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！

龙图腾网获悉国网江苏省电力有限公司南通供电分公司申请的专利基于专家知识库的电气设备全景红外图像故障辨识方法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：CN118736267B 。

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：202410651763.6，技术领域涉及：G06V10/764；该发明授权基于专家知识库的电气设备全景红外图像故障辨识方法是由杨天驰;许琦;王震;张小锋;陈旭;王仕杰;尤子静;孙钢;江季声;高越设计研发完成，并于2024-05-24向国家知识产权局提交的专利申请。

本基于专家知识库的电气设备全景红外图像故障辨识方法在说明书摘要公布了：本发明公开了一种基于专家知识库的电气设备全景红外图像故障辨识方法，包括（一）建立电气设备红外图像专家数据库；（二）获取多张连续的电气设备红外图像，并进行图像数据预处理；（三）进行红外图像拼接，输出电气设备全景红外图像；（四）采用电气设备红外图像故障辨识算法对电气设备全景红外图像进行故障辨识。本发明通过基于专家知识库的电气设备全景红外图像故障辨识方法，实现对电气设备运行状况的整体把控，以及对故障类型的智能判断和故障原因分析，保障了电气设备的安全稳定运行。

本发明授权基于专家知识库的电气设备全景红外图像故障辨识方法在权利要求书中公布了：1.一种基于专家知识库的电气设备全景红外图像故障辨识方法，其特征是：包括下列步骤： 一建立电气设备红外图像专家数据库； 二获取多张连续的电气设备红外图像，并进行图像数据预处理； 三进行红外图像拼接，输出电气设备全景红外图像； 四采用电气设备红外图像故障辨识算法对电气设备全景红外图像进行故障辨识； 步骤三的具体方法是： 1对预处理后，编号为1和2的红外图像进行SIFT特征点提取； 2对上述两张红外图像中的特征点进行Res-DS特征点描述符生成； 3对上述两张红外图像中的特征点按照生成的特征点描述符进行匹配； 4采用RANSAC方法剔除掉图像中错误匹配点对，生成最优的图像变换矩阵模型； 5将上述两张红外图像输入到图像变换矩阵模型，生成拼接后的红外图像，令生成的图像编号为3； 循环上述步骤，直至遍历所有的红外图像； 步骤三中的步骤2的具体步骤为： a.引入L2-Net网络，在L2-Net网络中，特征塔由池化层和步长为2的卷积操作共同构建，除最后一个卷积层之外，每个卷积层后均有一个归一化层使卷积层的权值和偏置参数保持在0-1之间，最后的卷积操作是利用L2归一化层生成128维特征向量； b.建立Res-DS网络模型，该网络同时采用了两个L2-Net网络对原始红外图像和特征点周围32×32的像素块进行特征描述，并在单独L2-Net网络中添加了残差结构，在两个L2-Net网络之间添加了信息交换结构； c.Res-DS网络训练集制作；为了更精确的生成特征点描述符，自制电气设备红外图像数据集，该数据集包含137组红外图像，每组红外图像均从不同的角度拍摄同一电气设备，对同一组的每张图像中同一感兴趣的区域提取尺寸为32×32像素的图像块，最终选取出253对图像块与对应的原始红外图像作为Res-DS网络的输入； d.损失函数的定义；为了拉大非匹配对特征描述符的距离，拉近匹配对特征描述符的距离，定义结构损失函数E1和几何损失函数E2；一对图像块与对应的原始红外图像生成得到的两个特征向量推导出对应的余弦相似矩阵计算出向量L＝S-αdiagS，得到结构损失函数E1计算公式为： 其中，li,j为向量L中的元素；α∈0,1用于增大非匹配对和匹配对之间的距离；几何损失函数E2计算公式为： E2＝||F1,F2|| 其中||·||为欧氏距离；以E1+αE2作为损失函数，α设为0.4； e.训练Res-DS网络；使用梯度下降法更新网络结构参数进行训练，学习率为0.001，权重为0.0001，学习率衰减率为0.9，采用随机翻转、缩放、90°旋转、亮度和对比度调整等操作进行数据增强；匹配集大小和批量大小分别为8和64，输出的特征向量被归一化为均值是0的单位范数，训练后模型大小为5.9MB；最终采用此模型生成128位特征点描述符。

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江苏省电力有限公司南通供电分公司，其通讯地址为：226006 江苏省南通市青年中路52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”。