-
题名基于双流特征融合的配电房异常入侵检测研究
- 1
-
-
作者
郑洋斌
侯北平
邵方坤
曹志文
-
机构
浙江科技大学自动化与电气工程学院
浙江科技大学浙江省智能机器人感知与控制国际科技合作基地
-
出处
《现代电子技术》
北大核心
2025年第19期84-91,共8页
-
基金
浙江省“尖兵”“领雁”研发攻关计划项目(2022C04012)。
-
文摘
针对常规入侵检测方法在配电站房的应用中由于视角变化、运动模糊、遮挡等导致的漏检和误检问题,文中提出一种双流二阶段融合的异常入侵检测方法。该方法构建了轻量级的双流网络通道用于表征图像和光流图像的特征提取;采用的双流二阶段融合策略实现了两种特征的有效融合。在监控数据集上进行了实验验证并应用于配电站房的场景检测中,检测精度优于YOLOv8n基准模型。实验结果表明,该模型具有较高的泛化能力,能够减少数据的重复采集与标注,并能优化模型训练与部署,具有实际应用价值。
-
关键词
配电站房视频分析
目标检测
注意力机制
双流网络
自适应权重
复杂场景
YOLOv8n
CBAM
-
Keywords
video analysis of distribution room
object detection
attention mechanism
two⁃stream network
adaptive weight
complex scene
YOLOv8n
CBAM
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
-
-
题名动态场景下基于稀疏光流的语义视觉SLAM算法
- 2
-
-
作者
侯余鑫
介婧
侯北平
郑慧
于爱华
-
机构
浙江科技大学自动化与电气工程学院
浙江省智能机器人感知与控制国际科技合作基地
-
出处
《电子测量技术》
北大核心
2025年第16期60-69,共10页
-
基金
浙江省基础公益研究计划项目(LTGG23F030001)
浙江省尖兵领雁计划项目(2022C04012)资助。
-
文摘
针对复杂动态场景中视觉SLAM因动态干扰而导致的特征点匹配精度下降及地图构建误差增大等问题,提出一种结合语义分割与稀疏光流的动态视觉SLAM算法。首先,引入自适应阈值策略,有效提升算法在复杂环境中获取特征点的能力;其次,将DY-Conv模块嵌入U-Net语义分割网络中,并结合LK稀疏光流场,实现对动态物体的精准检测与分割,有效提高视觉SLAM在动态场景中的特征匹配精度和鲁棒性;最后,基于TUM数据集和实际场景进行算法有效性验证。实验结果表明,改进U-Net算法的平均分割精度由原算法的92.1%提高到94.5%,而本文所提出的语义视觉SLAM算法相比于ORB-SALM3,图像处理速度提升60.13%,并且在三组高动态序列公开数据集上的位姿估计精度分别提升43.75%、77.33%和64.00%;另外基于TUM数据集和实际场景所生成的稠密三维点云地图,进一步表明本文算法可有效抑制动态因素的干扰,从而提升地图构建的准确性。
-
关键词
复杂动态环境
动态阈值
稀疏光流法
语义分割
视觉SLAM
-
Keywords
complex dynamic scenes
dynamic thresholding
sparse optical flow method
semantic segmentation
visual SLAM
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TN98
[电子电信—信息与通信工程]
-
-
题名基于生成对抗网络的电缆线芯数量检测
- 3
-
-
作者
邵方坤
朱文
郑洋斌
介婧
侯北平
-
机构
浙江科技大学自动化与电气工程学院
浙江省智能机器人感知与控制国际科技合作基地
-
出处
《计算机集成制造系统》
北大核心
2025年第6期2108-2119,共12页
-
基金
浙江省“尖兵”“领雁”研发攻关计划资助项目(2022C04012)
浙江省基础公益资助项目(LTGG23F030001)。
-
文摘
鉴于高压电缆线芯数量的准确检测对电力系统安全的重要性,而截面纹理显著影响检测结果,提出一种基于改进Pix2Pix(Pixel-to-Pixel)模型的线芯截面纹理消除方法,可有效去除线芯截面的纹理。运用U-Net作为生成器,PatchGAN作为判别器完成对线芯截面图像的转换。为了提高图像生成时的精度,在模型上采样阶段加入自注意力机制和分组卷积,使轻量化模型在消除纹理的同时保证线芯导体轮廓的完整性。最后采用分水岭分割算法准确、高效地分割计算电缆线芯根数。通过在电缆数据集中进行测试表明,所提方法的纹理消除率达到99.2%,线芯数量正确检测率达到98%。相比传统去纹理方法和U-GAN,StyleGAN等主流生成对抗网络,所提Pix2Pix-SA网络对高压电缆线芯截面纹理的消除效果更好,同时提升了电缆线芯数量的检测效率。
-
关键词
高压电缆
Pix2Pix
自注意力机制
纹理消除
图像分割
-
Keywords
high voltage cable
Pix2Pix
self-attention mechanism
mark texture elimination
image generation
-
分类号
TM73
[电气工程—电力系统及自动化]
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于双模态融合的光伏电站周界入侵检测研究
被引量：3
- 4
-
-
作者
侯北平
陈家豪
朱昱臻
郑洋斌
于爱华
-
机构
浙江科技学院自动化与电气工程学院
浙江省智能机器人感知与控制国际科技合作基地
-
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2024年第11期289-295,共7页
-
基金
浙江省重点研发计划(2021C04030)
浙江省基础公益研究计划(LGG21F030004)
浙江省“尖兵”“领雁”研发攻关计划(2022C04012)。
-
文摘
针对分布式光伏电站周界入侵检测数据不足、精度低、检测异物不完全等问题,在双模态特征融合基础上提出一种改进式的周界入侵目标检测算法(VT-DETR)。首先,将单通道网络拓展为双通道网络,以同时提取可见光与红外图像的多维特征;其次,引入软权重分配策略,以弥补可见光与红外图像融合时热辐射信息的缺失;最后,改善损失函数的计算方式,提升注意力机制训练效率。另外,构建面向分布式光伏电站的周界入侵图像数据集。实验结果表明,改进后算法的平均检测精度达到92.08%,验证了该方法在分布式光伏电站周界入侵检测上的有效性。
-
关键词
深度学习
目标检测
图像融合
分布式光伏电站
周界入侵
-
Keywords
deep learning
object detection
image fusion
distributed photovoltaic power station
perimeter intrusion
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进U-Net的高压电缆绝缘层图像分割研究
被引量：2
- 5
-
-
作者
侯北平
李丰余
朱文
胡飞阳
-
机构
浙江科技学院自动化与电气工程学院
浙江省智能机器人感知与控制国际科技合作基地
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2023年第10期232-243,共12页
-
基金
浙江省“尖兵”“领雁”研发攻关计划项目(2022C04012)
浙江省基础公益研究计划项目(LGG21F030004)
浙江省重点研发计划项目(2021C04030)资助。
-
文摘
针对目前高压电缆绝缘层检测操作繁琐、效率低、重复测量差异大等问题,设计了一种新型电缆绝缘层检测装置,提出了一种基于改进U-Net的高压电缆绝缘层图像分割方法。首先替换主干特征提取网络为VGG16网络,结合迁移学习将VGG16在Pascal VOC2012数据集中训练的权重作为预训练权重,利用通道注意力模块在跳跃连接处融入自适应特征加权机制,在上采样过程中添加分组卷积,提高了语义分割精度;然后利用训练的最优权重进行绝缘层图像分割,提取轮廓区域特征并进行二值化处理,使用连通区域算法对轮廓区域进行填充;最后,融合原始图像和分割区域生成完整绝缘层分割图像。实验结果表明,平均交并比和平均像素准确率达到99.56%和99.81%,较原网络效果提升明显,验证了该方法在高压电缆绝缘层分割上的有效性。
-
关键词
绝缘层
图像分割
特征提取网络
注意力机制
迁移学习
-
Keywords
insulation layer
image segmentation
feature extraction network
mechanism of attention
transfer learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TN911
[电子电信—通信与信息系统]
-
