基本信息:
- 专利标题： 一种基于深度学习的变电站异常智能识别方法及系统
- 申请号：CN202011489217.5 申请日：2020-12-16
- 公开(公告)号：CN112396038A 公开(公告)日：2021-02-23
- 发明人： 马玫 , 王卓 , 彭伟夫 , 陈泰龙 , 何伟 , 李旭旭 , 陈少磊 , 唐娜 , 邱磊
- 申请人： 国网四川省电力公司信息通信公司
- 申请人地址： 四川省成都市高新区蜀绣西路366号2层、4层、5层、8层
- 专利权人： 国网四川省电力公司信息通信公司
- 当前专利权人： 国网四川省电力公司信息通信公司
- 当前专利权人地址： 四川省成都市高新区蜀绣西路366号2层、4层、5层、8层
- 代理机构： 北京化育知识产权代理有限公司
- 代理人： 尹均利
- 优先权： 202010748384.0 2020.07.30 CN
- 主分类号： G06K9/00
- IPC分类号： G06K9/00 ; G06K9/62 ; G06N3/08 ; B08B3/02 ; B08B1/00 ; B08B1/02
摘要：
本发明公开了一种基于深度学习的变电站异常智能识别方法及系统，包括：建立变电站异常数据库；对监控视频数据进行分析，获得变电站异常图像数据集；对变电站异常图像数据集中的每个图像进行标注，获得标注后的训练数据集；建立基于深度学习的变电站异常识别模型，基于训练数据集对模型进行训练，获得训练后的变电站异常识别模型；当变电站异常报警时，将异常报警时的监控图像输入变电站异常识别模型，模型输出结果完成变电站异常识别。本方法及系统能够高效准确的对变电站进行识别；本方法中的模型训练数据准确，能够保障模型识别准确，且训练数据质量高，计算量小。本方法中的清洁结构能够对镜片进行清洁，避免模型误识别。
公开/授权文献:
- CN112396038B 一种基于深度学习的变电站异常智能识别方法及系统 公开/授权日：2023-08-29
IPC结构图谱:
| G | 物理 |
| --G06 | 计算；推算；计数 |
| ----G06K | 数据识别；数据表示；记录载体；记录载体的处理 |
| ------G06K9/00 | 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置 |