摘要：为了解决视频监控中噪声对人脸超分辨率恢复的影响,提出了基于自适应滤波的视频监控人脸超分辨率恢复方法。在计算自适应滤波权值后采用自适应滤波处理低分辨率图像,获取超分辨率近似图像。根据人脸特征空间坐标变换示意图检测人脸图像边缘信息。根据边缘信息将重建解限制在一个闭凸集中,获得最优解。根据最优解和反向投影获取人脸属性集,得到人脸超分辨率图像块行数和列数后,加权求和得到恢复后的超分辨率图像。实验结果表明,该方法峰值信噪比最大数值为46 dB,恢复结果清晰无噪点,说明该方法的人脸超分辨率恢复效果较好。

摘要：常规的电力机器人巡检方法主要利用激光仿真定位和映射(simulation localization and mapping,SLAM)模型获取巡检静态/动态特征,易受环境特征值变化影响,导致巡检避障故障,因此,需要基于门循环神经网络设计一种全新的电力机器人巡检方法。为此,利用电力线路巡检飞行机器人(flying robot for overhead powerline inspection,FROPI)获取了巡检环境空间先验信息,规划了电力机器人巡检路径,再基于门循环神经网络设计了电力机器人逐级巡检算法,从而实现了有效巡检。实验结果表明,设计的电力机器人巡检方法的巡检效果较好,能实现有效避障,不易发生巡检故障,具有可靠性,有一定的应用价值,为提高电力巡检安全性作出了一定的贡献。

摘要：常规的异常检测方法通过全局网络特征增强的形式获取异常检测特征,此过程中网络泛化能力较弱,导致检测模型的损失增加,影响最终的检测精准度。因此,设计了基于改进卷积神经网络的输电线路异常检测方法。提取输电线路异常特征,生成特征图集并标记出线路异常位置。基于改进卷积神经网络构建线路异常检测模型,使输电线路的临界采样样本具有较低的冗余度,对输电线路进行导线直线检测。均衡输电线路异常检测的正负样本,增强网络泛化能力,从而降低检测模型的损失。采用对比实验的方式,验证了该方法的检测精准度更高,能够应用于实际生活中。

摘要：传统的数据仓库在构建时,存在许多的冗余数据,而且物联网系统存在重复部署,数据之间形成逻辑孤岛,从而降低数据运行效率。为此,研究一种基于电力大数据异构数据混合采集方案的电力数据仓库系统。构建一个统一管理的电力数据仓库,对电力企业管辖范围内的所有相关应用软件提供统一的数据服务;在SimuWorks平台下使用25个变电站近一年真实数据进行数据模拟,发现新方案可节约超过85%的数据仓库硬件设施,提升约82.7%的数据分析准确率,同时实现IDC机房超过50%的节能。使用该方案,数据管理算法得到充分简化,数据读写响应时间也得到了显著提升。结果表明,设计的异构数据混合采集系统模型能够提高数据管理效率和读写响应时间,从而提高数据的使用效果。