Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国电力科学研究院有限公司;国网江苏省电力有限公司;国网江苏省电力有限公司泰州供电分公司付晶获国家专利权

中国电力科学研究院有限公司;国网江苏省电力有限公司;国网江苏省电力有限公司泰州供电分公司付晶获国家专利权

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!

龙图腾网获悉中国电力科学研究院有限公司;国网江苏省电力有限公司;国网江苏省电力有限公司泰州供电分公司申请的专利一种基于多层级多尺度特征融合的电网设备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:CN116739963B

龙图腾网通过国家知识产权局官网在2025-10-21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:202310061977.3,技术领域涉及:G06T7/00;该发明授权一种基于多层级多尺度特征融合的电网设备缺陷检测方法是由付晶;谈家英;周立玮;杨宁;彭波;邵瑰玮;高超;蔡焕青;戴永东;陈怡;刘壮;胡霁;文志科设计研发完成,并于2023-01-18向国家知识产权局提交的专利申请。

一种基于多层级多尺度特征融合的电网设备缺陷检测方法在说明书摘要公布了:本发明公开了一种基于多层级多尺度特征融合的电网设备缺陷检测方法。其中,方法包括:采集待检测缺陷的电网设备的巡检图像数据;通过与电网设备对应的全类缺陷检测模型对巡检图像数据进行全类缺陷检测,确定第一缺陷检测结果;通过与电网设备对应的多个单类缺陷检测模型对巡检图像数据进行单类缺陷检测,确定第二缺陷检测结果;利用非极大值剔除方法对第一缺陷检测结果和第二缺陷检测结果进行重叠结果剔除,确定电网设备的缺陷检测结果。

本发明授权一种基于多层级多尺度特征融合的电网设备缺陷检测方法在权利要求书中公布了:1.一种基于多层级多尺度特征融合的电网设备缺陷检测方法,其特征在于,包括: 采集待检测缺陷的电网设备的巡检图像数据; 通过与所述电网设备对应的全类缺陷检测模型对所述巡检图像数据进行全类缺陷检测,确定第一缺陷检测结果; 通过与所述电网设备对应的多个单类缺陷检测模型对所述巡检图像数据进行单类缺陷检测,确定第二缺陷检测结果; 利用非极大值剔除方法对所述第一缺陷检测结果和所述第二缺陷检测结果进行重叠结果剔除,确定所述电网设备的缺陷检测结果,其中缺陷检测方法所采用的全类缺陷检测器的前两个大尺寸输入的sub-Backbone中多层级残差单元的常规卷积替换成DSC; 利用非极大值剔除方法对所述第一缺陷检测结果和所述第二缺陷检测结果进行重叠结果剔除,确定所述电网设备的缺陷检测结果,包括: 根据所述第一缺陷检测结果和所述第二缺陷检测结果分别构建多个缺陷类型的待处理候选框集,并构造一个存放最优框的集合M; 分别计算所述候选框集中每个候选框的置信度,并根据所述置信度对所述候选框集中的候选框进行排序,选出置信度最高的候选框移入到所述集合M; 遍历所述候选框集中的候选框,分别与所述集合M计算动态交并比,在所述交并比高于预先设置的第一阈值的情况下,将该候选框从所述候选框集去除,并且在所述交并比不高于所述第一阈值的情况下,将该候选框移入至所述集合M; 在所述候选框集为空时,依次获得多个缺陷类型的待处理候选框集对应的多个集合M,并根据所述多个集合M确定所述缺陷检测结果; 遍历所述候选框集中的候选框,分别与所述集合M计算动态交并比,包括: 根据每个所述候选框的缺陷类型对应的动态交并比计算公式,分别计算与所述集合M的交并比; 所述候选框的缺陷类型对应的动态交并比计算公式包括: 在所述候选框的缺陷类型为预设的小尺寸类缺陷或小目标缺陷的情况下,所述动态交并比计算公式为: 在所述候选框的缺陷类型为非小尺寸类缺陷或者非小目标缺陷的情况下,所述动态交并比的计算公式为: 其中,MIOU为动态交并比,d为候选框和集合M中框的中心点距离,c为包含候选框和集合M中框外接矩形的对角线,ws为候选框的宽,hs为候选框的高。

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中国电力科学研究院有限公司;国网江苏省电力有限公司;国网江苏省电力有限公司泰州供电分公司,其通讯地址为:100192 北京市海淀区清河小营东路15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”。

以上内容由龙图腾AI智能生成。

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。