[发明专利]基于无监督学习的配电房设备异常监测方法与系统在审
| 申请号： | 202210052733.4 | 申请日： | 2022-01-18 |
| 公开（公告）号： | CN114419506A | 公开（公告）日： | 2022-04-29 |
| 发明（设计）人： | 穆晓琛 | 申请（专利权）人： | 南京思飞赫能信息技术有限公司 |
| 主分类号： | G06V20/40 | 分类号： | G06V20/40;G06V10/774;G06V20/52;G06V10/25;G06V10/82;G06V10/72;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 合肥东信智谷知识产权代理事务所(普通合伙) 34143 | 代理人： | 刘寒冰 |
| 地址： | 210000 江苏省南京市雨*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了基于无监督学习的配电房设备异常监测方法与系统，包括：样本收集模块：收集不同ROI区域内正常设备的不同时刻图像样本；深度特征提取模块：对图像样本，使用训练模型训练的卷积神经网络结构提取深度特征向量，对不同ROI区域图像的深度特征向量进行裁剪；混合高斯建模模块：根据裁剪后ROI区域图像的深度特征向量对每个像素位置的深度特征向量使用K个高斯分布进行混合高斯建模；图像异常判别模块：根据预设的像素异常判别阈值，计算异常像素总数，并计算异常像素百分比，根据预设的图像异常判别阈，判别当前ROI区域图像是否异常；本发明的基于无监督学习的配电房设备异常监测方法及系统，对所有设备图像均适用，避免了算法的重复设计。 | ||
| 搜索关键词： | 基于 监督 学习 配电房 设备 异常 监测 方法 系统 | ||
【主权项】：
暂无信息
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南京思飞赫能信息技术有限公司，未经南京思飞赫能信息技术有限公司许可，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/202210052733.4/，转载请声明来源钻瓜专利网。
- 上一篇：屋顶空间综合利用评定方法、装置及平台
- 下一篇：一种工业自动化检测设备
