买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网浙江省电力有限公司温州供电公司;温州电力建设有限公司;国网浙江省电力有限公司申请的专利一种基于知识蒸馏的输电线路缺陷检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119941714B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510412959.4，技术领域涉及：G06T7/00；该发明授权一种基于知识蒸馏的输电线路缺陷检测方法及系统是由孔凡坊;曾璧环;宋雪萌;夏传帮;聂礼强;张翼;魏亚楠;池曦锵;胡文霞设计研发完成，并于2025-04-03向国家知识产权局提交的专利申请。

本一种基于知识蒸馏的输电线路缺陷检测方法及系统在说明书摘要公布了：本发明涉及输电线路缺陷技术领域，公开了一种基于知识蒸馏的输电线路缺陷检测方法及系统，包括获取输电线路的待检测图像；将待检测图像输入预先构建的缺陷检测模型，得到输电线路的缺陷检测结果，缺陷检测模型基于卷积神经网络构建，并采用基于知识蒸馏的教师学生训练方法进行训练，知识蒸馏包括浅层特征知识蒸馏、深层特征知识蒸馏和响应知识蒸馏中的任一种或者多种。本发明在教师模型与学生模型之间引入多层次的特征蒸馏与知识传递机制，实现了教师模型向学生模型的多层次知识迁移，有效避免了因学生模型的简化而导致对关键细节的忽视，在降低了学生模型计算复杂度的同时，具有高检测精度，从而显著提升了输电线路缺陷检测的整体效率。

本发明授权一种基于知识蒸馏的输电线路缺陷检测方法及系统在权利要求书中公布了：1.一种基于知识蒸馏的输电线路缺陷检测方法，其特征在于，包括： 获取输电线路的待检测图像，所述待检测图像包括图像数据和视频帧数据； 将所述待检测图像输入预先构建的缺陷检测模型，得到输电线路的缺陷检测结果，所述缺陷检测模型基于卷积神经网络构建，并采用基于知识蒸馏的教师学生训练方法进行训练； 其中，所述教师学生训练方法中的学生模型为所述缺陷检测模型，教师模型为预先训练好的用于对输电线路进行缺陷检测的模型，教师模型和学生模型的网络架构相同，且网络深度不同； 所述知识蒸馏包括浅层特征知识蒸馏、深层特征知识蒸馏和响应知识蒸馏中的任一种或者多种； 当采用浅层特征知识蒸馏进行模型训练时，根据区域掩模技术和误差度量方法，计算教师模型和学生模型在不同区域内的浅层特征差异，并根据不同区域内的浅层特征差异，计算浅层特征知识蒸馏损失； 当采用深层特征知识蒸馏进行模型训练时，基于注意力机制将教师模型的候选框与学生模型的深层特征进行关联，生成注意力掩码，并计算深层特征知识蒸馏损失； 当采用响应知识蒸馏进行模型训练时，将教师模型的检测结果作为软标签，基于误差度量方法计算教师模型和学生模型之间的分类响应知识损失和回归响应知识损失，得到响应知识蒸馏损失； 其中，所述基于注意力机制将教师模型的候选框与学生模型的深层特征进行关联，生成注意力掩码，并计算深层特征知识蒸馏损失的步骤包括： 通过教师模型和学生模型中，分别对各自的浅层特征图进行特征提取，得到教师模型的深层特征图和学生模型的深层特征图； 通过教师模型对教师模型的深层特征图进行目标框选，得到教师模型的候选框集合； 根据候选框集合，生成候选框指导区域，并通过线性变换将候选框指导区域映射至学生模型的深层特征图的空间维度，生成注意力掩码； 根据注意力掩码，将教师模型的深层特征图和学生模型的深层特征图进行对齐，计算深层特征知识蒸馏损失，包括： 基于均方误差计算教师模型的深层特征图和学生模型的深层特征图之间的深层特征误差损失，并计算注意力掩码和深层特征误差损失之间的内积； 根据学生模型的深层特征层数和所述内积，计算深层特征知识蒸馏损失。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网浙江省电力有限公司温州供电公司;温州电力建设有限公司;国网浙江省电力有限公司，其通讯地址为：325000 浙江省温州市鹿城区水心街道锦绣路800号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。