基于迁移学习的少样本朝鲜语古籍文字的识别方法

为解决少样本朝鲜语古籍文字识别精度低的问题,提出了一种基于迁移学习的少样本文字识别方法.首先提出了一种结合传统数据增强和条件深度卷积生成对抗网络的数据增强方法,以此扩充朝鲜语古籍文字图像的训练样本数.其次,将富样本集预训练得到的模型迁移到少样本数据集的学习任务中,以此实现少样本的朝鲜语古籍文字识别.实验结果表明,提出的数据增强方法能够满足模型预训练和少样本的学习要求,且VGG16、ResNet18和ResNet50 3种网络模型在测试集上均获得良好的识别性能,其中ResNet50的识别准确率最高(99.72%).因此,该方法可有效解决小样本的朝鲜语古籍文字识别问题,并可为其他语种的小样本文字识别提供参考.     

继电保护压板图像识别与模型聚类匹配

针对电力系统二次设备工作中,人工校核继电保护压板位置、描述和状态,工作量大、易出错、效率低等问题,提出了基于图像识别技术和模型聚类匹配算法的继电保护压板自动识别与校核方法.该方法首先运用图像识别技术获得压板设备、文字标签的特征信息,然后采用图像模型聚类匹配算法重新排列压板顺序得到其具体位置信息,再进行压板设备与文字关联...     

改进压板标识 规范变电所运行管理

从内因和外因两方面分析了各类事故的原因.讨论了一种新的改进压板标识,既明显提高了压板状态投、退的正确性,杜绝了压板投错的可能性,为安全运行打下基础,同时也为压板检查工作提供了依据,便于责任考核、加强管理.     

关于变电站几种特殊压板功能的探讨

保护压板是保护装置联系外部接线的桥梁和纽带,关系到保护的功能和动作出口能否正常发挥作用。文中结合多年来各地区网架运行经验,对变电站几种特殊保护压板的操作,保护范围及投退原则等进行了分析。     

利用上下文信息的网球赛声学事件检测

以检测网球比赛中的声学事件为目的,提出了一种基于上下文信息的声学事件检测方法.该方法利用运动员击球时的吼叫声提供的上下文信息检测击球和裁判判球这两类声学事件;采用非监督学习的方式,充分利用了运动员的吼声为击球声学事件建立模型.与目前的方法相比,所提出的方法不需要人工标注的数据,能有效消除声学事件检测中训练和识别失配所带来的问题.实验表明,所提出的方法能进一步提升声学事件检测的准确率.     

基于复数域上元度量学习的小样本辐射源个体识别方法

当带标签样本数较少时，现有的基于深度学习的辐射源个体识别方法，识别性能退化。针对上述问题，提出一种基于复数域上元度量学习的小样本辐射源个体识别方法。该方法将元学习中基于度量的方法与复数神经网络结合，设计嵌入模块，在小样本条件下更充分地学习辐射源复信号波形中隐藏的个体指纹信息，提升识别精度。仿真实验结果表明，提出的复原型网络、复匹配网络和复关系网络，与它们的实数域形式相比，识别准确率均得到了提升，且其中性能最好的是复关系网络。复关系网络在5类待识别辐射源个体分别仅有5个带标签样本(5-way5-shot)的情况下，20 dB信噪比条件下的识别准确率达到了85%。     

变电站内新增智能设备(IED)的自动识别和远程配置

针对由技术改造引起的变电站自动化系统和调度端系统的更新困难、工作量大的情况，本文提出了一种自动识别机制，在这种机制下接入设备和子系统实现即插即用，相关系统的更新和升级也可以由软件自动完成。同时还提出了一种新的方案来对智能设备进行远程配置，在调度端实现定值修改、软压板投退等操作。     

基于深度学习的行为识别算法综述

人体行为识别一直是计算机视觉研究中的热点.随着近几年人体行为识别在虚拟现实、短视频等方面的广泛应用, 以及深度学习算法的快速发展, 基于深度学习的行为识别算法层出不穷.相较于传统方法, 基于深度学习的行为识别算法具有鲁棒性强、准确率高的优点.基于此, 本文对近年来提出的基于深度学习的行为识别算法进行了梳理, 并对由双流卷积网络和3D卷积网络结构发展而来的行为识别的系列算法进行了重点介绍, 并总结了各种算法的性能和成果, 最后对该领域进行了展望.     

基于深度学习的电力设备红外图像识别

电力设备的安全运行是保证电力系统长期稳定工作的重要基础,因此需要对电力设备的运行状态进行实时监测。实现对电力设备实时监测的关键是对电力设备进行准确的识别和定位。传统的图像检测算法受环境和复杂背景的影响,无法对电力设备进行准确的定位和识别。基于深度学习的目标检测在电力设备运行状态实时监测中具有更广阔的发展前景。针对电力设备红外图像的识别提出了基于Faster R-CNN识别方法。实验结果表明,该方法准确率高,能够准确定位和识别红外图像中的电力设备。     

基于YOLOv5s和Android部署的电气设备识别

针对变电站多种电气设备实时检测的需求,提出了一种基于改进YOLOv5s的电气设备识别方法,并设计基于Android部署的电气设备识别APP,以便对电气设备进行识别与学习。以电力变压器、绝缘子串等6种常见变电站电气设备为例构建图像数据集。数据集进行图像预处理后对YOLOv5s算法进行改进。通过引入C2f模块提高小目标检测精度,采用Soft-NMS提高检测框筛选能力,减少漏检和误检的情况,使用改进后的算法对数据集进行模型训练。将训练好的识别网络模型通过TensorFlow Lite框架进行模型部署,设计电气设备识别APP。经验证,改进后的变电站电气设备识别网络模型mAP稳定在91.6%,与原模型相比提高了3.3百分点。部署后的APP具有设备识别和设备介绍等界面,使用移动端进行识别时每张图片识别时间都小于1 s,具有较快的识别速度和较高的识别精度,可以高效地实现变电站电气设备的实时检测与设备学习。     

聚焦难样本的区分尺度的文字检测方法

针对卷积神经网络中间特征层信息利用不充分,以及不区分尺度和难易样本的学习所导致的文字检测精度难以提高的问题,提出基于多路精细化特征融合的聚焦难样本的区分尺度的自然场景文字检测方法. 构建多路精细化的卷积神经网络融合层提取高分辨率特征图;按照文字标注矩形框的较长边的尺寸,将文字实例划分为3种尺度范围,并分布到不同的候选框提取网络中提取相应的候选框;设计聚焦损失函数对难样本进行重点学习以提高模型的表达能力并得到目标文字框. 实验表明,所提出的多路精细化特征提取方法在COCO-Text数据集上的文字召回率较高,聚焦难样本的区分尺度的文字检测方法在ICDAR2013、ICDAR2015标准数据集上的检测精度分别为0.89、0.83,与CTPN、RRPN等方法相比,在多尺度多方向的自然场景图像中具有更强的鲁棒性.     

变电站程序化操作及其在长沙电网的应用

介绍变电站程序化操作的基本情况,分析变电站程序化操作对一次设备和二次设备的要求;针对长沙电网环保变电站进行变电程序化操作的实例,研究了变电程序化现场实施的技术基础、设计思路和系统构成;现场运行大大提高了变电站劳动效率,有效降低变电站运营成本;为其它电网进行程序化设计提供参考．     

一种自动读取指针式仪表读数的方法

为解决变电站中自动化监控仪表读数的问题,提出基于机器学习和图像处理算法的指针式仪表自动读数方法,由仪表检测和指针识别两个阶段组成。使用全卷积网络(fully convolutional networks,FCN)对输入图像进行语义分割,以检测仪表的位置并提取仪表部分的图像。利用直方图均衡化、中值滤波和双边滤波减小光照和阴影对指针识别的干扰,并利用仿射变换矫正拍摄时的倾斜,再结合改进的霍夫变换识别仪表中指针的位置,从而计算指针角度获取读数。结果表明,对于自然场景中变电站中的指针式仪表,本研究能很好地检测出仪表并识别出指针的读数,对于光照和阴影等干扰具有良好的鲁棒性,可以显著减少变电站巡检人员的工作量,提高工作效率。     

面向异构并行架构的大规模原型学习算法

为解决当前原型学习算法在大规模、大类别机器学习和模式识别领域的计算密集瓶颈问题,提出一种采用GPU和CPU异构并行计算架构的可扩展原型学习算法框架.一是通过分解和重组算法的计算任务,将密集的计算负载转移到GPU上,而CPU只需进行少量的流程控制.二是根据任务类型自适应地决定是采用分块策略还是并行归约策略来实现.采用大规模手写汉字样本库验证本框架,在消费级显卡GTX680上使用小批量处理模式进行模型学习时,最高可得到194倍的加速比,升级到GTX980显卡,加速比可提升到638倍;算法甚至在更难以加速的随机梯度下降模式下,也至少能获得30倍的加速比.该算法框架在保证识别精度的前提下具有很高的可扩展性,能够有效解决原有原型学习的计算瓶颈问题.     

Unsupervised adversarial learning method for hard disk failure prediction

In order to solve the problem of over-fitting of traditional supervised learning methods in anomaly detection of unbalanced datasets, an unsupervised adversarial learning method is proposed for hard disk failure prediction. This method uses the long short-term memory neural network and fully connected layer to design an Autoencoder that can be used for secondary coding. Only normal samples are used for training. By reducing the reconstruction error and the distance between potential vectors, the model can learn the data distribution of normal samples, thus improving the generalization ability of the model. The model also introduces the generative adversarial network to enhance the effect of unsupervised learning. Experiments on several datasets show that the recall rate and precision of the proposed method are higher than those of traditional supervised learning and semi-supervised learning classifiers, and that its generalization ability is stronger. Therefore, the unsupervised adversarial learning method is effective in hard disk failure prediction.     

基于大边距度量学习的车辆再识别方法

在目前的车辆再识别方法中,车辆在拍摄过程中的多视角会导致特征嵌入空间中决策边界附近样本较难区分. 针对该问题,提出通过最大化边界距离提升车辆再识别准确率. 在特征表示阶段,设计了大边界损失度量函数,可以有效处理相似车辆的混淆问题;采用入侵叛逃采样策略,可以在训练样本中找出更容易混淆的难样本以更有针对性地训练网络,并加快网络的训练速度. 在车辆检索阶段,提出基于核函数的重排序方法,可以提高车辆再识别的准确率. 在3个公共数据集上的实验结果显示,车辆再识别的准确率得到提高,同时训练和推理效率得到改善. 理论分析和实验表明,大边距度量学习通过挖掘决策边界的难样本,可以有效解决车辆再识别中的多视角问题.     

Radar HRRP target recognition by utilizing multitask sparse learning with a small training data size

A statistical modeling method based on multitask sparse learning is proposed to realize the recognition of the high resolution range profile (HRRP) with a small training data size. The statistical modeling of each training aspect-frame is considered as a single task in our method. Since the training aspect-frames are not independent but inter-related, they can share a compact dictionary to make full use of the information. However, with the different targets and the aspect sensitivity of the same target, it is usually hard to assess the task relatedness, and joint learning with unrelated tasks may degrade the recognition performance. Therefore, we adopt the Bernoulli-Beta prior to learn the needed atoms of each aspect-frame automatically with the given training data. Then the relatedness between frames is determined by the number of shared atoms, and multitask learning can be realized adaptively. The recognition experiments of the measured HRRP data demonstrate the performance of the proposed method.     

110kV智能变电站设计与建设实例

智能变电站是统一坚强智能电网的重要组成部分,2010年12月26日,中国国家电网公司第1批智能变电站试点工程——110kV曾家冲变电站的顺利投运,实现了智能变电站从理论到实践的重大突破．智能变电站与传统变电站在设计、建设、控制和管理等方面有质的差别,以湖南省第1个智能变电站（110kV曾家冲智能变电站）建设过程为实例,探讨智能化变电站与常规变电站的区别,具体分析智能变电站智能一次设备、自动化系统及智能化状态监测功能的设计与实现方式,提出该站投运后出现的问题并介绍其解决办法,为后续智能变电站建设提供成功范例．