基于目标检测和长短时记忆模型的导地线断散股识别方法

    公开(公告)号:CN109389322A

    公开(公告)日:2019-02-26

    申请号:CN201811276351.X

    申请日:2018-10-30

    Applicant: 福州大学

    Abstract: 本发明提出一种基于目标检测和长短时记忆模型的导地线断散股识别方法,包括以下步骤:步骤S1:收集输电线路中的导地线故障图片作为初始训练数据;步骤S2:对导地线数据集进行预处理,将处理后的数据做标注;之后将导地线数据集分为训练集和测试集;步骤S3:初始化预训练的模型,将数据输入到Faster-Rcnn目标检测模型中训练,模型收敛后终止训练;步骤S4:将通过步骤S3提取到导地线的数据分段输入到长短时记忆模型中训练;步骤S5:固化长短时记忆模型,将只用于训练的变量和网络结构剔除,保留最终检测的权值,通过固化后的模型检测故障。该方法能结合分段的导地线,区别出故障线段和正常线段,这样识别断股和散股的准确率将会大大的提升。

    基于LSTM网络的布拉格光纤光栅交错光谱的解调方法

    公开(公告)号:CN109282837A

    公开(公告)日:2019-01-29

    申请号:CN201811239614.X

    申请日:2018-10-24

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于LSTM网络的布拉格光纤光栅交错光谱的解调方法,包括如下步骤:步骤S1:采集布拉格光纤光栅反射光谱数据以及对应的布拉格波长数据;步骤S2:对得到布拉格光纤光栅反射光谱数据以及对应的布拉格波长数据进行预处理,得到训练数据集和测试数据集;步骤S3:根据训练数据集,利用长短时卷积网络初始化训练模型和模型权重;步骤S4:根据训练模型对测试数据集进行评估,若评估的效果没有变化或者模型已经收敛则结束训练,完成解调。本发明通过将卷积网络和长短时记忆网络结合,模型对复杂的传感网络能快速的得到精确的解,同时在对重叠光谱的求解中模型能准确的学习到重叠区域对应的布拉格光纤光栅,精确匹配避免了重叠时的错配,漏检。

    基于改进型二次目标检测网络线夹、均压环故障识别方法

    公开(公告)号:CN109345529B

    公开(公告)日:2021-09-24

    申请号:CN201811155376.4

    申请日:2018-09-30

    Applicant: 福州大学

    Abstract: 本发明提出一种基于改进型二次目标检测网络线夹、均压环故障识别方法,包括以下步骤:步骤S1:制作线夹或均压环图像数据集,对图像数据样本做分类和清洗,并对样本做标注文件,作为初始化训练数据;步骤S2:针对不同检测数据集生成Anchor box;步骤S3:使用迁移学习将预训练好的模型初始化新的目标检测网络,将数据输入到模型中开始训练,待模型收敛后停止训练;步骤S4:固化模型,将模型中所含的训练变量剔除,保留用于检测的权值;步骤S5:数据经过固化后的模型生成一、二次检测图,针对线夹或均压环采用计算机视觉算法判断是否发生故障。本发明减小了模型参数的情况上能达到两个模型来实现二次检测的精确度,同时在检测速度有了很大的提升。

    基于LSTM网络的布拉格光纤光栅交错光谱的解调方法

    公开(公告)号:CN109282837B

    公开(公告)日:2021-06-22

    申请号:CN201811239614.X

    申请日:2018-10-24

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于LSTM网络的布拉格光纤光栅交错光谱的解调方法,包括如下步骤:步骤S1:采集布拉格光纤光栅反射光谱数据以及对应的布拉格波长数据;步骤S2:对得到布拉格光纤光栅反射光谱数据以及对应的布拉格波长数据进行预处理,得到训练数据集和测试数据集;步骤S3:根据训练数据集,利用长短时卷积网络初始化训练模型和模型权重;步骤S4:根据训练模型对测试数据集进行评估,若评估的效果没有变化或者模型已经收敛则结束训练,完成解调。本发明通过将卷积网络和长短时记忆网络结合,模型对复杂的传感网络能快速的得到精确的解,同时在对重叠光谱的求解中模型能准确的学习到重叠区域对应的布拉格光纤光栅,精确匹配避免了重叠时的错配,漏检。

    基于改进型二次目标检测网络线夹、均压环故障识别方法

    公开(公告)号:CN109345529A

    公开(公告)日:2019-02-15

    申请号:CN201811155376.4

    申请日:2018-09-30

    Applicant: 福州大学

    Abstract: 本发明提出一种基于改进型二次目标检测网络线夹、均压环故障识别方法,包括以下步骤:步骤S1:制作线夹或均压环图像数据集,对图像数据样本做分类和清洗,并对样本做标注文件,作为初始化训练数据;步骤S2:针对不同检测数据集生成Anchor box;步骤S3:使用迁移学习将预训练好的模型初始化新的目标检测网络,将数据输入到模型中开始训练,待模型收敛后停止训练;步骤S4:固化模型,将模型中所含的训练变量剔除,保留用于检测的权值;步骤S5:数据经过固化后的模型生成一、二次检测图,针对线夹或均压环采用计算机视觉算法判断是否发生故障。本发明减小了模型参数的情况上能达到两个模型来实现二次检测的精确度,同时在检测速度有了很大的提升。

Patent Agency Ranking