申请/专利权人：国网上海市电力公司;重庆邮电大学

申请日：2023-11-01

公开（公告）日：2024-03-26

公开（公告）号：CN117765429A

主分类号：G06V20/40

分类号：G06V20/40;G06V20/00;G06V10/774;G06T5/73;G06V10/54;G06V10/80;G06V10/82;G06N3/045;G06N3/0464;G06N3/048;G06N3/084;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明属于目标检测技术领域，具体涉及一种基于深度学习的海上风电场船只入侵检测方法及系统，包括：获取海上船只的监控视频流；将视频流输入到图像抽帧模块进行抽帧，每秒抽取四帧作为待检测图像；对获取到的待检测图像输入到训练好的船只入侵检测模型，输出图像的船只目标预测结果；根据连续两帧待检测图像的预测结果判断当前时刻是否有船只入侵；本发明能够实现根据海上风电场上的监控视频实时检测船只入侵，同时保证了高精度的船只检测，具有良好的经济效益。

主权项：1.一种基于深度学习的海上风电场船只入侵检测方法，其特征在于，包括：实时获取待检测图像，对待检测图像进行抽帧处理；将抽帧后连续的两帧图像输入到训练好的船只入侵检测模型，得到两帧图像的船只目标预测结果；将两帧图像的船只目标预测结果输入到船只入侵判断模块中，确定当前时刻是否有船只入侵；对船只入侵检测模型进行训练的过程包括：S1：获取海上船只目标检测训练集，对训练集进行数据扩充；S2：将训练集中的图像输入到去雾模块，得到清晰图像；S3：将清晰图像输入到船只目标检测模块中，得到图像的船只预测向量；S4：根据船只预测向量构建模型的监督损失函数；S5：对监督损失函数进行求解，并将求解结果返回给海上船只目标检测模型进行迭代优化，当损失函数收敛时，完成模型的训练。

全文数据：

权利要求：

百度查询： 国网上海市电力公司;重庆邮电大学 一种基于深度学习的海上风电场船只入侵检测方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD