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！

龙图腾网获悉陕西科技大学申请的专利一种融合CAT-BiFPN与注意力机制的航拍绝缘子多缺陷检测方法、系统及设备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：CN116503318B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310117643.3，技术领域涉及：G06T7/00；该发明授权一种融合CAT-BiFPN与注意力机制的航拍绝缘子多缺陷检测方法、系统及设备是由亢洁;王勍;刘文波;刘佳;张万虎;夏宇设计研发完成，并于2023-02-15向国家知识产权局提交的专利申请。

本一种融合CAT-BiFPN与注意力机制的航拍绝缘子多缺陷检测方法、系统及设备在说明书摘要公布了：一种融合CAT‑BiFPN与注意力机制的航拍绝缘子多缺陷检测方法、系统及设备，通过对航拍绝缘子缺陷图像进行预处理、训练并评估YOLOv7网络模型、针对评估进行YOLOv7网络改进、训练改进YOLOv7网络；针对YOLOv7网络模型存在的没有对多尺度特征融合模块的权重进行调整，特征融合不够充分，同张图像中尺度相差极大的目标难以准确检测，没有针对小尺寸物体的检测层，尺度小的绝缘子缺陷检测效果比较差的问题进行改进，用具有单元内跳跃结构的加权双向特征金字塔CAT‑BiFPN替代YOLOv7中的双向路径融合网络PANet，减少冗余，提高多尺度目标特征的融合度，并形成针对小目标检测的第四检测层；通过添加注意力与卷积混合模块ACmix更加关注特征中的细节，使检测模型更高效地捕获关键信息，提高模型的检测能力，检测精度高、速度快。

本发明授权一种融合CAT-BiFPN与注意力机制的航拍绝缘子多缺陷检测方法、系统及设备在权利要求书中公布了：1.一种融合CAT-BiFPN与注意力机制的航拍绝缘子多缺陷检测方法，其特征在于：包括以下步骤： 步骤一、对航拍绝缘子缺陷图像进行预处理：包括图像标注、数据集图像扩增和划分数据集： 1）图像标注：利用图像标注工具对绝缘子缺陷检测数据集进行标注，将每幅图像中的缺陷部分分别用矩形框框出来，并标明所属类别； 2）数据集图像扩增：对原始图像进行随机噪声、颜色抖动和翻转，对数据集进行扩充； 3）划分数据集：将第2）步扩充得到的数据集划分为训练集、验证集和测试集，并将原始图片压缩为YOLOv7检测网络默认大小的图像； 步骤二、训练并评估YOLOv7网络模型： 将步骤一第3）步处理完成的图像作为YOLOv7网络模型的输入图像，并设置YOLOv7网络模型的运行参数，在实验操作平台上对YOLOv7网络模型进行训练，然后采用目标检测领域常用的评估指标对训练的YOLOv7网络模型进行效果评估； 步骤三、针对步骤二评估进行YOLOv7网络改进； 所述步骤三的具体方法如下： 1）替换特征融合模块并添加第四检测层： 1.1）保留YOLOv7模型中主干网络Backbone中的四个高效聚合模块ELAN，输入图片先经过主干网络，即经过四次保留的标准YOLOv7网络模型的池化和高效聚合模块ELAN的操作；对主干网络的中层、中高层、高层的特征层进行特征提取，输入到具有单元内跳跃结构的BiFPN即CAT-BiFPN中，结合扩展高效聚合模块E-ELAN和上下采样，进行不同层的特征融合，删除冗余节点，并且利用对输入增加权重的方法，区分特征融合过程中不同特征的重要程度，提高多尺度目标特征的融合度； 1.2）在YOLOv7模型中增加一个用于小尺度目标检测的预测层，即由主干网络中的第一个高效聚合模块生成低层、高分辨率的特征图作为第四输入层输入至CAT-BiFPN： 输入图片先经过主干网络，即经过四次的池化和高效聚合模块ELAN的操作；第一次池化和高效聚合模块操作后，经过1×1的卷积，进入ACmix模块，形成CAT-BiFPN模块的第四输入层；第二次池化和高效聚合模块操作后，经过1×1的卷积，进入ACmix模块，形成CAT-BiFPN模块的第三输入层；第三次池化和高效聚合模块操作后，经过1×1的卷积，形成CAT-BiFPN模块的第二输入层；第四次池化和高效聚合模块操作后，经过1×1的卷积，形成CAT-BiFPN模块的第一输入层；第四输入层经过CAT-BiFPN特征融合模块后，形成算法的第四检测层； 2）设计自注意力与卷积混合模块： 将自注意力与卷积混合模块ACmix嵌入到使用CAT-BiFPN的YOLOv7网络模型中，即对主干网络的低层和中层输出的大尺度特征图进行学习，通过ACmix机制内部的卷积通道和自注意力通道捕捉更多的特征，其输出成为CAT-BiFPN特征融合模块的第三输入层和第四输入层的输入； 步骤四、训练改进YOLOv7网络： 将步骤一第3）步中经数据处理过的图像作为步骤三中改进YOLOv7网络的输入图像，并设置YOLOv7网络模型的运行参数，在实验操作平台上对步骤三改进的YOLOv7网络模型进行训练，然后采用目标检测领域常用的评估指标对训练的YOLOv7网络模型进行效果评估，并最终输出绝缘子缺陷的检测结果。

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陕西科技大学，其通讯地址为：710021 陕西省西安市未央区大学园区陕西科技大学；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”。

以上内容由龙图腾AI智能生成。