基于深度卷积特征的电网危害鸟种分类识别方法
授权
摘要
本发明公开了一种基于深度卷积特征的电网危害鸟种分类识别方法，首先针对电网巡检拍摄的鸟种图像，构建电网危害鸟种图像数据集，基于前馈去噪卷积神经网络对鸟种图像进行去噪预处理；搭建卷积神经网络DarkNet‑53模型，采用大规模开放数据集进行预训练，利用预处理后的鸟种图像训练集重新训练，并采用卷积神经网络可视化工具Grad‑CAM算法生成不同特征提取层的热力图，提取最佳特征图中的鸟种图像深度卷积特征；构建基于纠错输出编码支持向量机的鸟种分类识别模型，采用鸟种图像的深度卷积特征进行训练和测试，实现对危害鸟种的分类识别。本发明可用于电网涉鸟故障的差异化防治，有助于电网巡检人员准确识别鸟类。
基本信息
专利标题 ：
基于深度卷积特征的电网危害鸟种分类识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114067368A
申请号 ：
CN202210046866.0
公开（公告）日 ：
2022-02-18
申请日 ：
2022-01-17
授权号 ：
CN114067368B
授权日 ：
2022-06-14
发明人 ：
辛建波李帆邱志斌徐波廖昊爽张贵峰李昊康琛华桦
申请人 ：
国网江西省电力有限公司电力科学研究院;国家电网有限公司;南昌大学;国网江西省电力有限公司超高压分公司;南方电网科学研究院有限责任公司
申请人地址 ：
江西省南昌市高新区民营科技园民强路88号
代理机构 ：
南昌丰择知识产权代理事务所(普通合伙)
代理人 ：
吴称生
优先权 ：
CN202210046866.0
主分类号 ：
G06V40/10
IPC分类号 ：
G06V40/10 G06V10/30 G06V10/764 G06V10/774 G06V10/82 G06K9/62 G06N3/04
相关图片
法律状态
2022-06-14 ：
授权
2022-03-08 ：
实质审查的生效
IPC(主分类) : G06V 40/10
申请日 : 20220117
申请日 : 20220117
2022-02-18 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
1、
CN114067368A.PDF
PDF下载
