-
公开(公告)号:CN116682057A
公开(公告)日:2023-09-01
申请号:CN202310557564.4
申请日:2023-05-17
Applicant: 西安电子科技大学广州研究院
IPC: G06V20/52 , G06V10/764 , G06V10/44 , G06V10/82 , G06V10/80 , G06V10/52 , G06N3/048 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及一种基于窗口自注意力机制的变电站安全隐患检测方法,属于计算机视觉目标检测技术领域,包括以下步骤:获取变电站安全隐患数据集;数据增强算子进行预处理;SwinTransformer主干网络提取特征;坐标注意力机制为特征图赋权值;特征金字塔融合不同尺度特征图信息;PPYOLOEHead进行预测并回归损失值迭代模型;将训练好的模型部署到边缘ARM机器;摄像头拍摄实际变电站工作场景回传边缘计算机;模型预测并输出监测结果。本发明通过将目标检测算法PP‑YOLOE的主干替换等改进措施,提高了对变电站安全隐患检测的总体精度与小目标识别精度,同时优化了收敛速度,提高了检测的效率。
-
公开(公告)号:CN116823750A
公开(公告)日:2023-09-29
申请号:CN202310709566.0
申请日:2023-06-15
Applicant: 西安电子科技大学广州研究院
Abstract: 本发明涉及一种变电站智能识别系统中无负样小目标检测方法,属于计算机视觉技术领域,通过变电站配电室的室内监控设备采集小型动物入侵以及漏雨积水图像,并对图像进行清洗、筛选以及使用LabelImg进行标注,构建初始训练数据集;对初始训练数据集进行预处理,使用Real‑ESRGAN处理图像分辨率、使用YOLOv7处理所述图像,并识别出图像中的物体,构建最终训练数据集;构建基于YOLOv7的改进网络,得到改进的YOLOv7模型;基于构建好的数据集训练改进的YOLOv7模型,使用训练好的权重和测试集进行测试。在变电站智能识别系统中大大提升了小目标检测的准确率,降低了数据中无负样本对于误检率的影响。
-
公开(公告)号:CN116563226A
公开(公告)日:2023-08-08
申请号:CN202310421560.3
申请日:2023-04-19
Applicant: 西安电子科技大学广州研究院
IPC: G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种基于PPYoloe的配电设备目标检测方法,属于计算机视觉技术领域。所述方法包括:采集图像样本,并对所述图像样本进行标注处理;对所述图像样本进行数据增强处理;建立目标检测模型,并通过所述图像样本训练所述目标检测模型;使用所述目标检测模型计算得到端对端结果,并根据所述业务逻辑对所述端对端结果进行后处理。本方法在目标检测算法模型上使用CSPResNet网络、ESE注意力机制、CSPPAN网络和CA注意力机制的组合方式,提升了模型的平均精度,并在配电线路实际工程环境下达到更佳的泛化性和鲁棒性;还通过数据标注、数据增强以及后处理,解决了图像逻辑模糊、样本质量低、样本集场景相似的问题。
-
-