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
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 国网青海省电力公司海北供电公司;国网青海省电力公司;国家电网有限公司王一博获国家专利权

国网青海省电力公司海北供电公司;国网青海省电力公司;国家电网有限公司王一博获国家专利权

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!

龙图腾网获悉国网青海省电力公司海北供电公司;国网青海省电力公司;国家电网有限公司申请的专利基于改进AnoGAN的小样本变电站设备视觉缺陷检测方法及系统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:CN116862867B

龙图腾网通过国家知识产权局官网在2026-03-10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:202310826080.5,技术领域涉及:G06T7/00;该发明授权基于改进AnoGAN的小样本变电站设备视觉缺陷检测方法及系统是由王一博;李小晖;刘俊;塔晓龙;金洋;高寅;马鸿文;冶金顺;郑永燕;梁斌;王福杰;景亮;周先;彭文秀;秦贵邦;董发福;李嘉荣设计研发完成,并于2023-07-06向国家知识产权局提交的专利申请。

基于改进AnoGAN的小样本变电站设备视觉缺陷检测方法及系统在说明书摘要公布了:本发明公开一种基于改进AnoGAN的小样本变电站设备视觉缺陷检测方法,属于机器学习技术领域;该方法包括:获取训练变电站设备图像;根据正常变电站设备图像训练AnoGAN对抗生成网络;将缺陷变电站设备图像输入训练完成后AnoGAN对抗生成网络中;将预处理后缺陷变电站设备图像输入预训练后相似度分类网络中进行分类;将预处理后缺陷变电站设备图像输入预训练后卷积分类网络中进行分类;根据相似度分类结果和卷积分类结果,得到缺陷检测结果。本发明还提供一种基于改进AnoGAN的小样本变电站设备视觉缺陷检测系统。本发明训练网络针对正常数据进行训练,因此其生成效果对所有非正常状态设备均可进行区分,在实际应用中泛用性较高。

本发明授权基于改进AnoGAN的小样本变电站设备视觉缺陷检测方法及系统在权利要求书中公布了:1.基于改进AnoGAN的小样本变电站设备视觉缺陷检测方法,其特征在于,包括以下步骤: 获取训练变电站设备图像;所述训练变电站设备图像包括正常变电站设备图像和缺陷变电站设备图像; 将正常变电站设备图像输入AnoGAN对抗生成网络的生成器,得到目标变电站设备图像; 将正常变电站设备图像和目标变电站设备图像输入AnoGAN对抗生成网络的辨别器,得到辨别结果:计算每个正常变电站设备图像和目标变电站设备图像的峰值信噪比PSNR;根据所有的正常变电站设备图像和目标变电站设备图像的峰值信噪比PSNR,计算得到PSNR平均值,作为辨别结果; 根据辨别结果优化生成器,得到训练完成后AnoGAN对抗生成网络:根据PSNR平均值优化生成器的网络参数,得到优化后的生成器;判断PSNR平均值是否大于第一PSNR阈值;若PSNR平均值小于等于第一PSNR阈值,则重新训练AnoGAN对抗生成网络;直至PSNR平均值大于第一PSNR阈值为止,结束优化,根据优化后的生成器,得到训练完成后AnoGAN对抗生成网络; 将缺陷变电站设备图像输入训练完成后AnoGAN对抗生成网络中,输出预处理后缺陷变电站设备图像; 将预处理后缺陷变电站设备图像输入预训练后相似度分类网络中进行分类,输出相似度分类结果;所述预训练后相似度分类网络的训练方法为:将训练集输入相似度分类网络;所述训练集包括训练用正常变电站设备图像和训练用缺陷变电站设备图像;计算训练用正常变电站设备图像和训练用缺陷变电站设备图像的峰值信噪比PSNR;根据训练用正常变电站设备图像和训练用缺陷变电站设备图像的峰值信噪比PSNR,设置第二PSNR阈值;根据第二PSNR阈值,得到预训练后相似度分类网络; 将预处理后缺陷变电站设备图像输入预训练后卷积分类网络中进行分类,输出卷积分类结果; 根据相似度分类结果和卷积分类结果,得到缺陷检测结果。

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青海省电力公司海北供电公司;国网青海省电力公司;国家电网有限公司,其通讯地址为:812299 青海省海北藏族自治州海晏县同宝路108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。