申请/专利权人：国网湖北省电力有限公司荆门供电公司;湖北荆能输变电工程有限公司;武汉大学;荆门市盛和电力勘测设计有限责任公司

申请日：2024-01-09

公开（公告）日：2024-04-05

公开（公告）号：CN117831131A

主分类号：G06V40/20

分类号：G06V40/20;G06V10/44;G06V10/762;G06V10/764;G06V10/82;G06N3/0464;G06N3/084;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明涉及电力系统安全识别技术领域，公开了一种基于卷积神经网络的典型违章行为智能化识别算法的压缩方法，其特征在于，方法步骤如下：基于卷积神经网络模型，通过输入图像的特征来识别输入图像的相应类别，从而对电力工作时工作人员的违章行为进行识别。本发明具有以下有益的技术效果：实现变电站近电作业时作业人员是否存在违章行为的识别，是对现有识别方法的有益补充，具有合理的准确性和高度的可推广性，在保证智能识别的精度和速度下进一步减小模型的大小，提高智能识别监测装置的分析效率。

主权项：1.一种基于卷积神经网络的典型违章行为智能化识别算法的压缩方法，其特征在于，方法步骤如下：基于卷积神经网络模型，通过输入图像的特征来识别输入图像的相应类别，从而对电力工作时工作人员的违章行为进行识别；其公式化表述如下：对于n个输入图像，定义为：Itotal＝{I1,I2,…,In}，将这n个图像作为训练集，其中，无违章行为的图像定义为Ir，存在违章行为的图像定义Idf，对于p个数据源，无违章行为的图像Ir表示为： 式中：表示第p个数据集中含x个无违章行为图像的集合；每个数据源由x个无违章行为图像组成，表示为Nk，Ir进一步表示如下：对于存在违章行为的图像Idf，对于q个数据源，存在违章行为的图像Idf表示为：式中：表示第q个数据集中含z个存在违章行为图像的集合；每个数据源由z个存在违章行为图像组成，表示为Nj，Idf进一步表示如下：基于式和Itotal进一步表示为：对应类的标签可以定义为：Y＝[y1,y2,…,ym]式中，m表示Itotal中的图像总数，当y＝0时，识别为Ir；当y＝1时，识别为Idf。

全文数据：

权利要求：

百度查询： 国网湖北省电力有限公司荆门供电公司;湖北荆能输变电工程有限公司;武汉大学;荆门市盛和电力勘测设计有限责任公司 一种基于卷积神经网络的典型违章行为智能化识别算法的压缩方法

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。

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