CN111245103A - 一种基于神经计算棒的电网变压器铭牌的显示和存储*** - Google Patents

一种基于神经计算棒的电网变压器铭牌的显示和存储*** Download PDF

Info

Publication number
CN111245103A
CN111245103A CN202010243553.5A CN202010243553A CN111245103A CN 111245103 A CN111245103 A CN 111245103A CN 202010243553 A CN202010243553 A CN 202010243553A CN 111245103 A CN111245103 A CN 111245103A
Authority
CN
China
Prior art keywords
module
display
configuration unit
storage system
movable operation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010243553.5A
Other languages
English (en)
Inventor
曾惜
王恩伟
杨凤生
王林波
王元峰
王冕
杨金铎
王宏远
刘畅
龙思璇
马庭桦
兰雯婷
熊萱
徐常
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202010243553.5A priority Critical patent/CN111245103A/zh
Publication of CN111245103A publication Critical patent/CN111245103A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09F—DISPLAYING; ADVERTISING; SIGNS; LABELS OR NAME-PLATES; SEALS
    • G09F9/00—Indicating arrangements for variable information in which the information is built-up on a support by selection or combination of individual elements
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
    • Y04S40/126—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using wireless data transmission

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明公开了一种基于神经计算棒的电网变压器铭牌的显示和存储***，包括外部配置单元，包括神经计算棒、供电模块；内部配置单元，包括数据库储模块、信息显示模块；所述外部配置单元与所述内部配置单元基于可移动操作端作为控制终端，所述外部配置单元和所述内部配置单元均与所述可移动操作端连接；本发明平板电脑作为可移动操作终端和可用备用电池，通过终端Wifi功能完成线上线下数据同步、减少工作的重复性，从而提高准确性；基于神经计算棒参与***运行，提高识别率和***线性性能，使得在操作中对繁杂的电网配变铭牌数据进行存储过程，查询过程速度提高，按操作人员需求对存储中的数据加速整理，便与查询显示，节约时间成本。

Description

一种基于神经计算棒的电网变压器铭牌的显示和存储***
技术领域
本发明涉及数据信息显示和存储领域，尤其是一种基于神经计算棒的电网变压器铭牌的显示和存储***。
背景技术
目前，电力行业中操作人员对于大量电网配变铭牌信息需要存储记录和实现快速查询，传统的工作方案是通过在线模式处理的方式，在离线状态下存在工作任务的不方便记录和查询电网配变铭牌信息，这样特殊的工作环境造成给操作人员现场实施的不方便，现有的技术存在大量数据实现实时存储和无法准确、快速的显示出操作人员所需的数据，采用基于神经计算棒的电网配变铭牌的显示和存储***，提***高线性性能。为后续的电网配变铭牌数据信息维护和查询提供了技术支持。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例，在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述和/或现有技术中所存在的问题，提出了本发明。
因此，本发明所要解决的技术问题是现有的技术存在大量数据实现实时存储和无法准确、快速的显示出操作人员所需的数据，识别***识别不准，影响显示和存储以及工作效率。
为解决上述技术问题，本发明提供如下技术方案：一种基于神经计算棒的电网变压器铭牌的显示和存储***，包括外部配置单元，包括神经计算棒、供电模块；内部配置单元，包括数据库储模块、信息显示模块；所述外部配置单元与所述内部配置单元基于可移动操作端作为控制终端，所述外部配置单元和所述内部配置单元均与所述可移动操作端连接。
作为本发明所述基于神经计算棒的电网变压器铭牌的显示和存储***的一种优选方案，其中：所述可移动操作端包括多个USB接口、WiFi传输模块、电源、中央处理器；所述中央处理器分别与所述USB接口、WiFi传输模块、电源连接。
作为本发明所述基于神经计算棒的电网变压器铭牌的显示和存储***的一种优选方案，其中：所述神经计算棒通过所述USB接口与所述可移动操作端连接，所述供电模块通过所述USB接口与所述可移动操作端连接。
作为本发明所述基于神经计算棒的电网变压器铭牌的显示和存储***的一种优选方案，其中：所述数据库储模块安装于所述可移动操作端，所述数据库储模块数据库为MySQL8.0版本。
作为本发明所述基于神经计算棒的电网变压器铭牌的显示和存储***的一种优选方案，其中：所述WiFi传输模块与所述数据库储模块无线连接，所述WiFi传输模块与所述信息显示模块无线连接。
作为本发明所述基于神经计算棒的电网变压器铭牌的显示和存储***的一种优选方案，其中：所述可移动操作端与所述数据库储模块连接，所述可移动操作端与所述信息显示模块连接。
作为本发明所述基于神经计算棒的电网变压器铭牌的显示和存储***的一种优选方案，其中：还包括，服务器，所述服务器通过所述WiFi传输模块与所述可移动操作端无线连接。
作为本发明所述基于神经计算棒的电网变压器铭牌的显示和存储***的一种优选方案，其中：所述可移动操作端还包括操作面板，所述操作面板控制所述WiFi传输模块、数据库储模块以及信息显示模块。
作为本发明所述基于神经计算棒的电网变压器铭牌的显示和存储***的一种优选方案，其中：所述可移动操作端为平板电脑，所述WiFi传输模块为88W8782型芯片，所述中央处理器为A12 Bionic处理器，所述神经计算棒为Myriad X型。
为解决上述技术问题，本发明还提供如下技术方案：其中：一种基于神经计算棒的电网变压器铭牌的显示和存储***的使用方法包括以下步骤，
神经计算棒与可移动操作端连接并对铭牌进行识别和存储；
可移动操作端获取用户查询请求；
从服务器存储的显示库中筛选出与用户查询请求对应的显示模板，得到目标空模板；
根据目标空模板调取相应的存储***信息，得到目标信息；
信息显示模块显示已获取的目标值。
本发明的有益效果：
1、平板电脑作为可移动操作终端和可用备用电池，增加工作工具的便携性和续航能力，终端***中安装显示功能和存储功能、通过终端Wifi功能完成线上线下数据同步、减少工作的重复性，从而提高准确性；
2、基于神经计算棒参与***运行，提高***线性性能，使得在操作中对繁杂的电网配变铭牌数据进行存储过程，查询过程速度提高，按操作人员需求对存储中的数据加速整理，便与查询显示，节约时间成本；
3、基于神经计算棒参与YOLO3+CRNN算法在训练样本相同的情况下，识别结果的正确率都远高于其他两个算法。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明提供的一种实施例所述的基于神经计算棒的电网变压器铭牌的显示和存储***的连接示意图；
图2为本发明提供的一种实施例所述的基于神经计算棒的电网变压器铭牌的显示和存储***中可移动操作端连接示意图；
图3为本发明提供的一种实施例所述的基于神经计算棒的电网变压器铭牌的显示和存储***的示意图
图4为本发明提供的一种实施例所述的基于神经计算棒的电网变压器铭牌的显示和存储***中显示何存储的流程示意图；
图5为本发明提供的一种实施例所述的基于神经计算棒的电网变压器铭牌的显示和存储***中神经计算棒的识别流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
再其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
参照图1～5，本实施例提供了一种基于神经计算棒的电网变压器铭牌的显示和存储***，包括外部配置单元100，包括神经计算棒101、供电模块102，供电模块102为操作设备持续供电或间接性供电，供电模块102优选为便携式移动电源以便随时提供电量，神经计算棒101基于边缘计算，能够在计算过程中加快计算过程，解决操作设备的自身内存计算性能慢效率低的问题，并可用于铭牌实时信息的记录、更新，以实现信息的存储、调取和汇总；内部配置单元200，包括数据库储模块201、信息显示模块202；数据库储模块201储存数据，信息显示模块202用于显示，数据库储模块201优选为TLC NAND闪存，TLC NAND闪存是固态NAND快闪存储器的一种，它的数据存储量是SLC存储器的三倍，是MLC存储器的1.5倍。进一步的，外部配置单元100与内部配置单元200基于可移动操作端300作为控制终端，外部配置单元100和内部配置单元200均与可移动操作端300连接，优选的，可移动操作端300选用平板电脑，可移动操作端300包括多个USB接口301、WiFi传输模块302、电源303、中央处理器304；中央处理器304分别与USB接口301、WiFi传输模块302、电源303连接。WiFi传输模块302优选为88W8782型芯片，中央处理器304优选为A12 Bionic处理器，神经计算棒101优选为Myriad X型；检查得到的铭牌信息通过WiFi传输模块302上传至服务器400处理，以实现信息的存储。
具体的，神经计算棒101通过USB接口301与可移动操作端300连接，供电模块102通过USB接口301与可移动操作端300连接对电源303进行供电。数据库储模块201安装于可移动操作端300，数据库储模块201数据库为MySQL8.0版本；可移动操作端300与数据库储模块201连接，可移动操作端300与信息显示模块202连接。还包括，服务器400，服务器400通过所述WiFi传输模块302与可移动操作端300无线连接，其中信息显示模块202为可移动操作端300的屏幕显示。
本实施例的显示及存储方法为：
S100、神经计算棒101与可移动操作端300连接并对铭牌进行识别和存储；
S200、可移动操作端300获取用户查询请求；
S300、从服务器400存储的显示库中筛选出与用户查询请求对应的显示模板，得到目标空模板；
S400、根据目标空模板调取相应的存储***信息，得到目标信息；
S500、将目标信息存放于目标空模板中，得到已获取的目标值；
S600、信息显示模块202显示已获取的目标值。
进一步的，神经计算棒101的识别方法为：
S101、使用摄像头采集铭牌信息；
S102、定位出铭牌中的有效信息区域，对有效信息区域外进行裁剪；
S103、采用多尺度Retinex算法对步骤S102中得到的图像进行图像增强；
S104、对经过图像增强后的铭牌图像进行水平倾斜矫正和透视形变矫正；
S105、对矫正后的图像铭牌中的文本信息进行定位，使得相关文本信息
形成一个词条，并定位出图像铭牌中所有的词条；
S106、对于定位出的词条进行识别，识别出铭牌中的文本信息进行并显示；
S107、将识别后的铭牌信息上传至服务器存储。
优选的，S100中对铭牌进行识别采用YOLO3算法与CRNN算法组合对图像进行检测识别。
YOLO通过darknet-53骨架网络，借鉴了残差网络residual network的做法，在一些层之间设置了快捷链路(shortcut connections)，更进一步采用了3个不同尺度的特征图来进行对象检测，在检测效率上将图像分割为若干个单元格，并在不同尺度上设置先验框。由于采用纯卷积神经网络，故特征图具有位置不变性，先验框的特征可以直接由最终的特征图来计算。在获取特征图之后做回归训练从而得到高效的分类模型。检测目标并非规则的正方形或长方形。YOLO为每种下采样尺度设定3种先验框，下采样了三次，总共聚类出9种尺寸的先验框。可以采用K-means聚类得到先验框的尺寸，在COCO数据集这9个先验框是：(10x13)，(16x30)，(33x23)，(30x61)，(62x45)，(59x119)，(116x90)，(156x198)，(373x326)。
分配上，在最小的13*13特征图上(有最大的感受野)应用较大的先验框(116x90)，(156x198)，(373x326)，适合检测较大的对象。中等的26*26特征图上(中等感受野)应用中等的先验框(30x61)，(62x45)，(59x119)，适合检测中等大小的对象。较大的52*52特征图上(较小的感受野)应用较小的先验框(10x13)，(16x30)，(33x23)，适合检测较小的对象。
yolo将输入图像分为S*S个单元格，之后的输出是以单元格为单位进行的：
1)如果一个object的中心落在某个单元格上，那么这个单元格负责预测这个物体。
2)每个单元格需要预测B个bbox值(x,y,w,h,c)，同时为每个bbox值预测一个置信度(confidence scores)，也就是每个单元格需要预测B×(4+1)个值。
3)每个单元格需要预测C(分类个数)个条件概率值.所以，最后网络的输出维度为：
S*S*(B*5+C)
这里虽然每个单元格负责预测一种物体，但是每个单元格可以预测多个bbox值。
每个Bbox的含义如下：
x,y是bbox的中心相对于单元格的offset，表示的是中心相对于单元格的offset，计算公式如下：
Figure BDA0002433347500000061
w,h是bbox相对于整个图片的比例，预测的bbox的宽高为，(w,h)表示的是bbox的是相对于整张图片的占比，计算公式如下:
Figure BDA0002433347500000062
confidence置信度，这个置信度是由两部分组成，一是格子内是否有目标，二是bbox的准确度。定义置信度为:
Figure BDA0002433347500000071
如果格子内有物体，则PT(object)＝1，此时置信度等于IoU。如果格子内没有物体，则PT(object)＝0，此时置信度为0。
C类的条件概率，条件概率定义为PT(classi|object)，表示该单元格存在物体且属于第i类的概率。每个单元格预测最终输出的概率定义为：
Figure BDA0002433347500000072
模板匹配是在一幅图像中寻找一个特定目标的方法之一，这种方法的原理非常简单，遍历图像中的每一个可能的位置，比较各处与模板是否“相似”，当相似度足够高时，就认为找到了我们的目标。
进一步的，S102可采用霍夫变换直线检测方法，对待识别铭牌轮廓区域进行裁剪，并采用透视变换，对裁剪后的待识别铭牌轮廓区域进行矫正，得到待识别的铭牌区域图像，由于变压器铭牌基本都是矩形，所以可以采用霍夫变换直线检测的方式裁剪，找到铭牌四条边并对其求交点，并在确定铭牌的交点后，采用透视变换，将待测的铭牌区域图像进行矫正。
S103中Retinex算法包括以下步骤：首先将采集的图像的每个颜色通道分别于环绕函数进行多尺度卷积滤波操作；其次将处理后的图像进行多个尺度下的线性加权求和；然后通过述公式计算后得到增强后的图像，公式如下：
Figure BDA0002433347500000073
其中i为RGB颜色的通道，*为卷积运算符，N为尺度数，wj为第j个尺度下的增强结果所对应的权重，Si(x，y)表示原始图像，G为高斯环绕函数：
Figure BDA0002433347500000074
δ为尺度参数，x，y分别表示图像中的像素点坐标。
进一步的，S104包括对图像进行膨胀操作，利用sobel算子进行边缘检测，得到边缘点，对边缘点进行hough变换，并找到旋转角，利用所述旋转角进行水平倾斜矫正，利用Harriss算子提取并标记铭牌图像的特征点；记录距离经过定位处理后图像的四个边界最近的Harris角点的位置，将这四个角点作为参考点进行透视形变校正。S105包括使用彩色聚类算法将图像分解为多个不同连通域，根据文本信息自身的长宽比、面积比，对连通域中的信息进行验证，从而筛选出词条文本信息。S106包括对每个词条文本信息进行字符分割，将不同字符进行分割，对每个字符进行归一化处理，将字符归一化到25*50，使用Rosenfeld骨架细化算法将图像进行处理，基于笔画斜率累计特征提取、拐点幅度累计特征提取、字符轮廓深度特征提取、字符跳跃点统计得到每个字符特征值；将字符特征值利用BP神经网络分类器算法进行训练，得到每个字符的分类特征，重复以上步骤对每个词条中的字符信息进行识别，并且进行显示；优选的，采用LeNet-5卷积神经网络，对待测的铭牌区域图像中的字符进行识别，LeNet-5卷积神经网络采用变电站设备常用铭牌字符作为训练数据进行训练，在本发明中，铭牌上的字符多为电力应用***单位内部的固定编码，非日常应用中包含的所有文字及词组，由于铭牌上的字符集相对固定，为保证识别率，直接将采集到的铭牌样本中的字作为LeNet-5卷积神经网络的训练数据进行训练。
本实施例中，图像进行多个尺度下的线性加权求和用于保证增强后的图像兼有不同尺度的优点，一般情况下取高、中、低三个尺度。当变量δ取值较大时图像注重于保持色彩，容易忽略细节的信息，当δ较小时细节信息突显，但是容易导致颜色失真。
本实施例中主要说明的是神经计算棒基于RETINEX算法进行图像预处理，采用YOLO3算法与CRNN算法组合对图像进行检测识别，识别算法结果对比过程中，先将采集的数据中挑选出的样本作划分为训练集样本和验证集样本，样本的挑选需要满足具有代表性，同时不能有错误的样本，以免无效和错误的数据参与训练过程，导致设备结果的准确率出现范围波动。把选取的训练集作为训练学***均值，如表1所示：
表1
训练集正确率％ 验证集正确率％ 训练时间/s
SVM 92.62 91.35 893.1531
BPNN 93.50 89.33 36.8747
YOLO3+CRNN 98.20 96.50 1.4533
从上表中可看出基于神经计算棒YOLO3+CRNN算法在训练样本相同的情况下，识别结果的正确率都远高于其他两个算法。而且训练的平均时间是SVM算法的615倍，是BPNN算法的25倍。从直观的数据上来看YOLO3+CRNN算法能够更好的处理图像识别问题，基于神经计算棒的该算法进一步对电网变压器铭牌识别技术进行研究，提高了算法的正确率。
进一步的，其中可移动操作端300用于获取用户的查询请求，并通过WiFi传输模块302发送至服务器400，在此过程中，神经计算棒101基于边缘计算，能够在计算过程中加快计算过程。
本实施例***的原理为：主要说明的是基于神经计算棒101的RETINEX算法进行图像预处理，采用YOLO3算法与CRNN算法组合对图像进行检测识别；神经计算棒101通过USB接口301与可移动操作端300连接，可移动操作端300设备内部软件搭建结构，执行内部模块功能；通过软件程序调用WiFi传输模块302实现终端数据与服务器400之间的数据上传与下载，完成数据同步，可移动操作端300通过调用WiFi传输模块302完成数据同步时可选择性同步，只对工作人员涉及的数据进行处理，避免数据量过大影响***运行；管理人员将铭牌信息由可移动操作端300导入服务器400内，或直接手动输入至铭牌信息***，通过铭牌信息***发送指令，经过WiFi传输模块302的无线局域网络，将铭牌专业信息进行存储，并可显示在可移动操作端300的信息显示模块202中。
实施例2
参照图3，为本发明第二个实施例，该实施例基于上一个实施例，且与上一个实施例不同的是：WiFi传输模块302与数据库储模块201无线连接，WiFi传输模块302与信息显示模块202无线连接。可移动操作端300还包括操作面板305，操作面板305控制WiFi传输模块302、数据库储模块201以及信息显示模块202。具体的，一种基于神经计算棒的电网变压器铭牌的显示和存储***包括外部配置单元100，包括神经计算棒101、供电模块102，供电模块102为操作设备持续供电或间接性供电；内部配置单元200，包括数据库储模块201、信息显示模块202；数据库储模块201储存数据，信息显示模块202用于显示。进一步的，外部配置单元100与内部配置单元200基于可移动操作端300作为控制终端，外部配置单元100和内部配置单元200均与可移动操作端300连接，优选的，可移动操作端300选用平板电脑，可移动操作端300包括多个USB接口301、WiFi传输模块302、电源303、中央处理器304；中央处理器304分别与USB接口301、WiFi传输模块302、电源303连接。WiFi传输模块302优选为88W8782型芯片，中央处理器304优选为A12 Bionic处理器，神经计算棒101优选为Myriad X型。
本实施例的原理为：主要说明的是基于神经计算棒101的RETINEX算法进行图像预处理，采用YOLO3算法与CRNN算法组合对图像进行检测识别；神经计算棒101通过USB接口301与可移动操作端300连接，可移动操作端300设备内部软件搭建结构，执行内部模块功能；通过软件程序调用WiFi传输模块302实现终端数据与服务器400之间的数据上传与下载，完成数据同步，可移动操作端300通过调用WiFi传输模块302完成数据同步时可选择性同步，只对工作人员涉及的数据进行处理，避免数据量过大影响***运行；操作面板305通过软件程序进行数据库操作，完成数据调用和存储，操作面板305通过软件程序进行从数据库储模块201获取的数据再经过USB接口301连接神经计算棒101参与数据计算，提高计算性能，最后将电网配变铭牌数据进行信息展示，实现数据的查询显示，操作面板305对显示的电网配变铭牌数据进行相应的处理(增加、删除、修改)，通过USB接口301连接神经计算棒101参与数据计算处理，缩短计算时间。
重要的是，应注意，在多个不同示例性实施方案中示出的本申请的构造和布置仅是例示性的。尽管在此公开内容中仅详细描述了几个实施方案，但参阅此公开内容的人员应容易理解，在实质上不偏离该申请中所描述的主题的新颖教导和优点的前提下，许多改型是可能的(例如，各种元件的尺寸、尺度、结构、形状和比例、以及参数值(例如，温度、压力等)、安装布置、材料的使用、颜色、定向的变化等)。例如，示出为整体成形的元件可以由多个部分或元件构成，元件的位置可被倒置或以其它方式改变，并且分立元件的性质或数目或位置可被更改或改变。因此，所有这样的改型旨在被包含在本发明的范围内。可以根据替代的实施方案改变或重新排序任何过程或方法步骤的次序或顺序。在权利要求中，任何“装置加功能”的条款都旨在覆盖在本文中所描述的执行所述功能的结构，且不仅是结构等同而且还是等同结构。在不背离本发明的范围的前提下，可以在示例性实施方案的设计、运行状况和布置中做出其他替换、改型、改变和省略。因此，本发明不限制于特定的实施方案，而是扩展至仍落在所附的权利要求书的范围内的多种改型。
此外，为了提供示例性实施方案的简练描述，可以不描述实际实施方案的所有特征(即，与当前考虑的执行本发明的最佳模式不相关的那些特征，或于实现本发明不相关的那些特征)。
应理解的是，在任何实际实施方式的开发过程中，如在任何工程或设计项目中，可做出大量的具体实施方式决定。这样的开发努力可能是复杂的且耗时的，但对于那些得益于此公开内容的普通技术人员来说，不需要过多实验，所述开发努力将是一个设计、制造和生产的常规工作。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种基于神经计算棒的电网变压器铭牌的显示和存储***，其特征在于：包括，
外部配置单元(100)，包括神经计算棒(101)、供电模块(102)；
内部配置单元(200)，包括数据库储模块(201)、信息显示模块(202)；
所述外部配置单元(100)与所述内部配置单元(200)基于可移动操作端(300)作为控制终端，所述外部配置单元(100)和所述内部配置单元(200)均与所述可移动操作端(300)连接。
2.根据权利要求1所述的基于神经计算棒的电网变压器铭牌的显示和存储***，其特征在于：所述可移动操作端(300)包括多个USB接口(301)、WiFi传输模块(302)、电源(303)、中央处理器(304)；所述中央处理器(304)分别与所述USB接口(301)、WiFi传输模块(302)、电源(303)连接。
3.根据权利要求2所述的基于神经计算棒的电网变压器铭牌的显示和存储***，其特征在于：所述神经计算棒(101)通过所述USB接口(301)与所述可移动操作端(300)连接，所述供电模块(102)通过所述USB接口(301)与所述可移动操作端(300)连接。
4.根据权利要求3所述的基于神经计算棒的电网变压器铭牌的显示和存储***，其特征在于：所述数据库储模块(201)安装于所述可移动操作端(300)，所述数据库储模块(201)数据库为MySQL8.0版本。
5.根据权利要求4所述的基于神经计算棒的电网变压器铭牌的显示和存储***，其特征在于：所述WiFi传输模块(302)与所述数据库储模块(201)无线连接，所述WiFi传输模块(302)与所述信息显示模块(202)无线连接。
6.根据权利要求5所述的基于神经计算棒的电网变压器铭牌的显示和存储***，其特征在于：所述可移动操作端(300)与所述数据库储模块(201)连接，所述可移动操作端(300)与所述信息显示模块(202)连接。
7.根据权利要求6所述的基于神经计算棒的电网变压器铭牌的显示和存储***，其特征在于：还包括，服务器(400)，所述服务器(400)通过所述WiFi传输模块(302)与所述可移动操作端(300)无线连接。
8.根据权利要求1～7任一所述的基于神经计算棒的电网变压器铭牌的显示和存储***，其特征在于：所述可移动操作端(300)还包括操作面板(305)，所述操作面板(305)控制所述WiFi传输模块(302)、数据库储模块(201)以及信息显示模块(202)。
9.根据权利要求8所述的基于神经计算棒的电网变压器铭牌的显示和存储***，其特征在于：所述可移动操作端(300)为平板电脑，所述WiFi传输模块(302)为88W8782型芯片，所述中央处理器(304)为A12 Bionic处理器，所述神经计算棒(101)为Myriad X型。
CN202010243553.5A 2020-03-31 2020-03-31 一种基于神经计算棒的电网变压器铭牌的显示和存储*** Pending CN111245103A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010243553.5A CN111245103A (zh) 2020-03-31 2020-03-31 一种基于神经计算棒的电网变压器铭牌的显示和存储***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010243553.5A CN111245103A (zh) 2020-03-31 2020-03-31 一种基于神经计算棒的电网变压器铭牌的显示和存储***

Publications (1)

Publication Number Publication Date
CN111245103A true CN111245103A (zh) 2020-06-05

Family

ID=70875587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010243553.5A Pending CN111245103A (zh) 2020-03-31 2020-03-31 一种基于神经计算棒的电网变压器铭牌的显示和存储***

Country Status (1)

Country Link
CN (1) CN111245103A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364821A (zh) * 2020-11-30 2021-02-12 国网湖南省电力有限公司 一种继电保护设备电力模式数据自识别方法和自识别设备
CN112818738A (zh) * 2020-12-28 2021-05-18 贵州电网有限责任公司 基于神经计算棒的配网变压器实时识别设备及识别方法
CN113326223A (zh) * 2021-06-17 2021-08-31 恒安嘉新（北京）科技股份公司 一种信息交互、串口配置方法、装置、设备和介质
CN117437648A (zh) * 2023-12-20 2024-01-23 国网浙江省电力有限公司金华供电公司 用于电力物资建设自动封样设备的处理方法及***

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012011436A1 (en) * 2010-07-21 2012-01-26 Mitsubishi Electric Corporation Method for facilitating operation of ad-hoc energy exchange network, nomadic charging station (ncs) for facilitating operation of ad-hoc energy exchange network, and method for facilitating energy exchange between nomadic charging station (ncs) and energy consumer (ec)
CN107315674A (zh) * 2017-07-07 2017-11-03 郑州云海信息技术有限公司 一种存储***信息显示方法及***
CN108345889A (zh) * 2018-02-27 2018-07-31 国网上海市电力公司 一种利用树莓派对通信机柜进行示数识别的应用方法
CN109409355A (zh) * 2018-08-13 2019-03-01 国网陕西省电力公司 一种新型变压器铭牌识别的方法及装置
CN208597123U (zh) * 2018-09-04 2019-03-12 湖南大学 基于树莓派的行人识别处理终端
CN109583421A (zh) * 2018-12-17 2019-04-05 中国科学院深圳先进技术研究院 人脸识别***及方法
CN209803775U (zh) * 2019-01-24 2019-12-17 北京融链科技有限公司 数据处理装置
CN110647784A (zh) * 2018-06-27 2020-01-03 ***通信集团浙江有限公司 一种基于深度学习的设备资产管理的方法及装置
CN110895697A (zh) * 2019-11-13 2020-03-20 三峡大学 变压器铭牌信息采集方法及智能采集***

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012011436A1 (en) * 2010-07-21 2012-01-26 Mitsubishi Electric Corporation Method for facilitating operation of ad-hoc energy exchange network, nomadic charging station (ncs) for facilitating operation of ad-hoc energy exchange network, and method for facilitating energy exchange between nomadic charging station (ncs) and energy consumer (ec)
CN107315674A (zh) * 2017-07-07 2017-11-03 郑州云海信息技术有限公司 一种存储***信息显示方法及***
CN108345889A (zh) * 2018-02-27 2018-07-31 国网上海市电力公司 一种利用树莓派对通信机柜进行示数识别的应用方法
CN110647784A (zh) * 2018-06-27 2020-01-03 ***通信集团浙江有限公司 一种基于深度学习的设备资产管理的方法及装置
CN109409355A (zh) * 2018-08-13 2019-03-01 国网陕西省电力公司 一种新型变压器铭牌识别的方法及装置
CN208597123U (zh) * 2018-09-04 2019-03-12 湖南大学 基于树莓派的行人识别处理终端
CN109583421A (zh) * 2018-12-17 2019-04-05 中国科学院深圳先进技术研究院 人脸识别***及方法
CN209803775U (zh) * 2019-01-24 2019-12-17 北京融链科技有限公司 数据处理装置
CN110895697A (zh) * 2019-11-13 2020-03-20 三峡大学 变压器铭牌信息采集方法及智能采集***

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
冯蓉珍著: "《嵌入式计算机应用》", 30 April 2017, 中央广播电视大学出版社 *
刘波: ""变电站设备铭牌识别***设计与实现"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
王健: ""基于卷积神经网络的电力设备识别方法及***实现"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
陈慧岩: "《智能车辆理论与应用》", 31 July 2018, 北京理工大学出版社 *
黄龙泉 等主编: "《MySQL数据库原理及应用》", 28 February 2017, 中国铁道出版社 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364821A (zh) * 2020-11-30 2021-02-12 国网湖南省电力有限公司 一种继电保护设备电力模式数据自识别方法和自识别设备
CN112818738A (zh) * 2020-12-28 2021-05-18 贵州电网有限责任公司 基于神经计算棒的配网变压器实时识别设备及识别方法
CN113326223A (zh) * 2021-06-17 2021-08-31 恒安嘉新（北京）科技股份公司 一种信息交互、串口配置方法、装置、设备和介质
CN117437648A (zh) * 2023-12-20 2024-01-23 国网浙江省电力有限公司金华供电公司 用于电力物资建设自动封样设备的处理方法及***
CN117437648B (zh) * 2023-12-20 2024-03-05 国网浙江省电力有限公司金华供电公司 用于电力物资建设自动封样设备的处理方法及***

Similar Documents

Publication Publication Date Title
CN111245103A (zh) 一种基于神经计算棒的电网变压器铭牌的显示和存储***
WO2020238054A1 (zh) Pdf文档中图表的定位方法、装置及计算机设备
Clausner et al. Scenario driven in-depth performance evaluation of document layout analysis methods
CN111652869A (zh) 基于深度学习的板坯空洞识别方法、***、介质及终端
CN114092938B (zh) 图像的识别处理方法、装置、电子设备及存储介质
CN111461010B (zh) 一种基于模板跟踪的电力设备识别效率优化方法
CN113591884B (zh) 字符识别模型的确定方法、装置、设备及存储介质
CN113642562A (zh) 基于图像识别的数据解读方法、装置、设备及存储介质
CN113313694A (zh) 一种基于轻量型卷积神经网络的表面缺陷快速检测方法
CN115019305B (zh) 一种根尖细胞的识别方法、装置、设备及可读存储介质
CN117197479A (zh) 一种应用玉米果穗外表面的图像分析方法、装置、计算机设备及存储介质
CN108763261B (zh) 一种图形检索方法
CN112560849B (zh) 基于神经网络算法的文理分割方法及***
CN116110058A (zh) 一种基于手写数字识别的虚拟人交互方法及***
CN115063473A (zh) 物体高度的检测方法、装置、计算机设备、存储介质
CN116306218A (zh) 一种基于机器学习的三维模型智能化出图方法和***
CN111898618B (zh) 一种识别古代图形文字的方法、装置和程序储存介质
CN115239947A (zh) 基于无监督学习的小麦条锈病严重度评估方法及装置
CN114511862A (zh) 表格识别方法、装置及电子设备
Huoming et al. Research on K nearest neighbor identification of hand-drawn circuit diagram
CN114463673A (zh) 素材推荐方法、装置、设备及存储介质
CN108596167B (zh) 一种变长光学字符文字快速识别***及方法、装置
CN113158632A (zh) Cad图纸的表格重建方法和计算机可读存储介质
CN108334884B (zh) 一种基于机器学习的手写文档检索方法
CN112084364A (zh) 对象分析方法、局部图像搜索方法、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200605