基于YOLOv3剪枝网络和深度学习去雾模型的长输管线巡检方法

    公开(公告)号:CN111461291B

    公开(公告)日:2023-05-12

    申请号:CN202010173558.5

    申请日:2020-03-13

    Abstract: 本发明属于一种基于深度学习的图像处理技术,具体涉及基于YOLOv3剪枝网络和深度学习去雾模型的长输管线巡检方法。包括如下步骤:步骤一:构建并训练AOD‑Net去雾网络模型;步骤二:设计YOLOv3主干网络及损失函数;步骤三:通过无人机巡检方式对目标区域进行图像数据采集并进行训练;步骤四:通过基于BN层缩放因子γ剪枝方法对YOLOv3模型压缩和加速推算;步骤五:将AOD‑Net及YOLOv3联合模型部署到无人机嵌入式模块进行目标任务检测;步骤六:将无人机长输管线巡检任务检测结果实时回传至后台系统。本发明用于部署在无人机嵌入式模块上进行长输管线巡检工作,在保证检测精度高、实时性好以及效率高的同时,大大降低了人工成本。

    基于YOLOv3剪枝网络和深度学习去雾模型的长输管线巡检方法

    公开(公告)号:CN111461291A

    公开(公告)日:2020-07-28

    申请号:CN202010173558.5

    申请日:2020-03-13

    Abstract: 本发明属于一种基于深度学习的图像处理技术,具体涉及基于YOLOv3剪枝网络和深度学习去雾模型的长输管线巡检方法。包括如下步骤:步骤一:构建并训练AOD-Net去雾网络模型;步骤二:设计YOLOv3主干网络及损失函数;步骤三:通过无人机巡检方式对目标区域进行图像数据采集并进行训练;步骤四:通过基于BN层缩放因子γ剪枝方法对YOLOv3模型压缩和加速推算;步骤五:将AOD-Net及YOLOv3联合模型部署到无人机嵌入式模块进行目标任务检测;步骤六:将无人机长输管线巡检任务检测结果实时回传至后台系统。本发明用于部署在无人机嵌入式模块上进行长输管线巡检工作,在保证检测精度高、实时性好以及效率高的同时,大大降低了人工成本。

    一种电气火灾故障模拟方法

    公开(公告)号:CN113311267A

    公开(公告)日:2021-08-27

    申请号:CN202110575118.7

    申请日:2021-05-26

    Abstract: 本发明公开了一种电气火灾故障模拟方法,包括步骤:一、构建电气火灾故障模拟系统;二、放置被测产品并接线;三、检测被测产品接线是否合格;四、选择故障模拟类型;五、短路故障模拟;六、受热故障模拟。本发明通过逐渐增大的电流模拟由于短路导致的电气火灾故障,还通过逐渐升高的温度模拟由于热环境导致的电气火灾故障,利用信号采集及控制单元获取被测产品的温度、形态、以及其燃烧产生的烟雾和气体成分的变化,定量分析电气火灾发展状态,大大地提高电气火灾故障模拟的真实性和可靠性。

Patent Agency Ranking