一种电力铁塔上鸟巢的识别方法及系统

发明专利有效专利

申请号：
CN201910710454.0
IPC分类号：G06K9/00;G06K9/62;G06N3/04
申请日期：
2019-08-02
申请人：
上海交通大学烟台信息技术研究院;上海交通大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种电力铁塔上鸟巢的识别方法及系统
申请号	CN201910710454.0	申请日期	2019-08-02
法律状态	实质审查	申报国家	中国
公开/公告日	2021-02-02	公开/公告号	CN112307851A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4查看分类表>
申请人	上海交通大学烟台信息技术研究院;上海交通大学	申请人地址	山东省烟台市高新区科技大道69号创业大厦变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	上海交通大学烟台信息技术研究院,上海交通大学	当前权利人	上海交通大学烟台信息技术研究院,上海交通大学
发明人	盛戈皞;钱勇;王辉;许永鹏;夏俊杰;张重阳;江秀臣
代理机构	上海东信专利商标事务所（普通合伙）	代理人	杨丹莉;李丹

摘要

本发明公开了一种电力铁塔上鸟巢的识别方法，其包括训练步骤和识别步骤，训练步骤包括：S100：采集电力铁塔二维案例图像；S200：构建卷积神经网络并对其进行训练，以使卷积神经网络进行数据简化处理；S300：构建采用多个限制玻尔兹曼机堆叠形成的深度信念网络，将二维数据降维到含有电力铁塔图像特征的一维数据输入深度信念网络，采用一维数据对深度信念网络进行训练，以使深度信念网络输出识别结果；识别步骤包括：D100：将待识别的电力铁塔二维图像输入经过训练的卷积神经网络，卷积神经网络输出经过数据简化的二维数据；D200：将二维数据降维至一维数据输入经过训练的深度信念网络；D300：深度信念网络输出识别结果。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供