-
公开(公告)号：CN203444067U
公开(公告)日：2014-02-19
申请号：CN201320376792.3
申请日：2013-06-27
IPC: G01R31/12
Abstract: 本实用新型公开了一种传感器和局部放电检测装置。其中，传感器包括：介质基板，具有第一表面及与第一表面对应设置的第二表面；金属贴片，呈矩形，固定在介质基板的第一表面上，用于检测特高频信号；以及馈电柱，呈长条形，固定在介质基板中，第一端与金属贴片相连接，第二端用于输出特高频信号。通过本实用新型，解决了现有技术中传感器体积庞大的问题，进而达到了减轻传感器的重量、方便携带的效果。
-
公开(公告)号：CN203178411U
公开(公告)日：2013-09-04
申请号：CN201220728026.4
申请日：2012-12-26
Applicant: 山东电力集团公司菏泽供电公司 , 上海交通大学 , 国家电网公司
IPC: G01R31/12
Abstract: 本实用新型公开了一种局部放电阵列信号的采集系统，其包括：一主板，其上设有至少两个总线插槽、一同步采样控制信号产生电路以及一系统电源，所述总线插槽通过自定义总线互相连接，所述同步采样控制信号产生电路提供同步采样控制信号；一插接于所述总线插槽上的AD采样板，其将输入的模拟信号转换为数字信号并存储；一插接于所述总线插槽上的DSP信号处理板，其读取所述AD采样板的存储数据并进行分析得到原始采样数据。
-
公开(公告)号：CN202939265U
公开(公告)日：2013-05-15
申请号：CN201220534601.7
申请日：2012-10-19
IPC: G01R31/12
Abstract: 一种车载式变电站局部放电定位系统，在汽车上安装4个射频电磁波传感器来接收局部放电点发出的电磁波信号，并由信号调理电路对所接收到的信号进行放大和滤波处理，经高速数据采样单元对4路输出信号进行同步采集，并将数据输出到数据处理和分析单元据实时计算4个射频全向传感器接收同一放电源辐射出超高频信号的起始时刻，基于接收到的4路信号的时间差列出方程组，求解放电信号的方向角和径向距离，从而实现定位。本实用新型能对变电站内所有高压设备进行局部放电检测和定位，大大降低了设备局部放电检测的成本，有助于巡检变电站设备时及早发现缺陷，减少事故的发生和停电检修的时间，从而提高变电站运行的可靠性和智能化水平。
-
公开(公告)号：CN110309865A
公开(公告)日：2019-10-08
申请号：CN201910530052.2
申请日：2019-06-19
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明涉及一种无人机巡视输电线路销钉缺陷分级图像识别方法，包括：S0、利用巡视采集图像对区域推荐卷积神经网络和SVM分类器进行预训练；S1、巡视采集图像送入区域推荐卷积神经网络；S2、利用区域推荐卷积神经网络对销钉进行定位，输出销钉定位矩形框图像；S3、对销钉定位矩形框图像上采样并作灰度化处理；S4、提取步骤S3处理后图像的SIFT特征；S5、对图像SIFT特征采用K-means算法聚类并制作成词袋模型；S6、词袋模型送入SVM分类器判断销钉是否存在缺陷。有益效果是简化了输电线路巡检人员的工作量，提高了输电线路销钉缺陷的检出率。
-
公开(公告)号：CN110516551B
公开(公告)日：2023-04-07
申请号：CN201910686677.8
申请日：2019-07-29
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC: G06V20/17 , G06V10/25 , G06V10/774 , G05D1/12
Abstract: 本发明提供了一种基于视觉的巡线位置偏移识别系统，包括：特征提取网络、电力线识别模块、电力塔架及部件识别模块；各个部分相互配合，在无人机巡线时实时执行当前位置识别，并在无人机偏离巡线目标时发出信号。特征提取网络负责提取图像的各级特征，用于后续的识别工作。电力线识别模块在训练时仅需类别标签，大大降低了样本标注的工作量。电力塔架及部件识别模块基于目标检测算法，在电力线识别模块识别到电力线形状变化时开始识别此处的部件类型，根据识别框的大小及位置确定无人机当前位置是否偏移。同时提供了一种识别方法和无人机。本发明实现了对巡线无人机的位置识别，并在位置偏移时发出信号，可用于辅助操控或无人机自动巡线等工作。
-
Patent Agency Ranking
公开(公告)号：CN110334612A
公开(公告)日：2019-10-15
申请号：CN201910529984.5
申请日：2019-06-19
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明涉及具有自学习能力的电力巡检图像目标检测方法，包括：将含有目标对象的图片样本、目标对象位置标注文件送入Context CNN，训练Context模型；基于Context模型对输入的背景图片、扩充的目标对象图片进行图像融合处理得到扩充的图片样本及目标对象位置标注文件；基于送入Faster R-CNN的图片样本、位置标注文件训练目标检测模型1、目标检测模型2；Faster R-CNN基于目标检测模型1、和/或目标检测模型2输出采集的图片样本中是、否含有目标对象的检测结果。有益效果是克服电力行业应用图像识别技术存在的训练数据集不足的情况，在使用过程中自动提升识别性能。
-
公开(公告)号：CN110503135A
公开(公告)日：2019-11-26
申请号：CN201910698625.2
申请日：2019-07-31
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC: G06K9/62
Abstract: 本发明提供了一种用于电力设备边缘侧识别的深度学习模型压缩方法，通过直接修改已训练完成的深度学习模型，实现相关识别模型的压缩和加速，包括：批量归一化层融合：将批量归一化层与其之前的卷积层进行融合；针对全连接层的奇异值分解：基于矩阵的奇异值分解算法，在全连接层之前加入中间层，对全连接层的参数进行压缩；模型权重的量化：采用权值共享方法，根据深度学习模型的冗余性，对参数进行量化转换。各步骤既可独立使用，也可相互配合工作。同时提供了一种压缩系统。本发明实现对已训练完成的深度学习模型的压缩和加速，在当前电力公司积极推进泛在电力物联网的环境下，有着广泛的应用前景。
-
公开(公告)号：CN110503135B
公开(公告)日：2023-04-25
申请号：CN201910698625.2
申请日：2019-07-31
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC: G06F18/21
Abstract: 本发明提供了一种用于电力设备边缘侧识别的深度学习模型压缩方法，通过直接修改已训练完成的深度学习模型，实现相关识别模型的压缩和加速，包括：批量归一化层融合：将批量归一化层与其之前的卷积层进行融合；针对全连接层的奇异值分解：基于矩阵的奇异值分解算法，在全连接层之前加入中间层，对全连接层的参数进行压缩；模型权重的量化：采用权值共享方法，根据深度学习模型的冗余性，对参数进行量化转换。各步骤既可独立使用，也可相互配合工作。同时提供了一种压缩系统。本发明实现对已训练完成的深度学习模型的压缩和加速，在当前电力公司积极推进泛在电力物联网的环境下，有着广泛的应用前景。
-
公开(公告)号：CN110516551A
公开(公告)日：2019-11-29
申请号：CN201910686677.8
申请日：2019-07-29
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
Abstract: 本发明提供了一种基于视觉的巡线位置偏移识别系统，包括：特征提取网络、电力线识别模块、电力塔架及部件识别模块；各个部分相互配合，在无人机巡线时实时执行当前位置识别，并在无人机偏离巡线目标时发出信号。特征提取网络负责提取图像的各级特征，用于后续的识别工作。电力线识别模块在训练时仅需类别标签，大大降低了样本标注的工作量。电力塔架及部件识别模块基于目标检测算法，在电力线识别模块识别到电力线形状变化时开始识别此处的部件类型，根据识别框的大小及位置确定无人机当前位置是否偏移。同时提供了一种识别方法和无人机。本发明实现了对巡线无人机的位置识别，并在位置偏移时发出信号，可用于辅助操控或无人机自动巡线等工作。
-
公开(公告)号：CN109784672A
公开(公告)日：2019-05-21
申请号：CN201811587468.X
申请日：2018-12-25
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明提供了一种基于区域推荐卷积网络的针对电网异常的实时监测报警系统，包括：固定式的摄像装置、区域推荐卷积神经网络、样本生成系统、报警系统。各个部分相互配合，自动完成对电网指定位置的实时监测工作。区域推荐卷积神经网络由两个网络组成，区域推荐网络预测可能出现异常的区域，卷积神经网络精确定位异常对象的种类及其大小和位置。在发现异常情况后立即通过邮件、短信等方式报警，通知巡检员。同时提供了一种上述针对电网异常的实时监测报警系统的实时监测报警方法。本发明实现了对电网指定位置的指定异常情况的自动化实时监测，节约大量人力。
-
-
-
-
-
-
-
-
-
Search Results
610
records
(took 0.068 seconds)
