申请/专利权人:国网安徽省电力有限公司电力科学研究院;中国科学院合肥物质科学研究院
申请日:2023-12-28
公开(公告)日:2024-04-26
公开(公告)号:CN117935145A
主分类号:G06V20/52
分类号:G06V20/52;G06V10/20;G06V10/82;G06V10/25;G06V10/40;G06N3/0464;G06N3/0495;G06N3/048;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明属于火焰检测技术领域,具体涉及利用视觉图像对火焰进行检测的一种基于参数重组的火焰显著性检测方法、终端及存储介质。本发明的步骤包括:S1.获取特高压换流站区域图像;S2.利用GR网络对输入的特高压换流站区域图像进行火焰显著性特性分析,得到特高压换流站区域图像中潜在的火焰目标显著性分析结果;S3.融合模型的建立与优化;S4.火焰检测与结果输出。本发明能在保证高精度和鲁棒性的情况下,可更加轻量化和灵活化的部署于特高压换流站环境中,从而解决了由于特高压变流站区域资源和计算资源受限导致的实际部署困难问题,确保特高压换流站环境下的火焰检测效果。
主权项:1.基于参数重组的火焰显著性检测方法,其特征在于包括以下步骤:S1.获取特高压换流站区域图像;S2.进行GR网络显著性分析:利用GR网络对输入的特高压换流站区域图像进行火焰显著性特性分析,得到特高压换流站区域图像中潜在的火焰目标显著性分析结果;S3.融合模型的建立与优化:建立YOLOv5的基本模型,并在基本模型中的YOLOv5目标检测网络主干部分引入改进的RepVGG-A0网络;改进的RepVGG-A0网络使用混合空洞卷积替换第1阶段的卷积核,并在网络的各阶段融入残差坐标注意力模块RES-CA,从而形成RepVGG-A0与YOLOv5的融合模型;随后,利用步骤S2中的火焰显著性分析结果作为训练样本,对所述的融合模型进行训练,得到训练好的轻量级参数重组融合网络;S4.火焰检测与结果输出:将待检测特高压换流站区域图像输入所述轻量级参数重组融合网络中,得到待检测特高压换流站区域图像的火焰检测结果。
全文数据:
权利要求:
百度查询: 国网安徽省电力有限公司电力科学研究院;中国科学院合肥物质科学研究院 基于参数重组的火焰显著性检测方法、终端及存储介质
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。