一种基于深度学习的SF6气体泄漏检测方法

发明专利有效专利

申请号：
CN202110469596.X
IPC分类号：G10L25/30;G10L25/27;G10L25/51;G01M3/24
申请日期：
2021-04-28
申请人：
武汉理工大学

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	一种基于深度学习的SF6气体泄漏检测方法
申请号	CN202110469596.X	申请日期	2021-04-28
法律状态	实质审查	申报国家	暂无
公开/公告日	2021-08-03	公开/公告号	CN113205828A
优先权	暂无	优先权号	暂无
主分类号	G10L25/30 ? IPC结构图谱： G 物理 G0 仪器 G10 乐器；声学 G10L 语音分析或合成；语音识别；语音或声音处理；语音或音频编码或解码〔4〕 G10L25/00 不限于组G10L 15/00-G10L 21/00的语言或者声音分析技术（当利用语音检测器来感知一些信号特殊特征的基于半导体的静噪放大器，如无信号时的感知入H03G3/34） G10L25/27 以分析方法为特征的〔2013.01〕 G10L25/30 利用神经网络〔2013.01〕	IPC分类号	G;1;0;L;2;5;/;3;0;;;G;1;0;L;2;5;/;2;7;;;G;1;0;L;2;5;/;5;1;;;G;0;1;M;3;/;2;4查看分类表>
申请人	武汉理工大学	申请人地址	湖北省武汉市洪山区珞狮路122号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	武汉理工大学	当前权利人	武汉理工大学
发明人	胡甫才;宋鹏;周子钦;余永升;章林柯
代理机构	湖北武汉永嘉专利代理有限公司	代理人	张惠玲

摘要

本发明涉及一种基于深度学习的SF6气体泄漏检测方法，通过使用深度学习的方法，使SF6漏气噪声的还原度达到90％，提高了SF6气体泄漏检测的精度；通过使用深度学习的方法，SF6检测的效率和精度，降低了人工成本，防止SF6气体对人身造成伤害；通过将降噪预处理与SF6气体泄漏检测相结合，构建了一套针对于变电站场景中高压电力设备SF6气体泄漏检测的方案，在低信噪比的工况下可以取得较为显著的效果。

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