摘要
本发明公开了一种基于多模态数据融合的配电设备状态检测方法、装置、终端设备及存储介质,属于配电设备领域,所述方法为:获取多模态数据;利用时序卷积网络、残差神经网络和Transformer网络,对获取到的多模态数据进行特征分析,得到局部异常波动特征、红外温度空间分布特征和视频全局特征表示;将局部异常波动特征、红外温度空间分布特征和视频全局特征表示进行特征拼接,得到融合特征并输入至长短时记忆网络,得到历史隐藏状态序列;根据历史隐藏状态序列、融合特征以及部署在设备本地网络域内的边缘设备,确定待检配电设备的设备状态。通过实施本申请,能够解决现有技术仅依据单一模态数据而导致配电设备状态分析准确率低的问题。
技术关键词
配电设备状态
多模态数据融合
空间分布特征
融合特征
残差神经网络
波动特征
拓扑图
图像
空间特征提取
时序特征
序列
视频
特征提取模块
数据获取模块
节点特征
终端设备
联邦学习系统
系统为您推荐了相关专利信息
巡检机器人
多模态数据融合
双目视觉系统
生成轨迹
计算机可执行指令
特征数据库
专用识别
短时傅里叶变换
混合网络
动态更新
多分量地震数据
融合特征
知识图谱驱动
数据体
参数
风险预测方法
成分分析
非线性神经网络
患者
Softmax函数
人体姿态估计算法
姿态特征
门控循环神经网络
融合特征
图像特征提取