申请/专利权人:国网江西省电力有限公司电力科学研究院;国家电网有限公司
申请日:2023-12-04
公开(公告)日:2024-01-05
公开(公告)号:CN117351365A
主分类号:G06V20/10
分类号:G06V20/10;G06V10/762;G06V10/764;G06V10/82;G06N3/0464;G06N3/09
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.23#实质审查的生效;2024.01.05#公开
摘要:本发明公开了一种结合鸟粪特征及分形维数的绝缘子鸟粪覆盖诊断方法,包括如下步骤:获取绝缘子表面覆盖鸟粪的高分辨率原始图像;使用深度卷积神经网络模型对高分辨率原始图像进行深度感知与学习;引入分形维数概念,度量超分辨率图像,得到超分辨率图像的绝缘子鸟粪的覆盖状况;使用随机森林算法,对超分辨率图像进行自适应的理解和解释;使用时间序列分析法和聚类算法对绝缘子鸟粪覆盖的程度和状态进行实时监测和分析;根据分析结果,判断绝缘子当前是否存在鸟粪积累的趋势;本发明采用深度卷积神经网络模型,对绝缘子表面的鸟粪进行结构特征提取,包括形状、颜色等细节,通过自我学习和持续优化的方式,能够以高准确度检测出这些特性。
主权项:1.一种结合鸟粪特征及分形维数的绝缘子鸟粪覆盖诊断方法,其特征在于,包括如下步骤:步骤S1:获取实时的绝缘子表面覆盖鸟粪的高分辨率原始图像;步骤S2:使用深度卷积神经网络模型DCNN对高分辨率原始图像进行深度感知与学习,得到超分辨率图像;步骤S3:引入分形维数概念,度量超分辨率图像的绝缘子鸟粪的复杂程度和形状,得到超分辨率图像的绝缘子鸟粪的覆盖状况;步骤S4:使用随机森林算法,对超分辨率图像的绝缘子鸟粪的覆盖状况进行自适应的理解和解释,最终归纳出绝缘子鸟粪覆盖的程度和状态;步骤S5:使用时间序列分析法和K-means聚类算法对绝缘子鸟粪覆盖的程度和状态进行实时监测和分析,得到绝缘子鸟粪覆盖的程度和状态的分析结果;步骤S6:根据绝缘子鸟粪覆盖的程度和状态的分析结果,判断绝缘子当前是否存在鸟粪积累的趋势,如趋势存在,进行后续处理,如趋势不存在,继续进行监测。
全文数据:
权利要求:
百度查询: 国网江西省电力有限公司电力科学研究院;国家电网有限公司 一种结合鸟粪特征及分形维数的绝缘子鸟粪覆盖诊断方法
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。