CN111985500B - 一种继电保护定值输入的校核方法、系统及装置 - Google Patents
一种继电保护定值输入的校核方法、系统及装置 Download PDFInfo
- Publication number
- CN111985500B CN111985500B CN202010735999.XA CN202010735999A CN111985500B CN 111985500 B CN111985500 B CN 111985500B CN 202010735999 A CN202010735999 A CN 202010735999A CN 111985500 B CN111985500 B CN 111985500B
- Authority
- CN
- China
- Prior art keywords
- fixed value
- image
- template
- matching
- input
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012795 verification Methods 0.000 title description 2
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000001802 infusion Methods 0.000 claims description 4
- 238000002955 isolation Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 5
- 239000003990 capacitor Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000011368 organic material Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008672 reprogramming Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
- H02H7/26—Sectionalised protection of cable or line systems, e.g. for disconnecting a section on which a short-circuit, earth fault, or arc discharge has occured
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种继电保护定值输入的校核方法、系统及装置。方法包括获取用户输入的定值单图像，通过OCR进行文字识别，与预先存储的模板典型库中的定值单模板进行匹配，得到与当前定值单图像对应的定值单模板；识别当前定值单图像中的定值，与所述定值单模板中的定值进行匹配，并对差异部分进行报警提示。本发明通过OCR算法对输入的定值单图像进行识别，与对应的定制单模板进行匹配，而后通过文字差异识别，得到差异定值并进行报警提示，整个过程无需人为参与，提供了准确性和匹配效率，保证电网系统的安全运行。
Description
技术领域
本发明涉及电网安全维护技术领域，尤其是一种继电保护定值输入的校核方法、系统及装置。
背景技术
继电保护定值对保护的正确动作和电网的安全稳定运行有有着至关重要的作用，对在变电站进行继电保护定值输入的人员素质有着极高的要求。现行的定值输入由继电保护人员和运行人员进行三次核对，即原始定值核对、输入定值核对、输入完后打印定值稿与输入定值单核对。
随着电网规模的扩大，电网接线方式的复杂化，对电网安全稳定的要求越来越高，随之定值录入、修改任务的逐渐加重，现行的“三核对”方式过程单调、繁琐，容易使定值输入人员产生疲劳感，很容易因人员处于疲劳状态或人员责任心不强等因素造成的定值输入错误，会给电网的安全运行带来很大风险。因此变电站定值输入人员急需一种过程简捷、正确率高的方式进行定值的输入与校对。
发明内容
本发明提供了一种继电保护定值输入的校核方法、系统及装置，用于解决现有问题。
为实现上述目的，本发明采用下述技术方案：
本发明第一方面提供了一种继电保护定值输入的校核方法，所述方法包括以下步骤：
获取用户输入的定值单图像，通过OCR进行文字识别，与预先存储的模板典型库中的定值单模板进行匹配，得到与当前定值单图像对应的定值单模板；
识别当前定值单图像中的定值，与所述定值单模板中的定值进行匹配，并对差异部分进行报警提示。
进一步地，在获取用户输入的定值单图像之前，还包括步骤：
基于深度学习神经网络，对定值单图像进行机器学习。
进一步地，所述基于深度学习神经网络进行机器学习的方法包括监督学习法、无监督学习法和灌输式学习法。
进一步地，所述定值的识别通过SIFT算法实现，所述识别当前定值单图像中的定值，与所述定值单模板中的定值进行匹配的具体过程为：
通过高斯微分函数，识别图像中对于尺度和旋转不变的若干关键点；
在所述关键点所在的候选区域上，基于拟合模型确定位置和尺度，定位关键点；
基于图像局部的梯度方向，为每个关键点分配若干方向；
在分配方向下的关键点邻域内，在选定的尺度上测量图像局部的梯度，利用所述梯度进行局部形状的变形和光照变化，进行定值匹配。
进一步地，所述方法还包括设置防火墙，隔离外网。
本发明第二方面提供了一种继电保护定值输入的校核系统，所述系统包括：
定值单匹配单元，用于获取用户输入的定值单图像，通过OCR进行文字识别，与预先存储的模板典型库中的定值单模板进行匹配，得到与当前定值单图像对应的定值单模板；
定值识别单元，用于识别当前定值单图像中的定值，与所述定值单模板中的定值进行匹配，并对差异部分进行报警提示。
进一步地，所述系统还包括：
安全隔离单元，用于设置防火墙，隔离外网。
本发明第三方面提供了一种继电保护定值输入的校核装置，所述装置包括：
图像传感器，用于获取用户输入的定值单，形成定值单图像；
处理器，通过OCR进行文字识别，将所述定值单图像与预先存储的模板典型库中的定值单模板进行匹配，得到与当前定值单图像对应的定值单模板；识别当前定值单图像中的定值，与所述定值单模板中的定值进行匹配，得到差异定值；
报警器，用于对所述差异定值进行报警提示。
进一步地，所述装置还包括存储器，所述存储器包括存储一区和存储二区；
所述存储一区用于存储定值单模板，所述存储二区用于存储图像传感器获取的定值单图像。
本发明第四方面提供了一种计算机存储介质，所述计算机存储介质中存储有计算机指令，计算机指令在校核系统上运行时，使所述校核系统执行所述校核方法的步骤。
发明内容中提供的效果仅仅是实施例的效果，而不是发明所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：
本发明通过OCR算法对输入的定值单图像进行识别，与对应的定制单模板进行匹配，而后通过文字差异识别，得到差异定值并进行报警提示，整个过程无需人为参与，提供了准确性和匹配效率，保证电网系统的安全运行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明所述方法的流程示意图；
图2是本发明所述系统的结构示意图；
图3是本发明所述装置的结构示意图。
具体实施方式
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
如图1所示，本发明一种继电保护定值输入的校核方法，包括以下步骤：
S1,获取用户输入的定值单图像，通过OCR进行文字识别，与预先存储的模板典型库中的定值单模板进行匹配，得到与当前定值单图像对应的定值单模板；
S2,识别当前定值单图像中的定值，与所述定值单模板中的定值进行匹配，并对差异部分进行报警提示。
在获取用户输入的定值单图像之前，还包括步骤：
基于深度学习神经网络，对定值单图像进行机器学习。基于深度学习神经网络进行机器学习的方法包括监督学习法、无监督学习法和灌输式学习法。
监督学习也叫有导师学习，这种学习模式采用纠错规则，即需要给网络不断输入数据，把神经网络输出和期望输出的相比较，当两者不同时，根据差错方向和大小按一定规则调整权值，以使下一步网络更接近期望结果，一旦当网络对于各种给定的输入均能参数所期望的输出时，即认为网络学会了，就可以用来工作了。
无监督学习也叫无导师学习，学习过程中需要不断的给网络提供动态的输入信息，网络能根据特有的内部结构和学习规则，再输入的信息中去发现任何可能存在的模式和规律，同时能根据网络的功能和输入信息调整权值，这个过程称为网络的自组织，其结果就是使网络能对属于同一类的模式进行自动的分类，在这种学习模式中，网络的权值调整不取决于外来的教师信号，而是取决于网络的内部。
灌输式学习是指将网络设计成能记忆特别的例子，以后当给定有关该例子的输入信息时，例子便会被回忆起来。网络权值一旦设计好就不在变动，因此学习是一次性的而不是一个训练过程。
步骤S1基于学习好的模型，对输入的定制单图像与定值单模板进行匹配，得到对应的定值单模板，便于下一步的差异定值识别。
步骤S2的定值的识别通过SIFT算法实现，识别当前定值单图像中的定值，与所述定值单模板中的定值进行匹配的具体过程为：通过高斯微分函数，识别图像中对于尺度和旋转不变的若干关键点；在所述关键点所在的候选区域上，基于拟合模型确定位置和尺度，定位关键点；基于图像局部的梯度方向，为每个关键点分配若干方向；在分配方向下的关键点邻域内，在选定的尺度上测量图像局部的梯度，利用所述梯度进行局部形状的变形和光照变化，进行定值匹配。
方法还包括设置防火墙，隔离外网，避免被外界入侵，提高运行的安全性。
如图2所示，本发明一种继电保护定值输入的校核系统，包括定值单匹配单元、定值识别单元和安全隔离单元。
定值单匹配单元用于获取用户输入的定值单图像，通过OCR进行文字识别，与预先存储的模板典型库中的定值单模板进行匹配，得到与当前定值单图像对应的定值单模板；定值识别单元用于识别当前定值单图像中的定值，与所述定值单模板中的定值进行匹配，并对差异部分进行报警提示；安全隔离单元用于设置防火墙，隔离外网。
如图3所示，本发明一种继电保护定值输入的校核装置，包括图像传感器、处理器、显示器、报警器和存储器。
图像传感器用于获取用户输入的定值单，形成定值单图像。图像传感器采用主流的CMOS图像传感器芯片，兼容性好。CMOS图像传感器本质是一块芯片，主要包括：感光区阵列(Bayer阵列，或叫像素阵列)、时序控制、模拟信号处理以及模数转换等模块。
各模块的作用分别为：
像素阵列完成光电转换，将光子转换为电子。时序控制电信号的读出、传递。模拟信号处理(ADC)：对信号去噪。
其中，像素阵列占整个芯片的面积最大，像素阵列是由一个个像素组成，它对应到我们看到每张图片中的每个像素。光电二极管具有正向导通反向截止的特性，反向的特性还有个电容的特性，当在二极管上加反向偏置电压时，就会给电容充电，当电容充满电荷之后，光子的射入会导致内部激发出新的电子空穴对，与原来充电形成的电子空穴对进行配对放电，形成光电流，光电流给电容充电变成一个电压输出。每个像素包括感光区和读出电路，每个像素的信号经由模拟信号处理后，交由ADC进行模数转换后即可输出到数字处理模块。
处理器，通过OCR进行文字识别，将所述定值单图像与预先存储的模板典型库中的定值单模板进行匹配，得到与当前定值单图像对应的定值单模板；识别当前定值单图像中的定值，与所述定值单模板中的定值进行匹配，得到差异定值；
处理器采用Hikey 970开发板实现，采用了台积电10nm工艺，拥有4核Cortex-A73@2.36GHz和4核Cortex-A53@1.8GHz，12核的Mali-G72。具有内置专用于图像处理的独立NPU(神经网络单元)的移动AI计算平台，可以对特定的图像进行深度学习识别；外围部分拥有支持4K高清的HDMI 2.0a接口，2个USB3.0接口，2个USB Type-C接口，1个千兆网口，支持CANV2.0B协议，系统支持Android/LINUX，可运用Java语言进行程序改编，改造成独立系统不与外网连接，极大地提高安全性。编译独立的文字差异化识别程序内置到CPU中，自动对两个相似的图像进行精准识别，对差异部分进行声光报警及在显示器的OLED屏上进行显示。
报警器，用于对所述差异定值进行报警提示。当CPU的程序比对出现差异化时，CPU发出差异化信号,输出脚BELL输出高电平,驱动继电器，使得扬声器和指示灯电路接通，发出声响和指示灯闪烁以起到报警作用。
显示器为OLED显示模块，OLED显示技术具有自发光的特性，采用非常薄的有机材料涂层和玻璃基板，当有电流通过时，这些有机材料就会发光，而且OLED显示屏幕可视角度大，并且能够节省电能，方便应用于便携式的装置上。
存储器包括存储一区和存储二区；
存储一区用于存储定值单模板，使基于独立NPU深度学习的程序对定值单模板的选择更精准、读取速度更快。
存储二区用于作为灵活写入、擦除的定值单导入区，同时作为CMOS图像采集模块传输的图像存放区。可以根据现场需要进行定值单的导入和删除，为CPU中内置的文字差异化识别程序提供原始定值单和CMOS图像采集模块采集到的定值单，从而进行比对。基于Hikey 970开发板的存储区内置6GB的同步动态随机存取存储器，根据现场需要可以扩容为64GB的同步动态随机存取存储器。例如：每到一个新的变电站，先用该校核装置拍摄正确的定值单，作为校核的基础数据，通过上述的深度学习，将定值匹配到模板典型库的格式；然后，人工在保护装置上输入定值单后，用保护装置自带的打印机，打印出输入的定值单，用该校核装置拍摄在定值单打印件，作为校核的比对数据，也同步到上面的相应的模板典型库格式，让基础数据和比对数据格式相同，便于进行比对。系统自动对两者进行比对，找出输入错误的定值，免去了人工一项一项进行比对的麻烦和失误。
本发明还提供了一种计算机存储介质，计算机存储介质中存储有计算机指令，计算机指令在校核系统上运行时，使校核系统执行校核方法的步骤。
本发明上述技术手段在变电站继电保护定值输入校核时实现了本质安全，避免了因人为失误或人员处于疲劳状态时定值的核对错误。极大的缩短了定值核对的时间，一份定值单少则几十项、多则上百项，将之前核对一份定值单的时间由一个半小时降低到二分钟，极大地提高了工作人员的工作效率。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种继电保护定值输入的校核方法，其特征是，所述方法包括以下步骤：
基于深度学习神经网络，对定值单图像进行机器学习；
获取用户输入的定值单图像，通过OCR进行文字识别，与预先存储的模板典型库中的定值单模板进行匹配，得到与当前定值单图像对应的定值单模板；
识别当前定值单图像中的定值，与所述定值单模板中的定值进行匹配，并对差异部分进行报警提示；
所述定值的识别通过SIFT算法实现，所述识别当前定值单图像中的定值，与所述定值单模板中的定值进行匹配的具体过程为：
通过高斯微分函数，识别图像中对于尺度和旋转不变的若干关键点；
在所述关键点所在的候选区域上，基于拟合模型确定位置和尺度，定位关键点；
基于图像局部的梯度方向，为每个关键点分配若干方向；
在分配方向下的关键点邻域内，在选定的尺度上测量图像局部的梯度，利用所述梯度进行局部形状的变形和光照变化，进行定值匹配。
2.根据权利要求1所述继电保护定值输入的校核方法，其特征是，所述基于深度学习神经网络进行机器学习的方法包括监督学习法、无监督学习法和灌输式学习法。
3.根据权利要求1-2任一项所述的继电保护定值输入的校核方法，其特征是，所述方法还包括设置防火墙，隔离外网。
4.一种继电保护定值输入的校核系统，其特征是，所述系统包括：
定值单匹配单元，用于获取用户输入的定值单图像，通过OCR进行文字识别，与预先存储的模板典型库中的定值单模板进行匹配，得到与当前定值单图像对应的定值单模板；
定值识别单元，用于识别当前定值单图像中的定值，与所述定值单模板中的定值进行匹配，并对差异部分进行报警提示。
5.根据权利要求4所述的继电保护定值输入的校核系统，其特征是，所述系统还包括：
安全隔离单元，用于设置防火墙，隔离外网。
6.一种继电保护定值输入的校核装置，其特征是，所述装置包括：
图像传感器，用于获取用户输入的定值单，形成定值单图像；
处理器，通过OCR进行文字识别，将所述定值单图像与预先存储的模板典型库中的定值单模板进行匹配，得到与当前定值单图像对应的定值单模板；识别当前定值单图像中的定值，与所述定值单模板中的定值进行匹配，得到差异定值；
报警器，用于对所述差异定值进行报警提示。
7.根据权利要求6所述继电保护定值输入的校核装置，其特征是，所述装置还包括存储器，所述存储器包括存储一区和存储二区；
所述存储一区用于存储定值单模板，所述存储二区用于存储图像传感器获取的定值单图像。
8.一种计算机存储介质，所述计算机存储介质中存储有计算机指令，其特征是，所述计算机指令在校核系统上运行时，使所述校核系统执行如权利要求1-3任一项所述校核方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010735999.XA CN111985500B (zh) | 2020-07-28 | 2020-07-28 | 一种继电保护定值输入的校核方法、系统及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010735999.XA CN111985500B (zh) | 2020-07-28 | 2020-07-28 | 一种继电保护定值输入的校核方法、系统及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111985500A CN111985500A (zh) | 2020-11-24 |
| CN111985500B true CN111985500B (zh) | 2024-03-29 |
Family
ID=73445585
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010735999.XA Active CN111985500B (zh) | 2020-07-28 | 2020-07-28 | 一种继电保护定值输入的校核方法、系统及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111985500B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112860957B (zh) * | 2020-11-26 | 2023-03-24 | 国网宁夏电力有限公司检修公司 | 一种定值单的核对方法、介质及系统 |
| CN114172112A (zh) * | 2021-11-16 | 2022-03-11 | 国网青海省电力公司果洛供电公司 | 基于智能识别技术的继电保护定值自动核对与修正装置及方法 |
| CN114221312B (zh) * | 2021-12-30 | 2023-07-07 | 广东电网有限责任公司茂名供电局 | 一种基于拓扑关系的配电网保护快速整定与校核方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110103223A (ko) * | 2010-03-12 | 2011-09-20 | 경북대학교 산학협력단 | 얼굴 인식을 위한 ｓｉｆｔ 알고리즘을 이용한 키포인트 매칭 시스템 및 방법 |
| CN102930398A (zh) * | 2012-11-06 | 2013-02-13 | 安徽省电力公司检修公司 | 一种基于xml技术的继电保护定值智能校核方法及系统 |
| CN104240045A (zh) * | 2014-10-14 | 2014-12-24 | 国家电网公司 | 一种地区电网继电保护协调与安全的分析方法 |
| CN104252614A (zh) * | 2013-06-27 | 2014-12-31 | 南京理工大学常熟研究院有限公司 | 基于sift算法的二代身份证人脸比对方法 |
| CN105868766A (zh) * | 2016-03-28 | 2016-08-17 | 浙江工业大学 | 喷涂流水线工件自动检测与识别方法 |
| CN106611174A (zh) * | 2016-12-29 | 2017-05-03 | 成都数联铭品科技有限公司 | 一种非常见字体的ocr识别方法 |
| CN107392215A (zh) * | 2017-08-02 | 2017-11-24 | 焦点科技股份有限公司 | 一种基于sift算法的重图检测方法 |
| CN107527344A (zh) * | 2017-09-18 | 2017-12-29 | 广东电网有限责任公司珠海供电局 | 一种继电保护压板状态检测系统及检测方法 |
| CN108549739A (zh) * | 2018-03-05 | 2018-09-18 | 国网安徽省电力有限公司 | 基于稀疏矩阵的保护装置定值信息建模方法及系统 |
| CN109919014A (zh) * | 2019-01-28 | 2019-06-21 | 平安科技（深圳）有限公司 | Ocr识别方法及其电子设备 |
| CN110020643A (zh) * | 2018-01-10 | 2019-07-16 | 亮风台（上海）信息科技有限公司 | 一种压板识别方法与设备 |
| CN110854807A (zh) * | 2019-11-22 | 2020-02-28 | 国网河北省电力有限公司电力科学研究院 | 基于ocr技术的新能源继电保护智能校核及预警系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10853638B2 (en) * | 2018-08-31 | 2020-12-01 | Accenture Global Solutions Limited | System and method for extracting structured information from image documents |
| CN112436477A (zh) * | 2020-11-10 | 2021-03-02 | 云南电网有限责任公司昆明供电局 | 一种变电站继电保护装置定值快速核对仪器 |
-
2020
- 2020-07-28 CN CN202010735999.XA patent/CN111985500B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110103223A (ko) * | 2010-03-12 | 2011-09-20 | 경북대학교 산학협력단 | 얼굴 인식을 위한 ｓｉｆｔ 알고리즘을 이용한 키포인트 매칭 시스템 및 방법 |
| CN102930398A (zh) * | 2012-11-06 | 2013-02-13 | 安徽省电力公司检修公司 | 一种基于xml技术的继电保护定值智能校核方法及系统 |
| CN104252614A (zh) * | 2013-06-27 | 2014-12-31 | 南京理工大学常熟研究院有限公司 | 基于sift算法的二代身份证人脸比对方法 |
| CN104240045A (zh) * | 2014-10-14 | 2014-12-24 | 国家电网公司 | 一种地区电网继电保护协调与安全的分析方法 |
| CN105868766A (zh) * | 2016-03-28 | 2016-08-17 | 浙江工业大学 | 喷涂流水线工件自动检测与识别方法 |
| CN106611174A (zh) * | 2016-12-29 | 2017-05-03 | 成都数联铭品科技有限公司 | 一种非常见字体的ocr识别方法 |
| CN107392215A (zh) * | 2017-08-02 | 2017-11-24 | 焦点科技股份有限公司 | 一种基于sift算法的重图检测方法 |
| CN107527344A (zh) * | 2017-09-18 | 2017-12-29 | 广东电网有限责任公司珠海供电局 | 一种继电保护压板状态检测系统及检测方法 |
| CN110020643A (zh) * | 2018-01-10 | 2019-07-16 | 亮风台（上海）信息科技有限公司 | 一种压板识别方法与设备 |
| CN108549739A (zh) * | 2018-03-05 | 2018-09-18 | 国网安徽省电力有限公司 | 基于稀疏矩阵的保护装置定值信息建模方法及系统 |
| CN109919014A (zh) * | 2019-01-28 | 2019-06-21 | 平安科技（深圳）有限公司 | Ocr识别方法及其电子设备 |
| CN110854807A (zh) * | 2019-11-22 | 2020-02-28 | 国网河北省电力有限公司电力科学研究院 | 基于ocr技术的新能源继电保护智能校核及预警系统 |
Non-Patent Citations (3)
| Title |
|---|
| 一种基于OCR的继电保护定值核对方法;廖晓玉等;信息化研究;第45卷(第3期);第1-3节 * |
| 基于无线通信的继电保护定值校核研究;陆振坤;乔向阳;马兵;涂鑫国;牛俊琪;;实验室研究与探索;20170315(第03期);全文 * |
| 智能电网继电保护定值在线比对和固化系统;邓炼兴;巩俊强;姜云峰;王勋江;张文;鄢天毕;;电网与清洁能源(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111985500A (zh) | 2020-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111985500B (zh) | 一种继电保护定值输入的校核方法、系统及装置 | |
| TWI692196B (zh) | 太陽能光電故障檢測系統及方法 | |
| Conti et al. | Accelerated visual context classification on a low-power smartwatch | |
| Mantel et al. | Machine learning prediction of defect types for electroluminescence images of photovoltaic panels | |
| CN109218718A (zh) | 自动对焦调试方法、装置、设备和存储介质 | |
| CN105806362B (zh) | 一种ccd探测器辐射效应试验装置 | |
| CN115063665A (zh) | 一种基于加权双向特征金字塔网络的轻量级火灾检测方法 | |
| KR20190049330A (ko) | Uav를 이용한 태양광 패널 결함 검출 방법 및 장치 | |
| CN113340822B (zh) | 一种自动标定的光谱采集方法、装置和介质 | |
| US20210312173A1 (en) | Method, apparatus and device for recognizing bill and storage medium | |
| CN112113638B (zh) | 水表功能自检装置及方法 | |
| CN113139540B (zh) | 背板检测方法及设备 | |
| CN114972863A (zh) | 一种基于边缘智能终端的大型机械检测装置及其检测方法 | |
| CN116048682A (zh) | 一种终端系统界面布局对比方法及电子设备 | |
| CN115186751A (zh) | 一种基于s变换的CVT计量误差预测方法、装置及存储介质 | |
| Ji et al. | Design of Electronic Device Life Test Monitoring System Based on Optical Character Recognition Technology | |
| KR20180082166A (ko) | 태양광 패널 검출 장치 | |
| Pattnaik et al. | A Framework to Detect Digital Text Using Android Based Smartphone | |
| CN114581360A (zh) | 光伏组件标签检测方法、装置、设备和计算机存储介质 | |
| CN204993615U (zh) | 涵盖景深的调焦系统 | |
| CN111062354A (zh) | 一种拍照抄表的图片自动识别方法 | |
| KR20180082265A (ko) | 태양광 패널 검출 장치 | |
| CN109752918A (zh) | 光刻掩膜优化设计方法及系统 | |
| CN114663878B (zh) | 一种成品软件版本检查方法、装置、设备及介质 | |
| Li et al. | Visual Object Detection with Score Refinement |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |