进行读取和预处理；MOG动态前景提取模块是对视频数据进行背景建模和动态前景提取，检测定位出视频中运动的目标；CNN异物判别模块是收集变电站背景图像和可能入侵变电站的异物图像完成CNN模型的训练，将MOG定位的目标输入该模型，判断运动目标是否属于异物目标；人工交互模块是通过交互式接口输出异物信息，实现人工标注并利用标注信息重新训练训练CNN，得到新的异物辨别模型。本发明能实现变电站检测视频中异物入侵目标的自动检测，该异物检测系统具备较强的鲁棒性和较高精确度，且通过人工交互接口的修正过程提高异物检测的灵活性。
-
Patent Agency Ranking
公开(公告)号：CN108511173A
公开(公告)日：2018-09-07
申请号：CN201810437818.8
申请日：2018-05-09
Applicant: 国网内蒙古东部电力有限公司 , 国网电力科学研究院武汉南瑞有限责任公司
IPC: H01F27/40
Abstract: 本发明公开了一种换流变压器阀侧套管过热故障监测装置，包括SO2探测头、处理模块、电池、GSM模块和移动终端，电池用于给SO2探测头和处理模块供电，SO2探测头通过阀侧套管气室上的法兰开口直接安装在阀侧套管的气室中，用于检测气室中是否有SO2气体；处理模块安装在阀侧套管外壁上，与SO2探测头通过线缆连接，并通过GSM模块与移动终端建立通信连接，将检测结果通过GSM模块发送给移动终端，移动终端接收检测结果进行判断故障套管的位置。本发明换流变压器阀侧套管过热故障监测装置，用于实现换流变压器阀侧套管过热故障的监测，并及时将异常状态报告给运维人员，为阀侧套管的故障检修提供依据，使运维人员能够及时获知故障阀侧套管的位置，及时进行运维检修。
-
公开(公告)号：CN107680195A
公开(公告)日：2018-02-09
申请号：CN201711115053.8
申请日：2017-11-13
Applicant: 国网内蒙古东部电力有限公司 , 国网电力科学研究院武汉南瑞有限责任公司
CPC classification number: G07C1/20 , G06K9/00664 , G06Q10/0635 , G06Q50/06 , H02B3/00
Abstract: 本发明公开了一种变电站智能机器人巡检辅助分析系统及方法，包括图像拍摄伺服模块、深度学习识别模块、异常状态推理模块，其中，图像拍摄伺服模块用于协助智能机器人拍摄的样本图像并为深度学习识别模块输入上述样本图像；深度学习识别模块构建三级模式识别体系，三级模式识别体系分别对设备、部件、状态进行识别，每级模式识别体系对样本图像进行对象辨识并将识别结果输出至图像拍摄伺服模块和异常状态推理模块；异常状态推理模块依据深度学习识别模块识别的设备状态信息进行推理引擎并将推理结论展示给用户。本发明相较于传统的基于特征的图像识别方法，具有更高的准确性、更强的泛化能力。
-
公开(公告)号：CN110008877A
公开(公告)日：2019-07-12
申请号：CN201910235821.6
申请日：2019-03-27
Applicant: 国网内蒙古东部电力有限公司 , 国网电力科学研究院武汉南瑞有限责任公司
Abstract: 本发明公开了一种基于Faster RCNN的变电站隔离开关检测识别方法，包括以下步骤：获取变电站的监测图像；将所述监测图像输入Faster RCNN判断模型，获取隔离开关的可能目标窗口；通过分类识别网络从所述可能目标窗口中获取隔离开关窗口。本发明通过深度神经网络对变电站监测图像进行特征提取，减少人工参与程度，避免传统图像处理方法带来的误判问题，避免了传统手工提取特征的误差和不全面性，且利用CNN网络提取的隔离开关特征具备较强的鲁棒性，在检索图像背景复杂或监测角度变化时，仍能保持较好的检索精度，将隔离开关的定位和识别放在同一模型中进行，很大程度上提高关键设备检索效率。
-
公开(公告)号：CN108038847A
公开(公告)日：2018-05-15
申请号：CN201711269820.0
申请日：2017-12-05
Applicant: 国网内蒙古东部电力有限公司 , 国网电力科学研究院武汉南瑞有限责任公司
Abstract: 本发明公开了一种基于深度学习的变压器巡检图像智能识别和故障检测系统，包括依次位于存储层、建模层和应用层的图像存储和标定模块、深度学习模块以及故障检测模块；图像存储和标定模块从电网信息系统中获取海量巡检图片并进行分布式的存储，将巡检图片中各个部件、正常/故障状态下变压器图像中各个部件进行标定并分别形成部件特征集、正常状态特征集和故障状态特征集；特征数据集传入深度学习模块，深度学习模块构建和训练卷积神经网络，得到训练结果；故障检测模块利用训练结果依次进行部件识别、故障识别和推送结论。本发明与人工识别方式相比，大大提升变压器巡检图像的识别效率和准确度。
-
公开(公告)号：CN109829916A
公开(公告)日：2019-05-31
申请号：CN201910161716.2
申请日：2019-03-04
Applicant: 国网内蒙古东部电力有限公司 , 国网电力科学研究院武汉南瑞有限责任公司
Abstract: 本发明公开了一种基于CNN的变压器故障诊断方法，包括以下步骤：步骤1，获取变压器的监测图像；步骤2，将所述监测图像输入CNN判断模型，获取所述监测图像为正常状态变压器的概率值；步骤3，判断所述概率值是否低于设置的概率阈值，若是，则判断所述变压器为故障状态。本发明通过利用深度神经网络对变压器的监测图像进行故障状态判断和诊断，降低了传统故障诊断的计算复杂度，能够有效提高了变电站内变压器故障识别诊断的效率以及诊断结果的精确度，并且具备较强的鲁棒性，可以处理不同变电站背景的监测图像。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.117 seconds)
