-
公开(公告)号:CN119784612A
公开(公告)日:2025-04-08
申请号:CN202510269964.4
申请日:2025-03-07
Applicant: 国网安徽省电力有限公司超高压分公司 , 安徽大学
Inventor: 马晓薇 , 樊培培 , 张学友 , 谢佳 , 朱涛 , 廖军 , 袁洪德 , 李腾 , 卢一相 , 景瑶 , 李永熙 , 董浩声 , 张东欣 , 申凯 , 张啸宇 , 张晗 , 张军 , 王春阳 , 桂学祥 , 祝皓焱
IPC: G06T5/50 , G06N3/0455 , G06T5/60
Abstract: 本发明公开了一种用于交流滤波器检测的图像融合方法、存储介质,涉及图像处理技术领域。方法包括:获取交流滤波器的红外图像和可见光图像;将红外图像和可见光图像输入至预先训练好的融合模型,输出融合图像;融合模型包括编码器和解码器,编码器包括两分支网络、互信息提取模块和多尺度融合模块,两分支网络分别提取红外图像、可见光图像特征,互信息提取模块根据提取特征得到互补信息,并利用通道注意力机制筛选出无关信息,将筛选后的互补信息分别注入到两分支网络中,得到两拼接特征,多尺度融合模块对两拼接特征进行多尺度融合,得到融合特征,解码器解码融合特征得到融合图像。由此,可提高红外图像和可见光图像的融合效果。
-
公开(公告)号:CN118918095A
公开(公告)日:2024-11-08
申请号:CN202411108006.0
申请日:2024-08-13
Applicant: 安徽大学
Abstract: 一种基于CLIP模型的像素‑文本匹配的变压器缺陷检测方法,属于变压器设备缺陷检测技术领域,解决在没有足够多相关数据集的情况下,如何有效地对变压器进行缺陷检测的问题,本发明将CLIP中原始的图像‑文本匹配转化为像素‑文本匹配,并使用像素‑文本分数图指导变压器缺陷的检测;收集变压器设备的缺陷数据,并将其转化为图像文本对,将其输入到模型中,将多模态数据映射到同一的多模态空间中,提取图像嵌入和用于表示“正常”和“异常”状态的文本嵌入,计算像素‑文本分数图,这些分数图被馈送到FPN图像解码器并使用真实标签进行监督,经过训练后,将模型用于变压器设备缺陷的数据集,得到变压器设备缺陷的最终分割结果。
-
公开(公告)号:CN117474782B
公开(公告)日:2024-11-08
申请号:CN202311493612.4
申请日:2023-11-10
Applicant: 安徽大学
IPC: G06T5/50 , G06V10/44 , G06V10/80 , G06V10/771 , G06V10/54 , G06N3/045 , G06N3/0464
Abstract: 本申请提供一种红外图像与可见光图像的融合方法及系统,该方法包括采集可见光图像以及对应的红外图像;多级特征提取步骤;将经过残差密集块的每级第一红外特征与第一可见光特征输入至模态融合模块,获取第二红外特征与第二可见光特征;加权运算步骤:将第二可见光特征与第一可见光特征加权后输入至下一层残差密集块,将第二红外特征与第一红外特征加权后输入至下一层残差密集块;判断残差密集块提取分支网络的级数是否小于预设级数,若是,循环多级特征提取步骤至加权运算步骤;若否,将最后一级输出的第二红外特征和第二可见光特征与对应输入的第一红外特征和第一可见光特征分别相加,并结合后输入至解码器恢复图像特征,以获得融合图像。
-
公开(公告)号:CN118746441A
公开(公告)日:2024-10-08
申请号:CN202410913880.5
申请日:2024-07-09
Applicant: 安徽大学
IPC: G01M13/045 , G06N3/006 , G06N3/0464 , G06F17/10
Abstract: 本发明涉及电机轴承的早期故障诊断技术领域,解决了传统故障诊断方法在信号分解过程中存在模态混叠和端点效应等,且故障特征信号难以提取的技术问题,尤其涉及一种基于参数优化VMD及卷积神经网络的电机轴承微弱故障诊断方法,该方法包括以下步骤:获取电机滚动轴承在运转状态下的原始信号;基于鲸鱼优化算法WOA优化变分模态分解VMD的参数得到最优参数组合[K,α],并对原始信号进行信号分解得到若干个本征模态分量IMFs。本发明能够更有效的解决模态混叠等问题,能够自适应的分解信号提取故障特征,并能对电机轴承高效准确的进行故障分析,为早期故障诊断提供了一条有效的新途径。
-
公开(公告)号:CN118606878A
公开(公告)日:2024-09-06
申请号:CN202410557305.6
申请日:2024-05-07
Applicant: 安徽大学
IPC: G06F18/25 , G01M13/021 , G01M13/028 , G06F18/15 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种基于胶囊谱图小波网络的齿轮箱复合故障诊断方法,包括:步骤1:多信息融合模块对多传感器获取的齿轮箱故障信号进行信号预处理和权重调整,构建平衡数据集,构造邻接特征矩阵并生成邻接特征矩阵的时空图;步骤2:所述平衡数据集输入深度注意力胶囊网络,得到单标签故障样本的向量特征矩阵;步骤3:所述时空图输入多层谱图小波卷积网络,得到多个单标签故障之间的拓扑结构特征矩阵;步骤4:将所述向量特征矩阵与拓扑结构特征矩阵输入多标签分类器,得到复合故障中各单故障分量的预测概率。本发明能够有效的诊断齿轮箱的复合故障,并且具有较好的稳定性,对噪声的鲁棒性较强,具有一定的泛化能力。
-
公开(公告)号:CN118155024B
公开(公告)日:2024-08-20
申请号:CN202410585235.5
申请日:2024-05-13
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
IPC: G06V10/774 , G06V10/30 , G06V10/34 , G06V10/72 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0464
Abstract: 本发明提供大模型图像样本自动生成方法及系统,方法包括:采集电网设备的差异光谱图像数据,以作为原始数据,对原始数据进行形态学滤波操作、数据清洗操作以及数据整合操作,以得到模型训练输入数据;利用生成对抗网络GAN进行对抗操作,对模型训练输入图像数据进行训练,以进行样本生成以及样本评估操作,获取稀缺样本;将稀缺样本与实时采集图像混合,利用支持向量机进行标注处理,以构造适用泛化能力新数据集;利用迁移学习技术,在适用泛化能力新数据集上,对预训练ResNet模型进行训练、验证操作,以得到适用电网图像大模型。本发明解决了电网设备监测与诊断操作中存在样本稀缺,导致模型的监测诊断性能受有制约的技术问题。
-
公开(公告)号:CN116625678A
公开(公告)日:2023-08-22
申请号:CN202310525524.1
申请日:2023-05-11
Applicant: 安徽大学
IPC: G01M13/028 , G06F18/24 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/084
Abstract: 本申请提供一种基于平均峭度反卷积网络的故障诊断方法及系统,基于平均峭度反卷积网络的故障诊断方法,包括基于自相关函数将每一滤波器的输入信号划分为m段分割信号;利用平均峭度的最大化计算每一所述分割信号的梯度,并利用L‑BFGS算法对每一所述滤波器的权值进行更新;循环梯度计算和权值更新的步骤,直至满足预设条件,输出每一所述滤波器的权值及滤波信号;基于功率谱的数据分析降维输出最大平均峭度层的信号;利用卷积神经网络针对所述最大平均峭度层的信号进行特征提取;利用分类器获取故障诊断和分类,从而可以解决在转速时变的情况下,现有的机械故障诊断方法无法准确提取故障信号,降低了齿轮箱故障诊断和分类的准确性的技术问题。
-
公开(公告)号:CN116167928A
公开(公告)日:2023-05-26
申请号:CN202211578725.X
申请日:2022-12-07
Applicant: 安徽大学
Abstract: 本发明公开了一种联合Retinex和暗通道先验的低光照图像增强方法,涉及计算机应用技术领域,其技术方案要点是:具体包括以下步骤:S1:对图像进行预处理;S2:利用反转图像的入射光图像来计算大气光值A,对反转图像选暗通道先验处理,随后图像反转,得到图像I1;S3:对V通道做结合引导滤波的Retinex处理,对S通道进行自适应校正处理,得到图像I2;S4:将S2所得的图像I1和S3所得的图像I2进行融合处理;S5:计算图像评价指标。该方法可以有效的提高图像的质量并且图像更为符合人眼视觉规律。
-
公开(公告)号:CN115979649A
公开(公告)日:2023-04-18
申请号:CN202310064706.3
申请日:2023-02-06
Applicant: 安徽大学
IPC: G01M13/045 , G06F18/10 , G06F18/2411 , G06F17/11 , G06F17/16 , G06F17/13
Abstract: 本发明公开了一种自适应复数域AMFM模型优化的轴承故障诊断方法,涉及轴承故障诊断技术领域,利用调幅调频模型对原始信号进行信号分解后得到调幅调频分量及其瞬时幅值和瞬时频率,计算瞬时幅值和瞬时频率的精细复合多尺度波动色散熵,将熵值构造为特征矩阵,使用向量加权平均算法对支持向量机模型进行优化,采用优化后的支持向量机模型对特征矩阵进行分类,根据分类结果实现故障诊断;本方法能够分解滚动轴承振动信号,合理处理轴承振动信号中的交叉频率,快速提取轴承振动信号分量的特征,进而有效分类不同的轴承故障,并且计算复杂度较小同时具有较高的识别精度和识别速度。
-
公开(公告)号:CN115761428A
公开(公告)日:2023-03-07
申请号:CN202211525616.1
申请日:2022-11-30
Applicant: 国网安徽省电力有限公司超高压分公司 , 安徽大学
Inventor: 李腾 , 樊培培 , 朱涛 , 李冀 , 董翔宇 , 廖军 , 赵梦露 , 蒋欣峰 , 卢一相 , 高清维 , 罗沙 , 张学友 , 景瑶 , 张晨晨 , 竺德 , 孙冬 , 张啸宇 , 秦孜 , 吴冬晖
IPC: G06V10/80 , G06V10/143 , G06V10/20 , G06V10/34
Abstract: 本发明实施例提供一种特高压换流变压器套管红外与可见光图像融合方法,属于图像处理领域。所述方法包括:获取同一套管的红外光图像和可见光图像;对所述红外光图像和所述可见光图像进行预处理;对预处理后的所述红外光图像和所述可见光图像进行图像分割;对分割后的所述红外光图像和可见光图像进行的细化处理,以形成对应的权重图;对预处理后的所述红外光图像和可见光图像进行亮度提取;将预处理后的所述红外光图像和可见光图像与对应的权重图进行单尺度加权,以形成预融合图像;将所述预融合图像与亮度提取后的亮度层相加以得到最终的融合图像。该方法可以有效的融合红外光和可见光图像。
-
-
-
-
-
-
-
-
-