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！

龙图腾网获悉南京信息工程大学申请的专利一种基于多源数据特征交互的覆冰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：CN120279425B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202510753442.1，技术领域涉及：G06V20/10；该发明授权一种基于多源数据特征交互的覆冰检测方法是由谈玲;陈雯佳;夏景明设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本一种基于多源数据特征交互的覆冰检测方法在说明书摘要公布了：本发明公开了一种基于多源数据特征交互的覆冰检测方法，属于图像处理技术领域，将原始覆冰图像输入动态路由图像增强自编码器，生成高质量增强后图像；提取图像多层次特征，包含局部覆冰特征、覆冰全局特征和气象时序特征；覆冰局部特征、覆冰全局特征和气象时序特征经统一尺度映射与特征预编码后，通过双向跨模态注意力机制和特征拼接操作进行交互融合，以输出覆冰融合特征；将覆冰融合特征输入多任务预测模块，经残差融合编码器提炼深层特征并完成任务映射，输出对应的覆冰类型和覆冰厚度等级；本发明通过气象时序信息和特征融合，实现了高效的覆冰检测，能够适应不同气候和地形条件，提升输电线路运行的安全性与稳定性。

本发明授权一种基于多源数据特征交互的覆冰检测方法在权利要求书中公布了：1.一种基于多源数据特征交互的覆冰检测方法，其特征在于，包括以下步骤： S1、通过输电线路上的监测摄像头采集实际的输电线路原始覆冰图像，将图像按时间顺序组织成图像序列，同时获取DEM数据和气象数据； S2、将经过归一化的覆冰图像输入动态路由图像增强自编码器，输出增强后图像； S3、将增强后图像与DEM数据并行输入双分支特征提取网络Terrafuse-BiNet，其中可变形多尺度细节特征提取分支进行边缘纹理提取，高差引导注意力感知分支融合地形进行空间建模，分别获得覆冰局部特征和覆冰全局特征； 在步骤S3中，提取覆冰局部特征和覆冰全局特征，包括以下步骤： S3.1、将增强后图像输入双分支特征提取网络Terrafuse-BiNet，在可变形多尺度细节特征提取分支，首先被输入基础特征提取层，该层包括普通卷积、批量归一化操作、ReLU激活函数和CBAM卷积注意力模块，得到初级特征具体的特征提取过程可用如下公式表示： 将初级特征输入包括梯度引导和正则约束的可变形卷积网络，可变形卷积允许在每个输出位置p0上对输入特征图进行动态采样，其采样位置由固定采样偏移量pk和可学习偏移量Δpk共同决定，输出特征的计算过程表示为： 其中，表示输出特征图中位置p0处的特征响应，表示输入的初级特征图，wk表示第k个采样点的卷积核权重，N为采样点个数，αp0为由输入梯度引导的权重系数，满足αp0∈[1,3]，具体公式如下： 其中，表示在输入特征图上位置p0处的梯度幅值，γ为控制局部增强的超参数，用于控制对局部梯度变化的响应程度，并引入L2正则项对偏移幅度进行约束，具体约束为： 其中，Loffset表示偏移量正则化损失，表示pk的L2范数平方，最终输出结构自适应的特征图 S3.2、将输入空洞空间金字塔池化模块提取多尺度上下文信息，空洞空间金字塔池化模块由三个并行空洞卷积分支组成，采用不同的空洞率，分支的计算过程表示为： 其中，r表示不同的空洞率，表示空洞率为r的3×3空洞卷积操作，表示在某个空洞率下提取的局部特征，将三组输出特征在通道维度进行拼接，生成细节特征图计算过程表示为： 其中，Concat表示通道方向的拼接操作，分别为三个并行空洞卷积分支的局部特征表示，最后进行残差连接输出覆冰局部特征，具体操作如下： S3.3、将增强后图像和DEM数据输入Terrafuse-BiNet双分支特征提取网络的高差引导注意力感知分支，首先进行通道维度拼接，生成地形联合特征图Xt，其表达为： 其中，Dt表示t时刻的DEM高程数据，随后引入归一化坐标编码，将每个像素点的归一化行列坐标张量Xcoord,Ycoord拼接至Xt中，构成空间感知联合特征图 其中，Xcoord和Ycoord分别为编码横向和纵向位置信息，Normalize表示将行列索引线性缩放至[0,1]区间，Meshgrid生成对应坐标张量，H、W分别表示高度和宽度，x、y分别表示横纵坐标；将Xcoord输入轻量级卷积编码器，编码器由两个3×3卷积块组成，每个卷积块包含卷积层、批量归一化和ReLU激活函数，提取初步空间地形融合特征随后通过1×1卷积将映射生成查询矩阵Q、键矩阵K、值矩阵V： 引入高差空间偏差函数ψ·作为位置增强项，计算注意力得分矩阵，计算过程表示为： 其中，Qi和Kj分别为i,j处的查询与键向量，表示转置操作，dk为键向量维度，Δxij和Δyij分别为像素位置i和j的归一化坐标差，Δhij为像素位置i,j的高程差值，ψ·表示Δxij、Δyij和Δhij的线性加权组合： ψΔxij,Δyij,Δhij＝α1·Δxij 2+α2·Δyij 2+α3·Δhij 2 其中，α1、α2、α3为可调超参数，范围为[0.1,10]，注意力得分矩阵Sij经softmax函数归一化后得到注意力权重aij，随后被关注位置j的特征Vj按照权重aij进行加权求和，生成位置i的注意力聚合结果Zi： 使用残差连接对Zi和进行处理，得到覆冰全局特征 其中，λ∈0,1为可调融合系数，用于调节Zi与之间的比例平衡； S4、将气象数据输入气象特征提取模块TRAM-Net，采用局部气象变异率引导注意力偏置，完成特征编码并输出气象时序特征； S5、覆冰局部、全局特征以及气象时序特征经统一尺度映射与特征预编码后，通过双向跨模态注意力机制和特征拼接操作进行交互融合，输出尺度对齐的多模态覆冰融合特征； S6、将覆冰融合特征输入多任务预测模块，其中残差融合编码器提炼出深层特征，再由任务感知多头自注意力模块提取类型特征与厚度等级特征，输入轻量分类器得到对应的覆冰类型和覆冰厚度等级。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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”。