申请/专利权人：国网河南省电力公司电力科学研究院;国网河南省电力公司

申请日：2021-11-08

公开（公告）日：2024-04-23

公开（公告）号：CN114266720B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/044;G06N3/048;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.04.19#实质审查的生效;2022.04.01#公开

摘要：基于混合神经网络的电力导线故障检测方法及系统，首先根据损坏的电力导线所处地域建立损坏严重性指标，然后采集各个地域损坏的电力导线图像以及未损坏的电力导线图像并对采集的图像进行增广，并对所采集的图像已经增广的图像进行标签设置，构建混合神经网络模型并进行训练，最后实时采集电力导线图像输入至训练好的混合神经网络模型中进行判定。本发明基于混合神经网络的电力导线故障检测模型能够提取各类损坏和未损坏的电力线图像的图像特征并进行分类。本发明的混合神经网络优于现有技术，可使得分类识别率高达95.57％。

主权项：1.基于混合神经网络的电力导线故障检测方法，其特征在于，所述电力导线故障检测方法包括以下步骤：步骤1，根据损坏的电力导线所处地域建立损坏严重性指标；步骤2，采集各个地域损坏的电力导线图像以及未损坏的电力导线图像并对采集的图像进行增广；步骤3，对步骤2所采集图像以及增广的图像设置标签；步骤4，构建混合神经网络模型，混合神经网络模型包括第一智能模块与第二智能模块；第一智能模块为一个神经网络，第二智能模块包括三个自研发的非线性映射分类器，包括朴素贝叶斯分类器、最近邻分类器和决策树；第一分类器用来判定是否为损坏的电力导线，将判定为损坏的电力导线图像特征分别输入至第二分类器和第三分类器；第二分类器用以判定导线损坏的严重性，第三分类器用来判定损坏的电力导线类型；步骤5，将步骤2采集与增广的图像作为输入数据以及步骤3的标签作为判定标签输入至步骤4的混合神经网络模型进行训练，得到训练好的混合神经网络模型；将各个地域损坏的电力导线图像以及各地区未损坏的电力导线图像输入至第一智能模块进行训练提取图像特征；将提取得到的图像特征分为测试集与训练集，将测试集输入至第二智能模块进行训练；若第二智能模块中的所有分类器在测试集判定准确率在0.8以上时，即停止训练第一智能模块与第二智能模块；步骤6，实时采集电力导线图像输入至步骤5训练好的混合神经网络模型中，进行电力导线故障检测。

全文数据：

权利要求：

百度查询： 国网河南省电力公司电力科学研究院;国网河南省电力公司 基于混合神经网络的电力导线故障检测方法及系统

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