【摘 要】
：
目前电网一次设备存在线路长、覆盖广的特点,传统的人工运维方式不仅工作压力大,且难以及时发现故障隐患。针对上述问题,提出了一种一次设备异常检测方法。首先,使用中心网络(CenterNet)算法对样本训练集进行学习,并且使用CenterNet最后包含的高层特征做异常检测;然后,根据检测到的关键点热力图来判断异常目标的宽高信息,动态调整检测框大小;最后,通过检测当前图像异常一次设备中心点得到异常检测结果
论文部分内容阅读
目前电网一次设备存在线路长、覆盖广的特点,传统的人工运维方式不仅工作压力大,且难以及时发现故障隐患。针对上述问题,提出了一种一次设备异常检测方法。首先,使用中心网络(CenterNet)算法对样本训练集进行学习,并且使用CenterNet最后包含的高层特征做异常检测;然后,根据检测到的关键点热力图来判断异常目标的宽高信息,动态调整检测框大小;最后,通过检测当前图像异常一次设备中心点得到异常检测结果。实验结果表明,所提方法在一次设备数据集上准确率为92.6%,相较于传统的快速的基于区域的卷积神经网络(
其他文献
为提高车载协作通信链路的可靠性与连通性,提出了一种在下行非正交多址接入(NOMA)的中继网络中基于监督机器学习算法的中继选择方案,通过构建反向传播(BP)神经网络预测模型,对候选中继集的中断概率进行预测,以此来进行基于最小中断概率的中继选择,提高了下行链路的连通性。在Matlab中,利用样本数据进行网络训练后,得出的预测值与理论值的相关系数为0.999 44,预测的平均相对误差为0.57%,表明该
针对目前骨折闭合复位存在的操作难、精度低和辐射大等问题,基于术前电子计算机断层扫描(CT)图像和电磁定位技术提出了一种计算机辅助的骨折闭合复位导航方法。首先,对CT图像中的骨骼区域分割建模获取健侧骨、断骨近心端和远心端的3D模型,并使用迭代最近点(ICP)方法将断骨近心端模型与健侧骨镜像模型进行配准;其次,使用奇异值分解(SVD)方法统一磁定位空间和图像空间坐标系;最后,通过与断骨模型刚性连接的磁
精准养殖是一种实时监控奶牛信息并分析反馈的信息技术,其目的是保证奶牛福利。计算机视觉技术能够解决接触式方法带来的应激性与成本高问题。综述了奶牛精准养殖技术的发展现状,重点围绕人工智能技术和计算机视觉技术,针对个体身份识别、行为感知两个核心问题,从经典方法和深度学习方法两个方向,着重阐述对比应用对象、应用场景以及算法性能等。研究发现,个体身份识别和行为感知主要以图像分类算法为主;深度学习方法具有更好
在隧道建设中,开挖面围岩蕴含着指导施工的珍贵地质信息,围岩结构面提取作为围岩精细化分析判别的关键步骤至关重要。传统围岩三维数据获取多依赖激光扫描技术或多视角视觉三维重建技术,存在采集速度慢和无法恢复真实尺度的问题;同时,结构面提取方法在应对大范围且破碎的三维岩体数据时,存在通用性不足和准确性低的问题。针对隧道围岩的结构面快速提取,设计了一套快速三维采集的方法设备,提出了一种基于分域聚类算法的结构面
针对航空公司关注的提升旅客服务体验与拓展收入来源的问题,提出了建设民航内容聚合平台的方案。基于国际航空运输协会提出的新分销能力(NDC),民航内容聚合平台通过建设资源适配器、内容聚合器和接口网关三部分,将异构的航空公司系统接口转换为NDC消息标准,实现了基于NDC消息标准的消息分发与内容聚合,以及完整的航班及附加服务的查询、销售、退改流程。民航内容聚合平台利用航空公司档案和缓存技术提高处理性能,在
虽然大型综合医院已经普遍通过加装智能电表实现用电回路监测,但是医院建筑节能仍多采用节能改造等方法,传统节能针对数据利用能力普遍较弱。针对上述问题,提出了一种基于建筑信息模型(BIM)的医院建筑节能诊断方法。首先,建立了医院能耗监测网络,在建筑信息模型中整合用电数据、用电外部影响因子;然后,基于k-means聚类算法和离群点检测两项无监督学习算法实现异常用电数据的主动挖掘;最后,基于建筑信息模型可视
短期电力负荷预测是电力系统中的重要问题之一,准确的预测结果可以提高电力市场的灵活性和资源利用效率,对电力系统高效运行具有重要意义。为了提高预测精度,针对电网负荷数据的时序性特征,提出一种基于Attention-BiLSTM-LSTM神经网络的短期电力负荷预测方法。该方法首先针对电力负荷的影响因素(温度、节假日等)提取特征,并使用双向长短期记忆(BiLSTM)神经网络层进行双向时序的特征学习;将双向
随着人们生活水平的提高,高血压、高血糖、高血脂、痛风等慢性疾病患者逐渐增多。针对这四类慢性疾病患者逐渐增多的问题,提出一种便携式的生理参数检测仪的研发系统。基于Android手机,首先,利用蓝牙技术,将下位机采集到的血压、血糖、总胆固醇、尿酸四种生理参数传输到手机端;再在手机端进行显示和分析,最终实现数据的实时显示、历史数据折线图显示、检测结果分析、医疗服务、在线咨询等功能,方便用户进行体征参数历
针对人体摆位姿势影响胸部数字X线成像(DR)质量的这一问题,提出了一种基于深度学习的质量控制方法。首先通过YOLOv3模型实现影响DR胸片图像质量的肩胛骨区域的自动定位;然后,将检测到的肩胛骨区域输入到基于残差网络的深度学习模型对肩胛骨是否推出肋骨外进行自动判断;最后,根据网络输出的结果指导拍片技师进行相应的调整,拍摄质量合格的胸部数字X线成像。实验结果表明,使用YOLOv3模型进行肩胛骨位置检测
针对随钻测量(MWD)工作环境复杂多变,随钻器件测量的精度降低的问题,设计了基于变换无迹卡尔曼滤波(TUKF)法对测量误差进行在线辨识和补偿。首先,建立加速度计和陀螺仪的输出误差模型,选取导航误差参数以及传感器误差参数作为系统状态变量;然后,以钻杆钻进时实时解算出的姿态角与钻机每次停机时的钻具姿态角作差作为系统观测量,设计状态方程和量测方程对惯性器件误差进行在线辨识;最后,通过误差补偿方程对惯性器