摘要
本发明涉及计算机视觉与智能电网检测技术领域,特别是一种基于元学习的低压电表检测方法、系统、设备及介质,其包括通过元学习框架生成模型初始化参数,并构建跨任务的通用特征空间;对初始化参数进行第一目标处理,形成统一的多层级特征表达;对多层级特征表达进行第二目标处理,强化电表关键区域的判别性特征;基于判别性特征,构建跨任务相似性度量矩阵,并结合目标优化机制更新模型参数,实现新场景的快速迁移适配;通过多任务联合优化策略,提升复杂环境下的检测鲁棒性。本发明的有益效果为能够有效降低误检率与漏检率,提升电网运维的智能化水平,减少人工巡检成本与设备故障风险。
技术关键词
更新模型参数
通用特征
多层级特征
改进型卷积神经网络
多任务
低压
鲁棒性
电表检测系统
矩阵
特征金字塔网络
元学习算法
联合损失函数
表盘结构
度量
机制
特征提取器
场景特征
系统为您推荐了相关专利信息
多任务神经网络
智能优化系统
激光熔覆工艺
水轮机
覆层
设备管控方法
监测点
通风设备
矿井环境
关键区域特征学习
排放预测方法
企业
矩阵
初始化方法
碳排放预测技术
信息抽取模型
多任务
信息抽取方法
标注工具
信息抽取系统