CN110009530A - 一种适用于便携式电力巡检的神经网络系统和方法 - Google Patents
一种适用于便携式电力巡检的神经网络系统和方法 Download PDFInfo
- Publication number
- CN110009530A CN110009530A CN201910303486.9A CN201910303486A CN110009530A CN 110009530 A CN110009530 A CN 110009530A CN 201910303486 A CN201910303486 A CN 201910303486A CN 110009530 A CN110009530 A CN 110009530A
- Authority
- CN
- China
- Prior art keywords
- image
- convolutional neural
- target
- neural networks
- camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 45
- 210000005036 nerve Anatomy 0.000 title claims abstract description 16
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 21
- 230000002093 peripheral effect Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000006641 stabilisation Effects 0.000 claims abstract description 4
- 238000011105 stabilization Methods 0.000 claims abstract description 4
- 230000007547 defect Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 11
- 238000003331 infrared imaging Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种适用于便携式电力巡检的神经网络系统和方法，包括影像采集模块、卷积神经网络运行模块和外围功能单元，影像采集模块包括热红外摄像机、可见光摄像机以及防抖云台，卷积神经网络运行模块主要用于处理影像信息的卷积神经网络运行，卷积神经网络运行模块主要有CPU和GPU、NPU、TPU、FPGA的硬件或者由上述硬件构成的片上系统组成；本发明一种适用于便携式电力巡检的神经网络系统和方法，采用热红外摄像头确定电力设备的位置，再采用可见光摄像头对该位置的电力设备状态研判，有效的降低了复杂背景对目标识别的影响，红外图像信息相较于可见光图像信息很少，采用卷积神经网络处理图像时速度更快，从而降低了对模型精度和硬件的需求。
Description
技术领域
本发明涉及电力巡检领域，特别涉及一种适用于便携式电力巡检的神经网络系统和方法。
背景技术
电力巡检是保障电力运营的重要工作之一，由于传统的人工巡检存在效率低、人工成本高、难度较大等问题，目前较为先进的方法是采用无人机搭载高清摄像头，空中拍摄巡检视频，通过对视频的研判来确定故障缺陷。视频研判的主要方法有三种，1.视频通过无线网络传输到地面，地面人员实时分析并确定故障缺陷；2.视频通过4G等公网或自建网络远传至云端并进行人工智能分析确定故障缺陷，再将巡检结果回传到现场；3.视频保存在大容量的存储介质中，巡检完成后经专业人员或人工智能分析并确定故障缺陷。
如专利号为CN108037770A的“基于人工智能的无人机输电线路巡检系统和方法”所述，采用人工分析存在较多问题，如海量图片数据，人工处理困难；人工处理图片繁琐，识别可靠性低；人工分析模式单一，图像信息利用不足。而该发明所述方法也存在不足，如其图像需要传输至后台服务器分析后再将结果回传，需要WIFI或4G流量卡，而如变电站、输电线路等电力巡检中，偏远地域公网信号较差或尚未覆盖，将使巡检工作无法顺利完成。再如工程实践中，多为将巡检视频存储并带回研判，确认缺陷后消缺人员再返还现场处理，当遇到无法确定的故障缺陷时，还需要巡检员二次到现场确认，该方法的巡检效率较低，延长了故障缺陷处理时间，增加了故障扩大的风险。
近年来随着电子技术的发展，基于神经网络的图像识别技术已经实现了便携式应用，即不再依赖于远程大型服务器的算力支撑，便携式硬件的算力已经能够满足神经网络的算力需求，如GPU、NPU等芯片的面市，已经在手机、智能监控等商业领域得到应用，但其多为背景单一、目标像素占比大、种类较少等特点，传统方法能够满足其应用需求。但是电力巡检中存在背景复杂、多目标识别、识别种类多且图片中目标占比较小等问题，传统的方法很难在识别速度、精度、多任务等方面全部满足需求。
传统的基于神经网络的电力巡检中，对整个巡检视频进行检测，图片较大、背景较复杂，需要通过大量的计算才能得到结果，为加快识别速度，在有限硬件资源情况下，必须降低识别精度，最终导致系统性能降低。本发明提出一种适用于便携式电力巡检的神经网络系统和方法，主要采用热红外摄像头确定电力设备的位置，再采用可见光摄像头对该位置的电力设备状态研判，去除了大量的背景，减少了识别图片的大小，提高了识别速度和精度。而传统的热红外摄像头与可见光摄像头结合应用，主要用于热故障巡检，其中可见光摄像头主要为热红外图像提供补充数据，用于设备的定位和识别，该方案仅用于热故障的研判，且其目的是通过降低巡检速度来提高定位和识别的准确度，而本发明则主要采用热红外图像用于对电力设备定位，达到减少可见光图像尺寸的目的，降低识别过程对硬件计算资源的需求，有效的提高识别速度和精度，因此现有的红外和可见光摄像头应用与本发明有本质区别。
发明内容
本发明的主要目的在于提供一种适用于便携式电力巡检的神经网络系统和方法，可以有效解决背景技术中现有电力巡检对视频处理过程需要依赖人工研判或远程大型服务器分析研判的问题，避免巡检过程依赖4G网络或存储介质造成的巡检效果不佳或效率较低的问题。
为实现上述目的，本发明提供如下技术方案：一种适用于便携式电力巡检的神经网络系统，包括影像采集模块、卷积神经网络运行模块和外围功能单元，所述影像采集模块包括热红外摄像机、可见光摄像机以及防抖云台，所述卷积神经网络运行模块主要用于处理影像信息的卷积神经网络运行，所述卷积神经网络运行模块主要有CPU和GPU、NPU、TPU、FPGA的硬件或者由上述硬件构成的片上系统组成，所述外围功能单元主要包括电源管理、无线图传、卫星定位和显示器(根据实际需求增减)。
优选的，所述卫星定位用于对电力系统故障地理位置进行定位。
优选的，所述无线图传用于发送红外图像、可见光图像及相关报文。
一种适用于便携式电力巡检的神经网络巡检方法，系统在多核CPU控制下完成电力巡检任务，其中一个主CPU核用于流程控制，其他CPU核辅助卷积神经网络运算单元完成信息处理，具体方法步骤如下：
1)、开机后先由红外热成像摄像机采集图像，而可见光摄像机处于待机状态；
2)、当红外图像中检测到疑似巡检目标后，与上一次检测的红外图像比对，若为新目标，则使可见光摄像机同步采集可见光图像；
3)、获取红外图像中目标所在区域的坐标；
4)、根据两个摄像机的参数，确定可见光图像上目标的坐标；
5)、对可见光图像坐标范围内的信息采用卷积神经网络处理，确定巡检目标是否有故障缺陷；
6)、发现故障缺陷后，保存(发送)可见光图像及相关报文(无故障缺陷则跳过此步骤)；
7)、暂存当前红外图像用于判断下次检测的目标是否为新目标，防止重复检测同一目标，增加功耗，可见光摄像机进入待机状态；
8)、获取下一张红外图像并与暂存红外图像比对，若图像内目标物不变(仅目标物在图像内的坐标变化)，则覆盖上一张暂存的红外图像，继续获取下一张红外图像，直到新的目标物被发现；一直重复上述过程完成巡检任务。
优选的，所述步骤4)中，确定目标的坐标时，先用信息少的红外图像识别目标，利用可见光摄像头获取图像，由于两个摄像机的内外参数已知，当知道目标物在红外摄像机上的坐标后，通过摄像机参数，进行坐标变换的算法，获取可见光图像上目标的坐标和类别。
与现有技术相比，本发明具有如下有益效果：
1)、该种适用于便携式电力巡检的神经网络系统和方法，电力巡检中，采用热红外摄像头确定电力设备的位置，再采用可见光摄像头对该位置的电力设备状态研判，巡检目标红外特征相较于其周围树木、房屋、山石等较明显，有效的降低了复杂背景对目标识别的影响；
2)、红外图像信息相较于可见光图像信息很少，去除了大量的背景，减少了识别图片的大小，采用卷积神经网络处理图像时速度更快，提高了识别速度和精度；
3)、当检测到疑似目标物时，利用红外图像信息在可见光图像中确定(框选)检测目标物的范围，使得可见光图像处理时，被检测图像范围较小，且目标物占被检测图像的比例很大，提高了识别精度和速度；
4)、综上所述，该种适用于便携式电力巡检的神经网络系统和方法，提高了识别速度和精度，从而降低了对模型精度和硬件的需求，同时减少了硬件的功耗，更有利于便携式应用。
附图说明
图1为本发明所述一种适用于便携式电力巡检的神经网络系统的系统硬件结构示意图；
图2为本发明所述一种适用于便携式电力巡检的神经网络巡检方法实现流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
实施例1
如图1所示，一种适用于便携式电力巡检的神经网络系统，包括影像采集模块、卷积神经网络运行模块和外围功能单元，所述影像采集模块包括热红外摄像机、可见光摄像机以及防抖云台，所述卷积神经网络运行模块主要用于处理影像信息的卷积神经网络运行，所述卷积神经网络运行模块主要有CPU和GPU、NPU、TPU、FPGA的硬件或者由上述硬件构成的片上系统组成，所述外围功能单元主要包括电源管理、无线图传、卫星定位和显示器(根据实际需求增减)。
所述卫星定位用于对电力系统故障地理位置进行定位。
所述无线图传用于发送红外图像、可见光图像及相关报文。
通过采用上述技术方案，电力巡检中，采用热红外摄像头确定电力设备的位置，达到减少可见光图像尺寸的目的，降低识别过程对硬件计算资源的需求，有效的提高识别速度和精度；再采用可见光摄像头对该位置的电力设备状态研判，巡检目标红外特征相较于其周围树木、房屋、山石等较明显，有效的降低了复杂背景对目标识别的影响；红外图像信息相较于可见光图像信息很少，去除了大量的背景，减少了识别图片的大小，采用卷积神经网络处理图像时速度更快，提高了识别速度和精度；当检测到疑似目标物时，利用红外图像信息在可见光图像中确定(框选)检测目标物的范围，使得可见光图像处理时，被检测图像范围较小，且目标物占被检测图像的比例很大，提高了识别精度和速度；综上所述，该种适用于便携式电力巡检的神经网络系统和方法，提高了识别速度和精度，从而降低了对模型精度和硬件的需求，同时减少了硬件的功耗，更有利于便携式应用。
实施例2
如图2所示，一种适用于便携式电力巡检的神经网络巡检方法，系统在多核CPU控制下完成电力巡检任务，其中一个主CPU核用于流程控制，其他CPU核辅助卷积神经网络运算单元完成信息处理，具体方法步骤如下：
1)、开机后先由红外热成像摄像机采集图像，而可见光摄像机处于待机状态；
2)、当红外图像中检测到疑似巡检目标后，与上一次检测的红外图像比对，若为新目标，则使可见光摄像机同步采集可见光图像；
3)、获取红外图像中目标所在区域的坐标；
4)、根据两个摄像机的参数，确定可见光图像上目标的坐标；
5)、对可见光图像坐标范围内的信息采用卷积神经网络处理，确定巡检目标是否有故障缺陷；
6)、发现故障缺陷后，保存(发送)可见光图像及相关报文(无故障缺陷则跳过此步骤)；
7)、暂存当前红外图像用于判断下次检测的目标是否为新目标，防止重复检测同一目标，增加功耗，可见光摄像机进入待机状态；
8)、获取下一张红外图像并与暂存红外图像比对，若图像内目标物不变(仅目标物在图像内的坐标变化)，则覆盖上一张暂存的红外图像，继续获取下一张红外图像，直到新的目标物被发现；一直重复上述过程完成巡检任务。
步骤4)中，确定目标的坐标时，先用信息少的红外图像识别目标，利用可见光摄像头获取图像，由于两个摄像机的内外参数已知，当知道目标物在红外摄像机上的坐标后，通过摄像机参数，进行坐标变换的算法，获取可见光图像上目标的坐标和类别。
特别说明的是，该种适用于便携式电力巡检的神经网络系统除了可进行前述的故障缺陷检测外，还具有传统应用模式：1)在传统的电力设备热故障检测过程中，通过热红外摄像头获取温度信息，当温度异常时，通过可见光摄像头提供设备类型、异常发热点等信息。2)进行双目测距时，利用热红外摄像头和可见光摄像头获取图像，通过提取特征点实现双目测距，主要用于输电线路弧锤检测、外破检测等。由于上述两种应用为目前公知的、常规的应用，因此未详细描述其工作原理和过程。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种适用于便携式电力巡检的神经网络系统，包括影像采集模块、卷积神经网络运行模块和外围功能单元，其特征在于，所述影像采集模块包括热红外摄像机、可见光摄像机以及防抖云台，所述卷积神经网络运行模块主要用于处理影像信息的卷积神经网络运行，所述卷积神经网络运行模块主要有CPU和GPU、NPU、TPU、FPGA的硬件或者由上述硬件构成的片上系统组成，所述外围功能单元主要包括电源管理、无线图传、卫星定位和显示器(根据实际需求增减)。
2.根据权利要求1所述的一种适用于便携式电力巡检的神经网络系统，其特征在于，所述卫星定位用于对电力系统故障地理位置进行定位。
3.根据权利要求1所述的一种适用于便携式电力巡检的神经网络系统，其特征在于，所述无线图传用于发送红外图像、可见光图像及相关报文。
4.一种适用于便携式电力巡检的神经网络巡检方法，系统在多核CPU控制下完成电力巡检任务，其中一个主CPU核用于流程控制，其他CPU核辅助卷积神经网络运算单元完成信息处理，具体方法步骤如下：
1)、开机后先由红外热成像摄像机采集图像，而可见光摄像机处于待机状态；
2)、当红外图像中检测到疑似巡检目标后，与上一次检测的红外图像比对，若为新目标，则使可见光摄像机同步采集可见光图像；
3)、获取红外图像中目标所在区域的坐标；
4)、根据两个摄像机的参数，确定可见光图像上目标的坐标；
5)、对可见光图像坐标范围内的信息采用卷积神经网络处理，确定巡检目标是否有故障缺陷；
6)、发现故障缺陷后，保存(发送)可见光图像及相关报文(无故障缺陷则跳过此步骤)；
7)、暂存当前红外图像用于判断下次检测的目标是否为新目标，防止重复检测同一目标，增加功耗，可见光摄像机进入待机状态；
8)、获取下一张红外图像并与暂存红外图像比对，若图像内目标物不变(仅目标物在图像内的坐标变化)，则覆盖上一张暂存的红外图像，继续获取下一张红外图像，直到新的目标物被发现；一直重复上述过程完成巡检任务。
5.根据权利要求4所述的一种适用于便携式电力巡检的神经网络巡检方法，其特征在于，所述步骤4)中，确定目标的坐标时，先用信息少的红外图像识别目标，利用可见光摄像头获取图像，由于两个摄像机的内外参数已知，当知道目标物在红外摄像机上的坐标后，通过摄像机参数，进行坐标变换的算法，获取可见光图像上目标的坐标和类别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910303486.9A CN110009530A (zh) | 2019-04-16 | 2019-04-16 | 一种适用于便携式电力巡检的神经网络系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910303486.9A CN110009530A (zh) | 2019-04-16 | 2019-04-16 | 一种适用于便携式电力巡检的神经网络系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110009530A true CN110009530A (zh) | 2019-07-12 |
Family
ID=67172319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910303486.9A Pending CN110009530A (zh) | 2019-04-16 | 2019-04-16 | 一种适用于便携式电力巡检的神经网络系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110009530A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110333260A (zh) * | 2019-07-19 | 2019-10-15 | 北京锐百凌科技有限公司 | 防爆高光谱远红外气云成像控制传输及信息处理、定向发布系统 |
| CN110738094A (zh) * | 2019-08-16 | 2020-01-31 | 杭州天铂云科光电科技有限公司 | 一种远程接收电力设备红外热图识别信息的系统及方法 |
| CN110989604A (zh) * | 2019-12-13 | 2020-04-10 | 优刻得科技股份有限公司 | 利用机器人进行数据处理的方法、设备和机器人 |
| CN111062920A (zh) * | 2019-12-13 | 2020-04-24 | 北京百度网讯科技有限公司 | 用于生成半导体检测报告的方法及装置 |
| CN111583606A (zh) * | 2020-04-22 | 2020-08-25 | 云南电网有限责任公司昭通供电局 | 基于图像识别的输电线路危险点实时预警装置及使用方法 |
| CN111679142A (zh) * | 2020-06-17 | 2020-09-18 | 国网山西省电力公司电力科学研究院 | 一种便携式输变电设备红外智能诊断装置及方法 |
| CN112131936A (zh) * | 2020-08-13 | 2020-12-25 | 华瑞新智科技（北京）有限公司 | 一种巡检机器人图像识别方法及巡检机器人 |
| CN112364678A (zh) * | 2019-09-30 | 2021-02-12 | 山东省科学院海洋仪器仪表研究所 | 一种基于npu板卡的浮标识别定位方法及其船载装置 |
| CN112700428A (zh) * | 2021-01-08 | 2021-04-23 | 北京网瑞达科技有限公司 | 一种交换机背板元件识别方法及装置 |
| CN112787835A (zh) * | 2019-11-07 | 2021-05-11 | 华为技术有限公司 | 网络设备及处理关于网络报文的数据的方法 |
| CN113032597A (zh) * | 2021-03-31 | 2021-06-25 | 广东电网有限责任公司 | 一种基于图像处理的输电设备分类方法及系统 |
| CN113065608A (zh) * | 2021-04-22 | 2021-07-02 | 深圳华瑞通科技有限公司 | 基于多重图像识别的智能排查故障系统及其方法 |
| CN113142733A (zh) * | 2021-05-28 | 2021-07-23 | 中铁二十五局集团第三工程有限公司 | 一种模块化安全帽及隧道作业辅助施工方法 |
| CN113610874A (zh) * | 2021-06-21 | 2021-11-05 | 福建睿思特科技股份有限公司 | 一种基于ai深度学习的多功能电力图像智能分析装置 |
| WO2024179132A1 (zh) * | 2023-03-02 | 2024-09-06 | 蔚来移动科技有限公司 | 图像处理方法、电子设备、图像采集设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105488941A (zh) * | 2016-01-15 | 2016-04-13 | 中林信达（北京）科技信息有限责任公司 | 基于红外-可见光图像的双光谱森林火情监测方法及装置 |
| CN107643125A (zh) * | 2017-08-14 | 2018-01-30 | 中车青岛四方机车车辆股份有限公司 | 设备故障的确定方法和装置 |
| CN107749142A (zh) * | 2017-11-21 | 2018-03-02 | 海南电网有限责任公司电力科学研究院 | 一种输电线路防山火预警系统及其预警方法 |
| CN107992067A (zh) * | 2017-11-24 | 2018-05-04 | 贵州电网有限责任公司 | 基于集成吊舱和ai技术的无人机巡检故障诊断系统 |
| CN207473031U (zh) * | 2017-11-24 | 2018-06-08 | 贵州电网有限责任公司 | 无人机巡检故障诊断系统 |
| CN108364003A (zh) * | 2018-04-28 | 2018-08-03 | 国网河南省电力公司郑州供电公司 | 基于无人机可见光及红外图像融合的电力巡检方法及装置 |
| CN108765861A (zh) * | 2018-06-11 | 2018-11-06 | 四川汇源光通信有限公司 | 一种输电线路防火防外力破坏探测系统及其方法 |
-
2019
- 2019-04-16 CN CN201910303486.9A patent/CN110009530A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105488941A (zh) * | 2016-01-15 | 2016-04-13 | 中林信达（北京）科技信息有限责任公司 | 基于红外-可见光图像的双光谱森林火情监测方法及装置 |
| CN107643125A (zh) * | 2017-08-14 | 2018-01-30 | 中车青岛四方机车车辆股份有限公司 | 设备故障的确定方法和装置 |
| CN107749142A (zh) * | 2017-11-21 | 2018-03-02 | 海南电网有限责任公司电力科学研究院 | 一种输电线路防山火预警系统及其预警方法 |
| CN107992067A (zh) * | 2017-11-24 | 2018-05-04 | 贵州电网有限责任公司 | 基于集成吊舱和ai技术的无人机巡检故障诊断系统 |
| CN207473031U (zh) * | 2017-11-24 | 2018-06-08 | 贵州电网有限责任公司 | 无人机巡检故障诊断系统 |
| CN108364003A (zh) * | 2018-04-28 | 2018-08-03 | 国网河南省电力公司郑州供电公司 | 基于无人机可见光及红外图像融合的电力巡检方法及装置 |
| CN108765861A (zh) * | 2018-06-11 | 2018-11-06 | 四川汇源光通信有限公司 | 一种输电线路防火防外力破坏探测系统及其方法 |
Non-Patent Citations (1)
| Title |
|---|
| 赵令令: "基于超列的变电设备红外与可见光图像配准研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110333260A (zh) * | 2019-07-19 | 2019-10-15 | 北京锐百凌科技有限公司 | 防爆高光谱远红外气云成像控制传输及信息处理、定向发布系统 |
| CN110738094A (zh) * | 2019-08-16 | 2020-01-31 | 杭州天铂云科光电科技有限公司 | 一种远程接收电力设备红外热图识别信息的系统及方法 |
| CN112364678A (zh) * | 2019-09-30 | 2021-02-12 | 山东省科学院海洋仪器仪表研究所 | 一种基于npu板卡的浮标识别定位方法及其船载装置 |
| CN112364678B (zh) * | 2019-09-30 | 2023-04-07 | 山东省科学院海洋仪器仪表研究所 | 一种基于npu板卡的浮标识别定位方法及其船载装置 |
| US11477126B2 (en) | 2019-11-07 | 2022-10-18 | Huawei Technologies Co., Ltd. | Network device and method for processing data about network packets |
| CN112787835A (zh) * | 2019-11-07 | 2021-05-11 | 华为技术有限公司 | 网络设备及处理关于网络报文的数据的方法 |
| CN112787835B (zh) * | 2019-11-07 | 2023-01-13 | 华为技术有限公司 | 网络设备及处理关于网络报文的数据的方法 |
| CN110989604A (zh) * | 2019-12-13 | 2020-04-10 | 优刻得科技股份有限公司 | 利用机器人进行数据处理的方法、设备和机器人 |
| CN111062920A (zh) * | 2019-12-13 | 2020-04-24 | 北京百度网讯科技有限公司 | 用于生成半导体检测报告的方法及装置 |
| CN111062920B (zh) * | 2019-12-13 | 2023-06-20 | 北京百度网讯科技有限公司 | 用于生成半导体检测报告的方法及装置 |
| CN111583606A (zh) * | 2020-04-22 | 2020-08-25 | 云南电网有限责任公司昭通供电局 | 基于图像识别的输电线路危险点实时预警装置及使用方法 |
| CN111679142A (zh) * | 2020-06-17 | 2020-09-18 | 国网山西省电力公司电力科学研究院 | 一种便携式输变电设备红外智能诊断装置及方法 |
| CN112131936A (zh) * | 2020-08-13 | 2020-12-25 | 华瑞新智科技（北京）有限公司 | 一种巡检机器人图像识别方法及巡检机器人 |
| CN112131936B (zh) * | 2020-08-13 | 2023-07-21 | 华瑞新智科技（北京）有限公司 | 一种巡检机器人图像识别方法及巡检机器人 |
| CN112700428A (zh) * | 2021-01-08 | 2021-04-23 | 北京网瑞达科技有限公司 | 一种交换机背板元件识别方法及装置 |
| CN113032597A (zh) * | 2021-03-31 | 2021-06-25 | 广东电网有限责任公司 | 一种基于图像处理的输电设备分类方法及系统 |
| CN113065608A (zh) * | 2021-04-22 | 2021-07-02 | 深圳华瑞通科技有限公司 | 基于多重图像识别的智能排查故障系统及其方法 |
| CN113142733A (zh) * | 2021-05-28 | 2021-07-23 | 中铁二十五局集团第三工程有限公司 | 一种模块化安全帽及隧道作业辅助施工方法 |
| CN113610874A (zh) * | 2021-06-21 | 2021-11-05 | 福建睿思特科技股份有限公司 | 一种基于ai深度学习的多功能电力图像智能分析装置 |
| CN113610874B (zh) * | 2021-06-21 | 2024-03-12 | 福建睿思特科技股份有限公司 | 一种基于ai深度学习的多功能电力图像智能分析装置 |
| WO2024179132A1 (zh) * | 2023-03-02 | 2024-09-06 | 蔚来移动科技有限公司 | 图像处理方法、电子设备、图像采集设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110009530A (zh) | 一种适用于便携式电力巡检的神经网络系统和方法 | |
| CN110297498B (zh) | 一种基于无线充电无人机的轨道巡检方法及系统 | |
| CN110850723B (zh) | 一种基于变电站巡检机器人系统的故障诊断及定位方法 | |
| CN113705372B (zh) | 一种应用于配网作业现场违章的ai识别系统 | |
| CN105513155B (zh) | 巡检照片的分类、命名方法及终端设备 | |
| CN106682592A (zh) | 一种基于神经网络方法的图像自动识别系统及方法 | |
| CN106646137A (zh) | 检测输电线路的缺陷的方法、缺陷检测设备及系统 | |
| CN104639914A (zh) | 一种用于高压线绝缘子成像与污秽检测的装置及方法 | |
| CN109326125B (zh) | 基于嵌入式系统的图片质量诊断系统及诊断方法 | |
| CN106056624A (zh) | 无人机高清图像小目标检测与跟踪系统及其检测跟踪方法 | |
| CN108334815A (zh) | 电力二次设备的巡检方法、开关状态识别方法及系统 | |
| CN109297978B (zh) | 基于双目成像的电力线路无人机巡检及缺陷智能诊断系统 | |
| CN108318781A (zh) | 一种基于红外图像的绝缘子远程监测及故障诊断的方法 | |
| US12106376B2 (en) | Method and apparatus for processing an insurance claim | |
| CN108897342A (zh) | 针对快速移动的民用多旋翼无人机的定位跟踪方法及系统 | |
| CN111723656A (zh) | 一种基于YOLO v3与自优化的烟雾检测方法及装置 | |
| CN111244822A (zh) | 一种复杂地理环境的固定翼无人机巡线方法、系统和装置 | |
| CN112595936A (zh) | 基于无人机巡检的输电线复合绝缘子智能检测系统 | |
| Ma et al. | A cloud-edge-terminal collaborative system for temperature measurement in COVID-19 prevention | |
| CN111950491A (zh) | 一种人员密度的监控方法、装置及计算机可读存储介质 | |
| CN114878005A (zh) | 温度检测方法、装置、系统、电子设备及存储介质 | |
| CN112802027A (zh) | 一种目标对象的分析方法、存储介质及电子装置 | |
| CN113627321A (zh) | 基于人工智能的图像识别方法、装置及计算机设备 | |
| CN106403951A (zh) | 一种基于计算机视觉的定位系统及其定位方法 | |
| CN110517251A (zh) | 一种景区区域过载检测与预警系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190712 |