公开(公告)号：CN117726909A

公开(公告)日：2024-03-19

申请号：CN202311437744.5

申请日：2023-11-01

Applicant: 安徽大学

Inventor： 张帅 ,  程志友 ,  田甜

IPC: G06V10/80 ,  G06V10/82 ,  G06F18/10 ,  G06F18/2131 ,  G06F18/25 ,  G06T11/00 ,  G06N3/096 ,  G06N3/0464 ,  G01R19/00

Abstract: 本发明公开了一种基于多维特征融合图像的非侵入式负荷识别方法，包括数据预处理，得到S模矩阵、功率因数加权的电压‑无功功率轨迹和功率加权的递归图矩阵，特征融合图像生成，将S模矩阵、功率因数加权的电压‑无功功率轨迹和功率加权的递归图矩阵三个矩阵分别作为R、G和B通道得到一个特征融合的彩色图像，负荷识别，将生成的彩色图像输入基于ImageNet预训练的ResNet‑18模型进行迁移学习完成负荷识别。本发明通过利用结合特征融合的方式，最后将生成的彩色图像输入基于ImageNet预训练的ResNet‑18模型进行迁移学习完成负荷识别，进而有利于使负荷识别不会发生在拥有多状态的电器识别时，同时有利于提高电阻型负荷之间的识别的准确性。

公开(公告)号：CN117456253A

公开(公告)日：2024-01-26

申请号：CN202311437742.6

申请日：2023-11-01

Applicant: 安徽大学

Inventor： 田甜 ,  鞠薇 ,  张帅

IPC: G06V10/764 ,  G06V20/68 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/096 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了一种茶叶病害小样本分类方法，包括数据预处理，将采集到的茶叶病害图像裁剪成只包含单一病害的图像，并使用剪裁、旋转、亮度变换和高斯模糊数据增强方法，生成新的样本，改进ConvNeXt网络模型，将SimAM网络融入ConvNeXt网络，接着将训练过程中的损失函数改为FocalLoss函数，将改进后的模型命名为SimAM‑ConvNeXt‑FL模型。本发明通过采用对茶叶病害图像进行数据增强扩展，其次将SimAM网络融入ConvNeXt网络，SimAM注意力机制提高网络模型的特征辨别能力，接着将训练过程中的损失函数改为FocalLoss函数，基于迁移学习框架，使用SimAM‑ConvNeXt‑FL模型在PlantVillage公开数据集上进行训练，在样本较小及分布不均场景下有较好的效果，进而有利于对茶叶病害进行检测，且有利于减少类别不平衡的影响。