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！

龙图腾网获悉国网四川雅安电力(集团)股份有限公司雨城供电公司;国网四川雅安电力(集团)股份有限公司申请的专利一种基于深度学习和多模态融合的无人机电力巡检图像智能分析方法、系统及其介质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：CN120726041B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202511203539.1，技术领域涉及：G06T7/00；该发明授权一种基于深度学习和多模态融合的无人机电力巡检图像智能分析方法、系统及其介质是由牟昊;叶超;余洋;任浩;姜勇;彭涛;田元平;张劲;古海阳;罗思远;罗晨丹;钟加勇设计研发完成，并于2025-08-27向国家知识产权局提交的专利申请。

本一种基于深度学习和多模态融合的无人机电力巡检图像智能分析方法、系统及其介质在说明书摘要公布了：本发明公开了一种基于深度学习和多模态融合的无人机电力巡检图像智能分析方法、系统及其介质，涉及电力设备检测技术领域。所述方法包括：采用A*算法规划最优巡检路径，实现多传感器同步数据采集；对可见光图像进行自适应直方图均衡化和去雾处理，对红外图像进行非均匀性校正和温度标定，对点云数据进行滤波和配准；构建基于改进VGGNet‑16的多尺度特征融合网络，引入可变形卷积、跨模态注意力机制实现多源数据融合；基于三级模板库和特征图互相关算法进行缺陷检测，结合非极大值抑制和亚像素定位提升精度；最终生成包含缺陷类型、位置和维修建议的检测报告。本发明显著提高了电力巡检的自动化水平和检测精度。

本发明授权一种基于深度学习和多模态融合的无人机电力巡检图像智能分析方法、系统及其介质在权利要求书中公布了：1.一种基于深度学习和多模态融合的无人机电力巡检图像智能分析方法，其特征在于，所述方法包括： S1、采用多旋翼无人机搭载三轴稳定云台系统，所述云台系统集成高分辨率可见光相机、红外热像仪和激光雷达，通过A*算法规划最优巡检路径，实现多角度全覆盖扫描和多传感器同步数据采集； S2、对采集的可见光图像进行自适应直方图均衡化和去雾处理，对红外图像进行非均匀性校正和温度标定，对点云数据进行离群点剔除和体素网格滤波，并采用ORB-SLAM3算法实现多源传感器时空同步和亚像素级配准； S3、构建基于VGGNet-16架构的多尺度特征融合网络，通过引入可变形卷积模块、多级金字塔池化结构和跨模态注意力机制，实现可见光、红外和点云数据的自适应特征融合； S4、基于构建的三级模板库，采用特征图互相关算法进行多尺度动态模板匹配，通过非极大值抑制筛选高置信度缺陷区域并实现亚像素级精确定位； S5、结合结构相似性指标、热异常分析和三维形变测量结果，自动生成包含缺陷类型、精确位置和维修建议的检测报告； 所述步骤S2具体包括： S21、可见光图像处理：采用基于Retinex理论的多尺度自适应直方图均衡化算法，通过局部对比度受限处理实现图像增强；应用暗通道先验去雾算法，结合大气散射物理模型和深度学习先验知识进行图像去雾处理； S22、红外图像处理：采用基于参考黑体的两点校正法进行非均匀性校正，校正后图像的非均匀性误差小于0.1℃；基于普朗克黑体辐射定律建立高精度温度标定模型，实现像素灰度值到温度值的精确转换； S23、点云数据处理：采用基于k近邻的统计离群点检测算法，动态计算距离阈值实现噪声点滤除； 使用自适应分辨率的体素网格滤波方法，在保持特征完整性的同时实现点云数据压缩； S24、多源传感器配准：ORB-SLAM3算法通过以下方式实现多源数据精确配准：构建多模态特征描述子，融合视觉、红外和几何特征；引入IMU预积分约束优化初始位姿估计；设计联合优化目标函数，同时最小化重投影误差和几何一致性误差； 所述步骤S3具体包括： S31、网络架构改进： 在VGGNet-16主干网络的Conv3和Conv4层后分别插入可变形卷积模块，所述模块包括：可变形卷积核组，支持3×3至7×7的动态感受野调整；两层级联的偏移量预测网络，用于生成特征采样位置偏移量；双线性插值特征重采样单元； S32、多尺度特征提取：构建包含四个层级的多尺度特征金字塔：第一级：采用3×3标准卷积提取底层特征；第二级：结合空洞率为2的空洞卷积与2×2最大池化进行中层特征融合；第三级：通过跨层跳跃连接实现高层特征聚合；第四级：应用SE模块实现通道注意力加权； S33、跨模态特征融合：设计三支路并行特征提取网络：可见光支路：通过5层卷积提取RGB空间纹理特征；红外支路：采用4层卷积提取温度分布特征；点云支路：基于PointNet++架构提取三维几何特征； S34、自适应特征融合：采用三级融合策略：初级融合：通过1×1卷积将特征维度统一至256维；中级融合：应用4级空间金字塔池化提取多尺度上下文信息；高级融合：基于注意力机制的特征加权拼接；最终输出分辨率为原图18的多尺度多模态融合特征图； 所述S4包括以下步骤： S41、构建三级模板库，包括标准模板库、局部特征模板库和动态更新模板库； S42、采用特征图互相关算法进行多尺度动态模板匹配，具体包括： S421、基于VGGNet的尺度自适应特征提取：对于输入图像和模板，通过卷积神经网络提取第层特征图和模板特征图，其中感受野满足约束条件，其中，H、W分别表示图像的高度和宽度，C表示可见光图像的色彩通道数，h、w分别表示模板的高度和宽度； S422、特征图互相关计算：采用互相关公式计算相似度矩阵： ， 其中，表示在位置处的子区域，为位置坐标，表示Frobenius范数，分别表示采样特征图的高度和宽度，模板特征图的高度和宽度，、表示提取特征，将图像映射到可匹配的特征空间，表示改进互相关函数，i,j,k分别表示用于遍历特征图数据在高度方向、宽度方向、通道上的索引变量； S423、多尺度匹配：设置缩放因子集合，R、r分别为缩放因子指数及对应的索引，对每个执行步骤S421-S422，通过双线性插值将各尺度匹配结果统一到原始分辨率； S43、采用非极大值抑制筛选候选区域：对多尺度匹配结果进行融合，保留IOU≥0.7且置信度前K的候选区域； S44、亚像素级精确定位：对候选区域中心点进行泰勒展开优化： , 通过求解Hessian矩阵特征向量确定亚像素级偏移量，表示亚像素级偏移量； S45、缺陷区域验证与模板库更新：将确认的缺陷区域特征存入动态更新模板库，定期优化局部特征模板库。

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四川雅安电力(集团)股份有限公司雨城供电公司;国网四川雅安电力(集团)股份有限公司，其通讯地址为：625015 四川省雅安市雨城区雅州大道168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。