排序方式: 共有100条查询结果,搜索用时 31 毫秒
1.
为促进目标检测模型与电力领域业务知识有机融合,缓解金具样本间长尾分布问题,有效提升输电线路金具的自动化检测效果,提出了融合共现推理的Faster R-CNN(faster region-based convolutional neural network)输电线路金具检测模型。首先,深入研究输电线路金具结构化组合规则,通过数据驱动的方式以条件概率对金具目标间的共现连接关系进行有效表达;然后,结合图学习方法,利用学习并映射的共现概率关联作为共现图邻接矩阵,使用基线模型(Faster R-CNN)提取的特征向量作为图推理输入特征,以自学习的变换矩阵作为共现图传播权重,完成图信息传播并实现有效的共现推理模型嵌入。实验证明,融合共现推理模块的Faster R-CNN模型较原始模型提升了6.56%的准确率,对于长尾分布样本中数量较少的金具性能提升尤其显著。 相似文献
2.
本文提出了基于FP-SSD(Feature Pyramid-Single Shot Detector)算法的多尺度目标检测方法。首先对训练样本进行处理,采用自适应裁剪算法裁剪训练样本,以适应单张图片中不同尺度的目标,同时扩充训练样本数量;然后以resnet网络替代SSD结构中原有的VGG网络,从而使网络的特征提取能力增强;最后在整体网络结构中加入特征金字塔网络(Feature Pyramid Network),实现了上下特征层的信息融合。针对实际巡检图像进行了应用研究。结果表明,本文所提出的目标检测方法,较原始SSD算法而言,在小尺度目标检测方面精度有了明显提高,同时,对大尺度目标保持着良好的检测效果,说明本方法对于多尺度目标检测有着更好的适用性 相似文献
3.
随着无人值守变电站的发展,设备的在线监测技术可为工作人员对变电站现场情况的监控提供一份有力且直观的保障。图像识别技术在电力设备在线监测中的应用研究有助于真正实现变电站的无人值守。变压器作为变电站内的主要设备之一,其运行状态的监控至关重要。文章针对变电站环境中变压器设备的识别问题,提出了一种融合基于Ada Boost算法和模板匹配的方法。该方法在提取Haar特征的基础上采用Ada Boost算法初步识别变压器,再通过模板匹配的方法进一步判定,不仅提高了识别的正确率,减少了误检的发生,而且相比于对整幅图采用模板匹配法,提高了检测效率。 相似文献
5.
6.
7.
本文全面地分析和总结了国内火电厂仿真机中的DCS仿真方式和技术,从多个角度对仿真方式及虚拟DCS技术进行了细致的分类,阐述了不同方式的优缺点,分析了实现虚拟DCS的关键技术,总结了不同DCS产品在国内火电厂仿真机中的应用情况,介绍了采用虚拟DCS技术的仿真机上可以实现的先进功能,最后对该领域的发展方向和进一步研究进行了展望。 相似文献
8.
信息化是电力行业的发展趋势,以Web技术为基础,建立了面向电力行业的信息服务站点,信息服务系统采用两级框架结构,面向3个方面用户对象,5种不同的用户信息交互方式,经3个多月的实践表明网站的建设满足了许多电力行业的需求,在用户间建立起了一条新的信息交流渠道,取得了令人满意的效果,具有很好的衫和价值和发展前景。 相似文献
9.
红外图像中变电设备的分割精度直接影响着故障诊断的结果,针对复杂红外背景下变电设备边缘分割不精细、分割精度低的问题,提出了一种基于改进Mask R-CNN模型的变电设备红外图像分割方法。首先将ResNet特征提取网络中部分残差模块的标准卷积替换为可变形卷积,然后对空间注意力机制模块和通道注意力机制模块并行连接,并在这两个模块中加入可变形卷积,最后改进Mask R-CNN掩膜分支的损失函数,对目标边缘分割的精细度进一步优化。该方法能够有效提高模型对红外图像中变电设备几何特征多样性的适应能力,并减轻模型对背景等干扰特征的关注。在变电设备红外图像数据集上进行实验,结果表明,相比于Mask R-CNN基准模型,该方法的AP50:95、AP50和AP75提高了3.5%、1.0%、4.2%,表明该方法能够显著提高红外图像中变电设备实例分割的准确率,有效解决边缘分割不精细的问题。 相似文献
10.
基于模糊支持向量机的电力系统中期负荷预测 总被引:1,自引:0,他引:1
考虑到气温因素对电力系统负荷的影响,提出了一种模糊支持向量机(FSVM)算法,基于欧洲智能技术网络(EUNITE)竞赛数据进行了中期电力负荷预测的应用研究。首先利用隶属度函数对影响负荷的气温因素进行模糊化处理,然后结合已知数据得到支持向量机(SVM)的训练样本集,采用序列极小优化(SMO)算法实现对支持向量机(SVM)的快速训练,最终得到预测结果,并与不将气温模糊化的仿真结果进行比较,表明本文所提方法简便且预测精度较高。 相似文献