CN112149522A - 电缆通道智能可视化防外破监测系统及方法 - Google Patents
电缆通道智能可视化防外破监测系统及方法 Download PDFInfo
- Publication number
- CN112149522A CN112149522A CN202010918667.5A CN202010918667A CN112149522A CN 112149522 A CN112149522 A CN 112149522A CN 202010918667 A CN202010918667 A CN 202010918667A CN 112149522 A CN112149522 A CN 112149522A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- cable channel
- monitoring
- image
- layer
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000000007 visual effect Effects 0.000 title claims abstract description 24
- 238000012423 maintenance Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 230000004297 night vision Effects 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 26
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000013135 deep learning Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 230000002265 prevention Effects 0.000 abstract description 8
- 238000010276 construction Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06N3/08—Learning methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Abstract
本发明涉及一种电缆通道智能可视化防外破监测系统及方法,该方法包括:数据监拍设备采集电缆通道各监测点的夜视摄像头图像信息;通过电力专网将所采集的图像信息传输回系统应用层;系统主站图像智能分析服务器智能识别图像中的目标隐患,并将预警信息发送至智能监控平台;智能监控平台根据属地网格体系派发任务,将危急隐患同步进行微信推送并经运维人员审核处理;如果运维人员发现所推送的预警信息为误报,则通过系统主站的图像智能分析服务器进行智能学习。本发明采用两阶段目标检测算法,提高了电缆通道隐患目前检测的精度,满足实时监测预警要求,针对电缆通道实现挖掘机、推土机、打桩机等大型机械识别准确率达到95%以上。
Description
技术领域
本发明属于电力电缆技术领域,涉及一种电缆通道监控技术,尤其是一种电缆通道智能可视化防外破监测系统及方法。
背景技术
由于电力电缆通道外部运维环境错综复杂,因此,电缆通道附近施工会给电缆的安全稳定运行带来了风险。
传统的电缆通道防外破方法往往需要投入大量人力资源集中开展运维、保电等工作,由于电缆长度长,分布广,造成运维人员每天有大量的日常工作需要完成。目前电网迅速发展,在专业人力资源日趋紧张以及外部运维环境日益恶劣的情况下,原有防外破方法与快速增长的电网规模间的矛盾日益突出,防外破成效亟需大幅提升。
现有的可视化监拍系统由传统可视化监拍装置构成(最普通的输电线路监拍系统),能够识别塔吊、吊车、漂浮物等外破隐患,但是,上述存在如下问题:(1)该系统只能识别针对架空输电线路的外破隐患,并不能完全满足电缆通道防外破工作要求;(2)该系统的服务器账户权限不归电缆通道运行部门所有,数据安全性较低;(3)该系统的预警信息不能提供相对准确的坐标点;(4)系统监拍空白期较长,不能及时获取隐患信息;(5)系统数据传输大量无预警数据到后台,造成网络流量大成本较高。
发明内容
本发明的目的在于克服现有技术的不足,提出一种实时性强、安全性高、定位准确、成本低廉且能够有效提高电缆通道防外破运维特殊要求的电缆通道智能可视化防外破监测系统及方法。
本发明解决其技术问题是采取以下技术方案实现的:
一种电缆通道智能可视化防外破监测系统,包括设备终端层、数据传输层和系统应用层;
所述设备终端层采集电缆通道各监测点的图像信息并通过数据传输层传送给系统应用层;
所述数据传输层采用电力专网用于将系统应用层和设备终端层连接在一起实现数据传输功能;
所述系统应用层包括系统主站图像智能分析服务器、智能监控平台以及运维管理服务器;
系统主站图像智能分析服务器内置有深度学习算法模型,能够智能识别设备终端层采集图像中的目标隐患,并将预警信息发送至智能监控平台;所述智能监控平台用于派发任务并将危急隐患同步进行微信推送并经运维人员审核处理。
而且,所述设备终端层包括数据汇集层和传感器层,所述数据汇集层包括智能监拍设备和智能汇集终端,所述传感器层包括夜视摄像头和声光报警器,所述智能监拍设备与夜视摄像头相连接实现图像采集功能,所述智能汇集终端与声光报警器相连接实现声光报警功能。
而且,所述智能监拍设备内置有深度学习算法模型用于实现边缘计算功能,该智能监拍设备搭载华为atlas芯片作为AI加速模块。
而且,所述数据传输层采用加密算法进行数据传输。
一种电缆通道智能可视化防外破监测方法,包括以下步骤:
步骤1、数据监拍设备采集电缆通道各监测点的夜视摄像头图像信息,实现电缆通道的可视化功能;
步骤2、智能监拍设备通过电力专网将所采集的图像信息传输回系统应用层;
步骤3、系统应用层的系统主站图像智能分析服务器智能识别图像中的目标隐患,并将预警信息发送至智能监控平台;
步骤4、智能监控平台根据属地网格体系派发任务,将危急隐患同步进行微信推送并经运维人员审核处理;
步骤5、如果运维人员发现所推送的预警信息为误报,则反馈至智能监控平台的后台管理人员,由后台管理人员通过系统主站的图像智能分析服务器进行智能学习。
而且,所述步骤1中智能监拍设备通过内置的深度学习算法模型实现边缘计算功能。
而且,所述深度学习算法模型智能识别图像中的目标隐患的方法包括:
⑴基于深度学习算法的对象模型建模及优化,包括以下步骤:
①样本的收集及标记;
②基于样本的对象模型学习和训练;
③训练模型的测试及优化;
⑵基于人工智能的电缆通道隐患主动识别和预警过程,包括以下步骤:
①对图像进行区域分割,在图像中生成1500个候选目标区域框;
②使用特征提取算法,对每个候选框内的图像块使用深度学习技术提取视觉特征;
③进行归类处理分类,对候选框中提取出的特征使用分类器判别是否属于某一个特定类;
④对属于某一特征的候选框用回归器进一步调整其位置,从而得到最终的检测结果。
而且,所述步骤5中智能学习的具体方法为:基于人工神经网络、场景整体模式匹配的算法对电缆通道区域内特定物体的目标识别和判断,关注区域内是否存在外破破坏大型机械。
本发明的优点和积极效果是:
1、本发明的智能监拍设备设有AI加速模块实现边缘计算功能,提高了前端装置智能识别准确率,满足实时监测预警要求,并结合系统主站图像智能分析服务器实现电缆通道外力破坏物体检测的两级筛选功能,采用两阶段目标检测算法,提高了电缆通道隐患目前检测的精度。
2、本发明系统系统应用层提供可视化监控覆盖、感知层设备管理、告警推送、智能巡视、隐患采集统计、数据汇总分析联动等电缆通道综合应用服务,且具备云边协同功能;基于高可靠的服务器硬件平台,包括支持AI训练,持续优化更新算法模型、图像的深度推理的智能识别系统,并将训练好的算法模型同步推送至设备终端层。
3、本发明对外破机械等隐患进行智能识别预警,并结合电缆通道管理要求进行预警后的闭环管理,实现隐患/缺陷自主预警和隐患/缺陷全过程周期的闭环管理和智能处置功能,针对电缆通道实现挖掘机、推土机、打桩机等大型机械识别准确率达到95%以上。
附图说明
图1为本发明的系统连接示意图。
具体实施方式
以下结合附图对本发明做进一步详述。
一种电缆通道智能可视化防外破监测系统,如图1所示,包括设备终端层、数据传输层、系统应用层。
所述设备终端层包括数据汇集层和传感器层,所述数据汇集层包括智能监拍设备和智能汇集终端,所述传感器层包括夜视摄像头和声光报警器,所述智能监拍设备与夜视摄像头相连接实现图像采集功能,所述智能汇集终端与声光报警器相连接实现声光报警功能。
智能监拍设备内置有深度学习算法模型可实现边缘计算功能,满足边缘推理的算力需求,提高前端装置智能识别准确率。智能监拍设备搭载华为atlas芯片,其作为AI加速模块可以提高算法识别速度。
所述数据传输层采用电力专网用于将系统应用层和设备终端层连接在一起实现数据传输功能,支持多种加密算法以保障数据传输安全。
所述系统应用层包括系统主站图像智能分析服务器、智能监控平台以及实现电缆智能运维管理业务的其他服务器。
系统主站图像智能分析服务器内置有深度学习算法模型,能够智能识别设备终端层采集图像中的目标隐患,并将预警信息发送至智能监控平台。所述智能监控平台用于派发任务并将危急隐患同步进行微信推送并经运维人员审核处理。
基于上述系统,本发明还提供一种电缆通道智能可视化防外破监测方法,包括以下步骤:
步骤1、数据监拍设备采集电缆通道各监测点的夜视摄像头图像信息,实现电缆通道的可视化功能。
智能监拍设备采集安装在电缆通道各监测点的夜视摄像头的图像,实现电缆通道“可视化”功能,并通过内置的深度学习算法模型可实现边缘计算功能,满足边缘推理的算力需求,提高前端装置智能识别准确率。
步骤2、智能监拍设备通过电力专网将所采集的图像信息传输回系统应用层。
在本实施例中,电力专网的安全级别较高,相对于互联网传输方式更加安全。
步骤3、系统应用层的系统主站图像智能分析服务器智能识别图像中的目标隐患,并将预警信息发送至智能监控平台。
在本步骤中,图像智能分析服务器通过对图像进行智能分析,对可能造成隐患的施工机械(挖掘机、打桩机、推土机等)进行检测,识别出挖掘机、推土机、打桩机等可能给电缆通道带来外破风险的信息。其过程为:对需要检测的电缆通道施工机械图像进行标注;使用深度学习框架训练施工机械监测模型;施工机械监测模型输入监控图片,输出图片中所包含的施工机械的像素位置和类别。
在本步骤中,图像智能分析服务器内置有深度学习算法模型,其智能识别图像中的目标隐患的方法包括以下两部分:
⑴基于深度学习算法的对象模型建模及优化,主要包括以下步骤:
①样本的收集及标记;
②基于样本的对象模型学习和训练;
③训练模型的测试及优化。
⑵基于人工智能的电缆通道隐患主动识别和预警过程,包括以下步骤:
①对图像进行区域分割,在图像中生成约1500个候选目标区域框。
②使用featureextraction算法,对每个候选框内的图像块使用深度学习技术提取视觉特征。
③进行归类处理classification,即对候选框中提取出的特征(featrue)使用分类器判别是否属于某一个特定类(例如挖掘机等)。
④对属于某一特征的候选框用回归器进一步调整其位置,从而得到最终的检测结果。
步骤4、智能监控平台根据属地网格体系派发任务,将危急隐患同步进行微信推送并经运维人员审核处理。
在本步骤中,智能监控平台派发任务的具体步骤:
主站管理人员制定任务->下发任务->手机APP“输电运维管家”->我的任务->巡视、检修任务->隐患处理->验收任务。
微信推送的具体步骤:关注企业微信->系统后台推送->微信接收告警图片及工单信息->线路巡视与图片轮播->微信中派发工单->工单查看->提交工单处理结果->系统平台展示。
步骤5、若运维人员发现所推送的预警信息为误报,则反馈至智能监控平台的后台管理人员,由后台管理人员通过系统主站的图像智能分析服务器进行智能学习(误报学习),避免相同误报情况再次发生。
在本步骤中,图像智能分析服务器进行智能学习的具体方法是:基于人工神经网络、场景整体模式匹配的算法对电缆通道区域内特定物体的目标识别和判断关注区域内是否存在外破破坏大型机械。
通过以上步骤即可实现电缆通道智能可视化防外破监测功能,本发明基于Tensorflow的底层架构,使用两阶段目标检测算法,实现高精度的电缆通道隐患目标检测功能,与FasterR-CNN等检测算法,创新点主要包括:(1)进行图像初始化,图像去雾去噪,图像进行特殊语音分隔;(2)特征提取需要同时兼顾精确度与计算能力,采用的是ZF网络;(3)区域分类采用的Softmax函数,根据输入的特征,输入的是得到不同的类别的概率;(4)针对隐患目标识别单张图片耗时0.1秒,识别准确率95%以上。
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (8)
1.一种电缆通道智能可视化防外破监测系统,其特征在于:包括设备终端层、数据传输层和系统应用层;
所述设备终端层采集电缆通道各监测点的图像信息并通过数据传输层传送给系统应用层;
所述数据传输层采用电力专网用于将系统应用层和设备终端层连接在一起实现数据传输功能;
所述系统应用层包括系统主站图像智能分析服务器、智能监控平台以及运维管理服务器;
系统主站图像智能分析服务器内置有深度学习算法模型,能够智能识别设备终端层采集图像中的目标隐患,并将预警信息发送至智能监控平台;所述智能监控平台用于派发任务并将危急隐患同步进行微信推送并经运维人员审核处理。
2.根据权利要求1所述的一种电缆通道智能可视化防外破监测系统,其特征在于:所述设备终端层包括数据汇集层和传感器层,所述数据汇集层包括智能监拍设备和智能汇集终端,所述传感器层包括夜视摄像头和声光报警器,所述智能监拍设备与夜视摄像头相连接实现图像采集功能,所述智能汇集终端与声光报警器相连接实现声光报警功能。
3.根据权利要求2所述的一种电缆通道智能可视化防外破监测系统,其特征在于:所述智能监拍设备内置有深度学习算法模型用于实现边缘计算功能,该智能监拍设备搭载华为atlas芯片作为AI加速模块。
4.根据权利要求1所述的一种电缆通道智能可视化防外破监测系统,其特征在于:所述数据传输层采用加密算法进行数据传输。
5.一种如权利要求1至4任一项所述的电缆通道智能可视化防外破监测系统的监测方法,其特征在于:包括以下步骤:
步骤1、数据监拍设备采集电缆通道各监测点的夜视摄像头图像信息,实现电缆通道的可视化功能;
步骤2、智能监拍设备通过电力专网将所采集的图像信息传输回系统应用层;
步骤3、系统应用层的系统主站图像智能分析服务器智能识别图像中的目标隐患,并将预警信息发送至智能监控平台;
步骤4、智能监控平台根据属地网格体系派发任务,将危急隐患同步进行微信推送并经运维人员审核处理;
步骤5、如果运维人员发现所推送的预警信息为误报,则反馈至智能监控平台的后台管理人员,由后台管理人员通过系统主站的图像智能分析服务器进行智能学习。
6.根据权利要求5所述的一种电缆通道智能可视化防外破监测系统的监测方法,其特征在于:所述步骤1中智能监拍设备通过内置的深度学习算法模型实现边缘计算功能。
7.根据权利要求5所述的一种电缆通道智能可视化防外破监测系统的监测方法,其特征在于:所述深度学习算法模型智能识别图像中的目标隐患的方法包括:
⑴基于深度学习算法的对象模型建模及优化,包括以下步骤:
①样本的收集及标记;
②基于样本的对象模型学习和训练;
③训练模型的测试及优化;
⑵基于人工智能的电缆通道隐患主动识别和预警过程,包括以下步骤:
①对图像进行区域分割,在图像中生成1500个候选目标区域框;
②使用特征提取算法,对每个候选框内的图像块使用深度学习技术提取视觉特征;
③进行归类处理分类,对候选框中提取出的特征使用分类器判别是否属于某一个特定类;
④对属于某一特征的候选框用回归器进一步调整其位置,从而得到最终的检测结果。
8.根据权利要求5所述的一种电缆通道智能可视化防外破监测系统的监测方法,其特征在于:所述步骤5中智能学习的具体方法为:基于人工神经网络、场景整体模式匹配的算法对电缆通道区域内特定物体的目标识别和判断,关注区域内是否存在外破破坏大型机械。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010918667.5A CN112149522A (zh) | 2020-09-04 | 2020-09-04 | 电缆通道智能可视化防外破监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010918667.5A CN112149522A (zh) | 2020-09-04 | 2020-09-04 | 电缆通道智能可视化防外破监测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112149522A true CN112149522A (zh) | 2020-12-29 |
Family
ID=73889799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010918667.5A Pending CN112149522A (zh) | 2020-09-04 | 2020-09-04 | 电缆通道智能可视化防外破监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149522A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581469A (zh) * | 2020-12-31 | 2021-03-30 | 上汽通用五菱汽车股份有限公司 | 一种机器人视觉柔性检测系统及方法 |
CN112966552A (zh) * | 2021-01-29 | 2021-06-15 | 山东信通电子股份有限公司 | 一种基于智能识别的例行巡视方法及系统 |
CN113063489A (zh) * | 2021-02-24 | 2021-07-02 | 戴天智能科技(上海)有限公司 | 一种具有ai自学习算法的震动检测系统 |
CN113177475A (zh) * | 2021-04-29 | 2021-07-27 | 上海大学 | 一种基于深度学习目标检测的工地配电箱开关状态的识别方法 |
CN113408529A (zh) * | 2021-06-29 | 2021-09-17 | 国网浙江省电力有限公司嘉兴供电公司 | 一种安全预警方法、装置、系统及计算机存储介质 |
CN113532621A (zh) * | 2021-07-13 | 2021-10-22 | 国网浙江省电力有限公司 | 一种基于边缘计算的电力电缆监测分析系统及其方法 |
CN114154562A (zh) * | 2021-11-15 | 2022-03-08 | 国网河北省电力有限公司电力科学研究院 | 一种检测智能监拍终端图像识别能力的装置及方法 |
CN114354744A (zh) * | 2021-12-03 | 2022-04-15 | 国网河南省电力公司商丘供电公司 | 一种电力电缆防外破监测方法、系统及装置 |
CN115294740A (zh) * | 2022-07-25 | 2022-11-04 | 国网河北省电力有限公司雄安新区供电公司 | 一种架空输电线路通道保护区网格化标定方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543986A (zh) * | 2019-08-27 | 2019-12-06 | 广东电网有限责任公司 | 一种输电线路外部隐患智能监控系统及其监控方法 |
CN110730327A (zh) * | 2019-09-03 | 2020-01-24 | 华为技术有限公司 | 一种对输电线路监控的方法及采集前端 |
-
2020
- 2020-09-04 CN CN202010918667.5A patent/CN112149522A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543986A (zh) * | 2019-08-27 | 2019-12-06 | 广东电网有限责任公司 | 一种输电线路外部隐患智能监控系统及其监控方法 |
CN110730327A (zh) * | 2019-09-03 | 2020-01-24 | 华为技术有限公司 | 一种对输电线路监控的方法及采集前端 |
Non-Patent Citations (1)
Title |
---|
徐振磊等: "基于图像识别技术的输电线路智能监控系统应用", 《计算机系统应用》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581469A (zh) * | 2020-12-31 | 2021-03-30 | 上汽通用五菱汽车股份有限公司 | 一种机器人视觉柔性检测系统及方法 |
CN112966552B (zh) * | 2021-01-29 | 2022-10-21 | 山东信通电子股份有限公司 | 一种基于智能识别的例行巡视方法及系统 |
CN112966552A (zh) * | 2021-01-29 | 2021-06-15 | 山东信通电子股份有限公司 | 一种基于智能识别的例行巡视方法及系统 |
CN113063489A (zh) * | 2021-02-24 | 2021-07-02 | 戴天智能科技(上海)有限公司 | 一种具有ai自学习算法的震动检测系统 |
CN113177475A (zh) * | 2021-04-29 | 2021-07-27 | 上海大学 | 一种基于深度学习目标检测的工地配电箱开关状态的识别方法 |
CN113408529A (zh) * | 2021-06-29 | 2021-09-17 | 国网浙江省电力有限公司嘉兴供电公司 | 一种安全预警方法、装置、系统及计算机存储介质 |
CN113532621A (zh) * | 2021-07-13 | 2021-10-22 | 国网浙江省电力有限公司 | 一种基于边缘计算的电力电缆监测分析系统及其方法 |
CN113532621B (zh) * | 2021-07-13 | 2023-10-20 | 国网浙江省电力有限公司 | 一种基于边缘计算的电力电缆监测分析系统及其方法 |
CN114154562A (zh) * | 2021-11-15 | 2022-03-08 | 国网河北省电力有限公司电力科学研究院 | 一种检测智能监拍终端图像识别能力的装置及方法 |
CN114154562B (zh) * | 2021-11-15 | 2023-04-21 | 国网河北省电力有限公司电力科学研究院 | 一种检测智能监拍终端图像识别能力的装置及方法 |
CN114354744B (zh) * | 2021-12-03 | 2023-08-29 | 国网河南省电力公司商丘供电公司 | 一种电力电缆防外破监测方法、系统及装置 |
CN114354744A (zh) * | 2021-12-03 | 2022-04-15 | 国网河南省电力公司商丘供电公司 | 一种电力电缆防外破监测方法、系统及装置 |
CN115294740A (zh) * | 2022-07-25 | 2022-11-04 | 国网河北省电力有限公司雄安新区供电公司 | 一种架空输电线路通道保护区网格化标定方法 |
CN115294740B (zh) * | 2022-07-25 | 2023-11-07 | 国网河北省电力有限公司雄安新区供电公司 | 一种架空输电线路通道保护区网格化标定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112149522A (zh) | 电缆通道智能可视化防外破监测系统及方法 | |
CN111047818A (zh) | 一种基于视频图像的森林火灾预警系统 | |
CN110084165B (zh) | 基于边缘计算的电力领域开放场景下异常事件的智能识别与预警方法 | |
CN103236181B (zh) | 一种基于机器视觉的交通信号灯状态监控系统及方法 | |
CN110070530A (zh) | 一种基于深度神经网络的输电线路覆冰检测方法 | |
CN104394361A (zh) | 行人越界智能监控装置与检测方法 | |
CN115527340A (zh) | 一种基于无人机与监控摄像的智慧工地安全监测系统及方法 | |
CN102446390A (zh) | 一种对输电线路附近监控区域进行安全检测、预警的方法和系统 | |
CN102254394A (zh) | 一种基于视频差异分析的输电线路杆塔防盗监控方法 | |
CN112183472A (zh) | 一种基于改进RetinaNet的试验现场人员是否穿着工作服检测方法 | |
CN116846059A (zh) | 一种用于电网巡检和监控的边缘检测系统 | |
CN109345787A (zh) | 一种基于智能图像识别技术的输电线路防外损监控报警系统 | |
CN113642403A (zh) | 基于边缘计算的人群异动智能安全检测系统 | |
CN210666820U (zh) | 一种基于dsp边缘计算的行人异常行为检测系统 | |
CN113688713A (zh) | 基于危险行为识别的线缆保护方法、装置、系统和介质 | |
CN117152617A (zh) | 一种城市洪涝识别方法及系统 | |
CN112702570A (zh) | 一种基于多维行为识别的安防管理系统 | |
CN112598865A (zh) | 一种电缆线路防外力破坏的监控方法及系统 | |
CN114708544A (zh) | 一种基于边缘计算的违规行为智能监测头盔及其监测方法 | |
CN111105395B (zh) | 一种用于输电运行监测的ai智能云台 | |
CN113139476A (zh) | 一种面向数据中心的人体行为属性实时检测方法和系统 | |
CN113569956A (zh) | 一种基于ai算法的山火灾害勘查识别方法 | |
CN117703691A (zh) | 一种用于风电机组的轮毂监控预警系统和方法 | |
CN117671506A (zh) | 一种基于边缘计算的施工环境图像识别方法和系统 | |
Pu et al. | Anomaly Detection of Substation Engineering Video Object Based on Cloud Platform |
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 |
Application publication date: 20201229 |
|
RJ01 | Rejection of invention patent application after publication |