成都信息工程大学何进获国家专利权
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！
龙图腾网获悉成都信息工程大学申请的专利基于CNN与Transformer融合的接触网吊弦缺陷检测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：CN116503799B 。
龙图腾网通过国家知识产权局官网在2025-08-12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：202310414019.X，技术领域涉及：G06V20/52；该发明授权基于CNN与Transformer融合的接触网吊弦缺陷检测方法是由何进;刘俊;王伟;罗德宁;张葛祥设计研发完成，并于2023-04-18向国家知识产权局提交的专利申请。
本基于CNN与Transformer融合的接触网吊弦缺陷检测方法在说明书摘要公布了：本发明公开了基于CNN与Transformer融合的接触网吊弦缺陷检测方法，涉及缺陷检测技术领域，方法采集接触网吊弦图像并进行图像增强处理，获得吊弦缺陷样本集；利用基于约束的可变卷积网络构建卷积模块，同时依据改进的高效率多头自注意力机制构建自注意模块，并基于最优模块分配比例将卷积模块与自注意模块进行深度融合，生成多块交叉混合网络来对FasterRCNN网络进行改进。基于吊弦缺陷样本集对改进后的网络进行训练和验证，获得训练好的模型并将模型部署于吊弦检测设备，实时抓拍接触网吊弦图像并输入吊弦检测设备进行吊弦缺陷检测，识别接触网的吊弦缺陷。本申请能适用复杂的自然场景环境，提高了真实复杂自然条件下的吊弦缺陷识别准确率和召回率。
本发明授权基于CNN与Transformer融合的接触网吊弦缺陷检测方法在权利要求书中公布了：1.一种基于CNN与Transformer融合的接触网吊弦缺陷检测方法，其特征在于，包括： 采集接触网吊弦图像并对所述吊弦图像进行图像增强处理，获得吊弦缺陷样本集； 利用基于约束的可变卷积网络构建卷积模块，同时依据改进的高效率多头自注意力机制构建自注意模块，并基于最优模块分配比例将所述卷积模块与自注意模块进行深度融合，生成多块交叉混合网络； 利用所述多块交叉混合网络改进FasterRCNN网络，并基于所述吊弦缺陷样本集对改进后的FasterRCNN网络进行训练和验证，获得训练好的FasterRCNN改进模型； 将所述FasterRCNN改进模型部署于吊弦检测设备，实时抓拍高速铁路的接触网吊弦图像并输入所述吊弦检测设备进行吊弦缺陷检测，识别接触网中的吊弦缺陷。
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成都信息工程大学，其通讯地址为：610200 四川省成都市西南航空港经济开发区学府路1段24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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号