-
公开(公告)号：CN118366068A
公开(公告)日：2024-07-19
申请号：CN202410548034.8
申请日：2024-05-06
Applicant: 安徽继远软件有限公司
Abstract: 本发明实施例提供一种面向电力系统的视觉识别方法及系统，属于电力系统的视觉识别技术领域。所述视觉识别方法包括：获取变电站现场的巡检图像和与所述巡检图像对应的巡检时间；提取所述巡检图像的图像特征和巡检时间的时间特征；将所述图像特征和时间特征进行组合，以得到输入特征；采用预设的视觉识别模型识别所述输入特征，以得到当前的巡检结果。相较于现有技术而言，本发明提供的视觉识别方法及系统一方面通过网络模型识别的方式替代了传统的人工；另一方面，通过对输入特征进行识别的方式，进一步提高了对现场巡检的精准度。
-
Patent Agency Ranking
公开(公告)号：CN112508058A
公开(公告)日：2021-03-16
申请号：CN202011286122.3
申请日：2020-11-17
Applicant: 安徽继远软件有限公司 , 国网信息通信产业集团有限公司
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06F30/20 , G06F119/10
Abstract: 本发明公开了基于音频特征分析的变压器故障诊断方法及装置，包括：基于待分析音频数据进行分解获取噪声分量和降噪分量；获取降噪音频的Mel频谱；将降噪音频频谱图输入到预设的卷积神经网络，所述预设的卷积神经网络：通过卷积层网络分别对输入的频谱图提取特征；通过特征优化层网络获取融合优化特征；通过分类预测层网络预测变压器音频属于不同类别的概率大小，获取变压器故障诊断结果，本发明先通过变分模态分解算法对音频数据分离噪声，再通过在卷积神经网络中加入注意力模块过滤无效特征信息，两者结合提高了对音频数据中有益特征的提取能力，从而提高卷积神经网络基于音频数据进行变压器故障诊断的准确性和效率。
-
公开(公告)号：CN118114161A
公开(公告)日：2024-05-31
申请号：CN202410261139.5
申请日：2024-03-07
Applicant: 安徽继远软件有限公司
IPC: G06F18/2431 , G06F18/2337 , G06F18/213 , G06Q10/0635 , G06Q50/06
Abstract: 本发明实施例提供一种基于模糊控制逻辑的灾害事件判断方法及系统，属于灾害事件的智能应对技术领域。所述判断方法包括：获取灾害事件的基本属性信息；根据所述基本属性信息建立对应的属性矩阵；采用预设的模糊控制方法根据所述属性矩阵确定灾害事件的危害等级；根据所述危害等级对所述灾害事件进行划分，以得到多个灾害事件集合。相较于现有技术而言，本发明提供的判断方法及系统由于结合了属性矩阵和模糊逻辑的思想，针对性地考虑到灾害事件的基本属性信息在各个维度上评估不一的问题，从而准确且合理地划分出灾害事件的集合。
-
公开(公告)号：CN112347916B
公开(公告)日：2023-11-17
申请号：CN202011224459.1
申请日：2020-11-05
Applicant: 安徽继远软件有限公司 , 国网信息通信产业集团有限公司
IPC: G06V20/52 , G06V40/10 , G06V40/16 , G06V10/25 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于视频图像分析的电力现场作业安全监控方法及装置，包括：基于静态图像进行绝对违章状态分析，获取电力现场作业监控视频的静态图像并进行预处理；通过聚类算法获取图像中的作业人员目标区域；获取目标区域内的人体骨架关键点位置，并获取人体分区域图像；结合分区域图像、作业人员目标区域图像以及静态图像整体图像通过卷积神经网络模型判断作业人员行为种类获取违章行为分析结果；本发明通过基于多种图像区域的特征融合，实现了对人体和环境交互特征的融合，同时融合了人体骨架关键点位置特征，提高了行为种类识别判断的准确性，通过关键区域的高效特征表示进行行为种类分析，减少冗余图像信息带来的计算量。
-
公开(公告)号：CN112508058B
公开(公告)日：2023-11-14
申请号：CN202011286122.3
申请日：2020-11-17
Applicant: 安徽继远软件有限公司 , 国网信息通信产业集团有限公司
IPC: G06F18/2433 , G06F18/25 , G06F18/2415 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了基于音频特征分析的变压器故障诊断方法及装置，包括：基于待分析音频数据进行分解获取噪声分量和降噪分量；获取降噪音频的Mel频谱；将降噪音频频谱图输入到预设的卷积神经网络，所述预设的卷积神经网络：通过卷积层网络分别对输入的频谱图提取特征；通过特征优化层网络获取融合优化特征；通过分类预测层网络预测变压器音频属于不同类别的概率大小，获取变压器故障诊断结果，本发明先通过变分模态分解算法对音频数据分离噪声，再通过在卷积神经网络中加入注意力模块过滤无效特征信息，两者结合提高了对音频数据中有益特征的提取能力，从而提高卷积神经网络基于音频数据进行变压器故障诊断的准确性和效率。
-
公开(公告)号：CN112347916A
公开(公告)日：2021-02-09
申请号：CN202011224459.1
申请日：2020-11-05
Applicant: 安徽继远软件有限公司 , 国网信息通信产业集团有限公司
Abstract: 本发明公开了基于视频图像分析的电力现场作业安全监控方法及装置，包括：基于静态图像进行绝对违章状态分析，获取电力现场作业监控视频的静态图像并进行预处理；通过聚类算法获取图像中的作业人员目标区域；获取目标区域内的人体骨架关键点位置，并获取人体分区域图像；结合分区域图像、作业人员目标区域图像以及静态图像整体图像通过卷积神经网络模型判断作业人员行为种类获取违章行为分析结果；本发明通过基于多种图像区域的特征融合，实现了对人体和环境交互特征的融合，同时融合了人体骨架关键点位置特征，提高了行为种类识别判断的准确性，通过关键区域的高效特征表示进行行为种类分析，减少冗余图像信息带来的计算量。
-
-
-
-
-
Search Results
6
records
(took 0.033 seconds)
