基于Faster R-CNN的人脸面部情感识别方法

常规人脸面部情感识别方法不准确,存在识别后的情感反馈误差大的问题,为此提出基于更快的区域卷积神经网络（Faster Region-Convolutional Neural Network,Faster R-CNN）的人脸面部情感识别方法。首先,采集人脸图像数据,通过面部检测、面部对齐、面部数据增强、面部归一化4个步骤预处理面部图像;其次,基于多尺度特征融合算法提取表情特征,生成情感识别数据标签;最后,利用FasterR-CNN构建人脸面部情感识别模型,并识别人脸面部情感。实验结果表明,基于FasterR-CNN的人脸面部情感识别方法在6种基本表情中均具有90%以上的识别准确率。     

石油化工企业电气仪表元件故障类型快速识别研究

石油化工企业电气仪表元件工况复杂,故障类型较多,为此基于双向变流器开路故障特征参数提出石油化工企业电气仪表元件故障类型快速识别方法。先构建石油化工企业电气仪表元件的参数配置模型,结合高频电压脉动参数检测的方法,分析在不同故障状态下开关管开路输出负载特征量;然后采用环流抑制和中点电位控制的方法,分析电气仪表元件的故障状态特征参数,通过桥臂开关管检测的方法,进行石油化工企业电气仪表元件故障状态分析,通过分析电气元件暂态分量的状态信息,求得电气仪表元件的换流母线电压、相位偏移等参数;最后结合参数异常状态特征分析,实现对石油化工企业电气仪表元件的故障类型快速识别。测试结果表明,采用该方法进行石油化工企业电气仪表元件的故障类型参数识别的准确性较高,故障状态定位能力较强,参数准确识别性能较好。     

基于森林算法的电力计量终端通信故障识别

针对当前电力计量终端通信故障识别存在识别正确率、召回率较低的问题,引入森林算法,尝试开展对其故障识别方法的设计研究。通过对电力计量终端通信数据预处理、基于森林算法的故障的识别随机森林模型构建、电力计量终终端通信故障识别与排查,提出一种全新的故障识别方法。通过实验的方式将新的故障识别方法和基于样本均衡与特征交互的识别方法应用到相同环境,验证表明新的识别方法具有更优的正确率和召回率,进而促进识别精度提升。     

基于GA-RBF和不变矩的高压瓷瓶裂缝识别

为了保证高压输电线路的正常运行,可以通过高压输电线路巡检机器人视觉系统完成高压输电线路的检测.通过CCD摄像头等硬件模拟机器人的视觉,完成对绝缘瓷瓶裂缝图像的采集,并通过滤除噪声、图像分割等预处理操作和形状特征,完成图像中裂缝的定位.对于聚焦放大后的裂缝图像提取不变矩等4个特征值,得出图像信息.最后利用遗传算法和RBF网络相结合的算法,实现对绝缘瓷瓶裂缝5种状态:横向、纵向、块状、网状、无裂缝的分类识别.通过仿真和实验比较表明,该算法可以有效、可靠地运用于绝缘瓷瓶裂缝类型识别研究中,并可方便地应用于其他领域.     

基于外部载荷位置预测的光纤传感器故障信号识别技术

为了解决传感器故障识别过程中识别效率低和精度低的问题。提出了基于外部载荷位置预测的光纤传感器故障信号识别方法。通过合成外差算法和傅里叶变换解调和去噪传感器信号；采用本征模函数提取不同故障下信号特征。并将其分为状态信息和扰动分量两部分。计算二者之间的近似性。结合线性模型提取故障信号特征向量；利用系统灰色性故障识别方法和外部载荷位置预测传感器多角度负载并进行融合处理。构建灰色关联矩阵计算其与标准数据之间的贴近度。完成光纤传感器故障信号识别?仿真分析结果表明。所提方法在故障信号解调、去噪以及识别方面均具有明显的优势?对深入研究传感器起到了一定的推动作用?     

基于生成对抗网络和DenseNet的数据信息安全识别方法

针对传统电力巡检过程中必须依靠有经验的人工来完成对电力设备相关数据信息安全进行识别的方法,设计了一种基于生成对抗网络和密集连接网络的数据信息安全识别方法,采用生成对抗网络模型,利用其强大的表征能力,通过针对网络模型的训练完成对训练样本数据库的扩充,实现提升模型生成能力的目的;结合密集连接网络对电力巡检数据信息的安全性进行识别,实现解决电力巡检安全隐患的同时还可以推动人工智能技术的落地应用;通过在电力巡检数据信息集上的验证实验,比较不同方法在不同类型数据集上的识别精度,验证了基于生成对抗网络和密集连接网络的数据信息安全识别方法的有效性与可靠性,为传统识别电力巡检数据信息安全性的方法提供了全新思路。     

分布式光纤扰动传感系统故障模式识别仿真

针对传统方法存在识别时间过长、识别率较低等问题,提出一种新的识别方法———基于信息融合的光纤扰动传感故障识别方法。通过集合经验模态分解进行信号分解处理,并提取所得分量中的敏感分量。利用各敏感分量与原信号的关系值及互信息乘积绝对值作为评定标准,选择含系统信息的分量作为分析对象。利用轻量级协议算法及线性模型提取所选对象中的故障特征向量。以提取的故障特征向量为依据,利用系统灰色性故障识别方法和模糊性识别方法出发得到传感器系统故障诊断信息,获取传感器多角度信息融合故障识别,利用信息融合故障识别方法对光纤扰动传感器故障数据进行了识别。实验结果表明,所提方法有效减少了识别时间,提高了识别率。     

基于局部形态和彩色特征的烧结状态识别

提出了一种基于局部形态和彩色特征的回转窑烧结状态识别方法。使用SIFT描述回转窑图像的局部形态特征,将彩色的回转窑图像的三个分量都转化为八个等级,用局部三维直方图来描述局部的颜色和亮度特征,将两种特征融合得到局部形态和彩色特征。使用词袋（Bag-of-Words）模型表示图像并利用神经网络分类器实现对烧结状态的识别。实验结果表明,基于局部形态和彩色特征的识别方法能够获得较高的识别精度。     

迁移学习用于牵引变电所视频多目标识别研究

为实现牵引变电所视频图像的多目标识别,为牵引变电所的远程智能巡检提供技术支持。基于迁移学习的理论研究,利用SSD（Single Shot Multibox Detector）和YOLOv2（You Only Look Once v2）模型,实现牵引变电所视频图像中高压开关柜的仪表、分合指示灯状态以及隔离开关的分合状态的自动识别。利用TensorFlow平台实现的多目标识别方法识别速度快而且鲁棒性好。     

应用机器人轨迹跟踪技术的电力线路无人机智能化巡检系统设计

野外电力线路易发生损坏,且时变特性干扰较大,检测准确度较低,因此,设计应用机器人轨迹跟踪技术的电力线路无人机智能化巡检系统。该系统通过数据采集模块和飞行状态检测模块,分别进行电力线路图像数据获取与飞行状态监测,飞行控制模块接收图像与状态数据,并在轨迹跟踪控制子模块中使用自适应鲁棒滑模控制算法,实现无人机的轨迹跟踪,同时,该模块经无线数据传输模块将数据传输至地面站,在巡检数据智能分析管理模块中,地面站根据数据信息,完成电力线路故障识别,进而实现电力线路无人机智能化巡检。实验结果表明,该系统具有良好的轨迹跟踪效果,且巡检准确率较高,满足多种天气作业需求。