-
公开(公告)号：CN109376605B
公开(公告)日：2022-03-25
申请号：CN201811122821.7
申请日：2018-09-26
Applicant: 福州大学
Abstract: 本发明涉及一种电力巡检图像防鸟刺故障检测方法，包括如下步骤：获取包含防鸟刺的电力巡检图像及其对应的XML标注文件制作训练与测试用数据文件；搭建深度学习网络模型并利用转换生成的训练数据训练网络，最后根据训练时网络参数是否达到期望值固化深度神经网络模型。将待检测的电力巡检图像通过深度学习网络，框选出电力巡检图像中防鸟刺位置，然后把防鸟刺从电力巡检图中截取出来并对防鸟刺进行二次故障检测，判断防鸟刺故障信息。本发明通过训练好的深度学习网络，对大量的电力巡检图像进行预处理，识别框选出电力巡检图像中防鸟刺，对框选出的目标子图进行二次特征提取故障检测，方便后期的处理，提高电力巡检的效率和智能化水平。
-
公开(公告)号：CN112367518B
公开(公告)日：2021-07-13
申请号：CN202011197484.5
申请日：2020-10-30
Applicant: 福州大学
Abstract: 本发明涉及一种输电线路无人机巡检图像质量评价方法，包括步骤：制作关键部件检测训练数据集与图像清晰度检测训练数据集，同时构建并训练巡检图像关键部件检测模型与巡检图像清晰度检测模型；将待评价的图像分别输入训练好的两个模型中，由巡检图像关键部件检测模型得到图像中关键部件的种类和预测框信息，由巡检图像清晰度检测模型得到图像中每个图像块是否清晰；对每个得到的预测框，计算预测框内清晰的图像子块的占比，筛选出达标的预测框；对每个清晰度达标的预测框，计算预测框的中心偏离度与图占比两个指标，若均达标，则当前预测框满足质量要求；进而判断当前图像是否为合格图像。本发明能够快速有效地评价电力巡检图像。
-
Patent Agency Ranking
公开(公告)号：CN109376606B
公开(公告)日：2021-11-30
申请号：CN201811124490.0
申请日：2018-09-26
Applicant: 福州大学
Abstract: 本发明涉及一种电力巡检图像杆塔基础故障检测方法，该方法主要包括以下步骤：根据电力巡检影像数据库接口获取包含杆塔基座和塔基基础的电力巡检图像及其对应的XML标签；将获取到的数据转换生成可用于深度学习网络训练的数据文件；搭建基础网络为Resnet‑101的Faster‑Rcnn网络并利用转换生成的训练数据训练网络，最后根据训练时网络参数是否达到期望值固化深度神经网络模型。将待检测的电力巡检图像通过深度学习网络，框选出电力巡检图像中杆塔基座位置，根据杆塔基座目标框位置信息从电力巡检图像中截取出杆塔基座，最后使用多模型故障检测，融合得到塔基基础故障信息，并存入电力巡检图像故障信息数据库。本发明有效提高电力巡检的效率和智能化水平。
-
公开(公告)号：CN112367518A
公开(公告)日：2021-02-12
申请号：CN202011197484.5
申请日：2020-10-30
Applicant: 福州大学
Abstract: 本发明涉及一种输电线路无人机巡检图像质量评价方法，包括步骤：制作关键部件检测训练数据集与图像清晰度检测训练数据集，同时构建并训练巡检图像关键部件检测模型与巡检图像清晰度检测模型；将待评价的图像分别输入训练好的两个模型中，由巡检图像关键部件检测模型得到图像中关键部件的种类和预测框信息，由巡检图像清晰度检测模型得到图像中每个图像块是否清晰；对每个得到的预测框，计算预测框内清晰的图像子块的占比，筛选出达标的预测框；对每个清晰度达标的预测框，计算预测框的中心偏离度与图占比两个指标，若均达标，则当前预测框满足质量要求；进而判断当前图像是否为合格图像。本发明能够快速有效地评价电力巡检图像。
-
公开(公告)号：CN109376606A
公开(公告)日：2019-02-22
申请号：CN201811124490.0
申请日：2018-09-26
Applicant: 福州大学
Abstract: 本发明涉及一种电力巡检图像杆塔基础故障检测方法，该方法主要包括以下步骤：根据电力巡检影像数据库接口获取包含杆塔基座和塔基基础的电力巡检图像及其对应的XML标签；将获取到的数据转换生成可用于深度学习网络训练的数据文件；搭建基础网络为Resnet-101的Faster-Rcnn网络并利用转换生成的训练数据训练网络，最后根据训练时网络参数是否达到期望值固化深度神经网络模型。将待检测的电力巡检图像通过深度学习网络，框选出电力巡检图像中杆塔基座位置，根据杆塔基座目标框位置信息从电力巡检图像中截取出杆塔基座，最后使用多模型故障检测，融合得到塔基基础故障信息，并存入电力巡检图像故障信息数据库。本发明有效提高电力巡检的效率和智能化水平。
-
公开(公告)号：CN109376605A
公开(公告)日：2019-02-22
申请号：CN201811122821.7
申请日：2018-09-26
Applicant: 福州大学
Abstract: 本发明涉及一种电力巡检图像防鸟刺故障检测方法，包括如下步骤：获取包含防鸟刺的电力巡检图像及其对应的XML标注文件制作训练与测试用数据文件；搭建深度学习网络模型并利用转换生成的训练数据训练网络，最后根据训练时网络参数是否达到期望值固化深度神经网络模型。将待检测的电力巡检图像通过深度学习网络，框选出电力巡检图像中防鸟刺位置，然后把防鸟刺从电力巡检图中截取出来并对防鸟刺进行二次故障检测，判断防鸟刺故障信息。本发明通过训练好的深度学习网络，对大量的电力巡检图像进行预处理，识别框选出电力巡检图像中防鸟刺，对框选出的目标子图进行二次特征提取故障检测，方便后期的处理，提高电力巡检的效率和智能化水平。
-
公开(公告)号：CN108761237A
公开(公告)日：2018-11-06
申请号：CN201810526879.1
申请日：2018-05-29
Applicant: 福州大学
CPC classification number: G01R31/00 , G06K9/6256 , G06K9/6267
Abstract: 本发明涉及一种无人机电力巡检图像关键电力部件自动诊断与标注系统，包括一电力部件目标检测模块、一电力部件故障检测模块、一提供人机交互功能的人机交互模块、一标注模块以及一无人机电力巡检影像库。本发明实现了无人机电力巡检图像智能化自动诊断、标注，减轻巡检人员工作量，提升巡检效率及准确率，为人工智能在电力巡检关键电力部件识别与故障检测领域的应用提供数据支持。同时，促进电力巡检图像存储、标注的规范化、标准化。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
