[发明专利]基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法在审
| 申请号： | 201810380786.2 | 申请日： | 2018-04-25 |
| 公开（公告）号： | CN108597053A | 公开（公告）日： | 2018-09-28 |
| 发明（设计）人： | 高小伟;吴合风;辛亚锋;赵慧童;高松鹤 | 申请（专利权）人： | 北京御航智能科技有限公司 |
| 主分类号： | G07C1/20 | 分类号： | G07C1/20;G06K9/62;G06T7/00 |
| 代理公司： | 济南鼎信专利商标代理事务所(普通合伙) 37245 | 代理人： | 曹玉琳 |
| 地址： | 100085 北京市海淀*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及电力巡检技术领域，尤其涉及一种基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法。包括以下步骤：1、从数据源抽取数据，建立训练样本库，对巡检数据标注后分类存储；2、搭建训练平台，利用BP神经网络技术对样本库数据进行训练，生成训练模型；3、在检测系统中导入训练模型和待检测图像数据，根据任务需求进行杆塔和通道目标识别和缺陷诊断，生成缺陷报告。本发明将人工智能引入电力巡检领域，实现从电力巡检数据训练样本库建立、模型训练、未知图像目标识别和缺陷诊断的全流程操作，实现从原始巡检数据输入到缺陷结果导出整个过程的自动化运行，节省劳动力，降低人工肉眼检测的难度和错误率，提高了电力巡检效率。 | ||
| 搜索关键词： | 电力巡检 缺陷诊断 杆塔 通道目标 神经网络 图像数据 巡检数据 训练模型 图像目标识别 待检测图像 训练样本库 样本库数据 人工智能 抽取数据 分类存储 检测系统 模型训练 缺陷报告 缺陷结果 人工肉眼 任务需求 数据训练 训练平台 错误率 全流程 数据源 样本库 导出 标注 自动化 引入 检测 | ||
【主权项】：
1.一种基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法，其特征在于包括以下步骤：步骤1、从数据源抽取数据，建立训练样本库，对巡检数据标注后分类存储；步骤2、搭建训练平台，利用BP神经网络技术对样本库数据进行训练，生成训练模型；步骤3、在检测系统中导入训练模型和待检测图像数据，根据任务需求进行杆塔和通道目标识别和缺陷诊断，生成缺陷报告。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京御航智能科技有限公司，未经北京御航智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810380786.2/，转载请声明来源钻瓜专利网。
- 上一篇：仪表自动巡检装置
- 下一篇：防走失巡检方法和防走失巡检系统
