Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 国网福建省电力有限公司电力科学研究院;国网福建省电力有限公司;国家电网有限公司熊嘉丽获国家专利权

国网福建省电力有限公司电力科学研究院;国网福建省电力有限公司;国家电网有限公司熊嘉丽获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉国网福建省电力有限公司电力科学研究院;国网福建省电力有限公司;国家电网有限公司申请的专利一种可变深度电力设备轻量化识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119131549B

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411161852.9,技术领域涉及:G06V10/82;该发明授权一种可变深度电力设备轻量化识别方法是由熊嘉丽;周晨曦;姚文旭;林爽;钱健;黄建业;李扬笛;杨彦;谢炜;林晨翔设计研发完成,并于2024-08-23向国家知识产权局提交的专利申请。

一种可变深度电力设备轻量化识别方法在说明书摘要公布了:本发明涉及一种可变深度电力设备轻量化识别方法,属于电力设备缺陷识别和计算机视觉领域。包括:构建一种多维度联合编码的图像复杂度表征方法,获得电力影像数据的特征图;构建一种可变深度电力设备轻量化识别方法,基于获得的电力影像数据的特征图,实现电力设备自适应识别。本发明能够根据图像复杂度自适应调整模型深度,有效降低计算推理时间。

本发明授权一种可变深度电力设备轻量化识别方法在权利要求书中公布了:1.一种可变深度电力设备轻量化识别方法,其特征在于,包括: 构建一种多维度联合编码的图像复杂度表征方法,获得电力影像数据的特征图; 构建一种可变深度电力设备轻量化识别方法,基于获得的电力影像数据的特征图,实现电力设备自适应识别; 所述多维度联合编码的图像复杂度表征方法包括基于图像特征的特征编码方法、基于卷积神经网络的特征编码方法; 所述基于图像特征的特征编码方法具体计算公式如下: 其中,VTr表示基于图像特征的特征编码,w和h表示图像的分辨率,Himg为图像的熵值,Cg、Hg、Eg分别表示灰度共生矩阵GLCM提取形成的对比度、同质性、能量纹理特征; Cg=∑i,ji-j2·Pi,k Eg=∑i,jPi,k2 其中,pi是图像中灰度值i的概率分布,L是灰度级数,Pi,j是灰度值为i的像素与灰度值为j的像素在给定的方向和距离下同时出现的概率; 所述可变深度电力设备轻量化识别方法包括基于可变深度的多分支电力设备轻量化识别方法、基于图像分布差异的模型分层训练方法; 所述可变深度电力设备轻量化识别方法具体实现如下: 构建可跨层分离卷积神经网络的特征提取网络和多分支检测头; 特征提取网络包括N层网络结构,每层之间特征图通过跳跃结构直连;将电力影像数据的特征图根据特征图Vtrain=[Vtrain-L1,Vtrain-L2,Vtrain-L3划分为3种布通复杂度,对应L1、L2、L3三种模型结构,若一种模型结构中第i层选择保留计算模型,则其第i+1层的输入特征图fi+1为 fi+1=fi+Fifi 若不保留第i层的计算模型,则第i+1层的输入特征图fi+1为 fi+1=fi 特征提取网络生成的特征图,按照特征提取网络的L1、L2、L3三种模型结构,分别对应不同的预测器及参数设置,即多分支检测头;其中,L1对应的L1预测器和L2对应的L2预测器均由1个3×3卷积和1个1×1卷积级联输出预测结果,L3对应的L3预测器由2个3×3卷积和1个1×1卷积级联输出预测结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人国网福建省电力有限公司电力科学研究院;国网福建省电力有限公司;国家电网有限公司,其通讯地址为:350007 福建省福州市仓山区复园支路48号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。