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！

龙图腾网获悉华南理工大学申请的专利基于改进YOLOv8网络的无人机绝缘子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：CN118657711B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202410643800.9，技术领域涉及：G06T7/00；该发明授权基于改进YOLOv8网络的无人机绝缘子缺陷检测方法是由曲烽瑞;田联房;杜启亮设计研发完成，并于2024-05-23向国家知识产权局提交的专利申请。

本基于改进YOLOv8网络的无人机绝缘子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改进YOLOv8网络的无人机绝缘子缺陷检测方法，包括：构建绝缘子缺陷数据集，对数据集进行标注，标注不同类型的绝缘子缺陷；将标注后的数据集输入改进YOLOv8网络进行训练，保存最佳网络，称为YOLOv8‑RepHGNetv2；将YOLOv8‑RepHGNetv2部署在无人机边缘端，在无人机进行巡检时，将无人机拍摄的图像帧实时地传入YOLOv8‑RepHGNetv2进行检测，再将检测后得到的检测框和类别性能实时地显示在屏幕上。本发明在实现网络轻量化的同时提升缺陷检测的精度，从而提升用户的使用体验。

本发明授权基于改进YOLOv8网络的无人机绝缘子缺陷检测方法在权利要求书中公布了：1.基于改进YOLOv8网络的无人机绝缘子缺陷检测方法，其特征在于，包括以下步骤： 1构建绝缘子缺陷数据集，包含正常绝缘子图像和带有缺陷的绝缘子缺陷图像； 2对数据集进行标注，标注不同类型的绝缘子缺陷； 3将标注后的数据集输入改进YOLOv8网络进行训练，保存最佳网络，称为YOLOv8-RepHGNetv2；其中，该改进YOLOv8网络的改进之处是将骨干网络替换为RepHGNetv2，用于降低计算量以及优化硬件资源利用的同时提高特征提取能力，RepHGNetv2引入了重参数化技术，具体是在RepHGNetv2的核心模块Rep-HGblock中的基础单元RepLightConv使用了重参数化，用于在不增加网络推理速度的同时进一步丰富网络提取的特征； 所述改进YOLOv8网络使用RepHGNetv2替换YOLOv8的骨干网络，RepHGNetv2是在HGNetv2的基础上使用了重参数化技术，其中重参数化是指卷积利用了卷积的可加性在训练时构造多个结构进行训练，在推理时将这一系列结构等价转换为一个结构，HGNetv2是目标检测模型RT-DETR的骨干网络，RepHGNetv2的网络架构在其设计之初就注重于减少参数量和计算量以优化性能，RepHGNetv2包含多个Rep-HGblock，Rep-HGblock以层次化的方式处理数据，使网络学习到从低级和高级特征的丰富特征，Rep-HGblock使用大量3×3的标准卷积，由于这种卷积类型在GPU设备上具有最高的计算密度，从而构建出一个适合在GPU上进行推理的骨干网络，Rep-HGblock的基础单元Rep-LightConv在原始Conv结构的ReLU激活函数部分添加了use-lab结构，该use-lab结构能够通过调节参数控制特征维度的大小以减少计算量，在Rep-HGblock的中间，HGNetv2引入了可学习的下采样层LDSLayer，LDSLayer通过设置group参数等于输入通道数，实现了在保持关键信息的同时，降低网络的参数数量和计算量，RepHGNetv2仅包含三个LDSLayer，这样的设计在保持性能的同时，也确保了不会对GPU的利用率造成压力，此外，RepHGNetv2的第一层采用了通道数为96的Stem模块，这一设计旨在从源头上缩减网络的复杂性和计算负担，另外，RepHGNetv2选用了ReLU作为激活函数； Rep-HGblock中的基础单元Rep-LightConv使用了重参数化技术，Rep-LightConv的重参数化通过引入额外的参数或变换，能够增强网络的表达能力，同时又不会增加网络推理时的计算复杂度和速度； 4将YOLOv8-RepHGNetv2部署在无人机边缘端，在无人机进行巡检时，将无人机拍摄的图像帧实时地传入YOLOv8-RepHGNetv2进行检测，再将检测后得到的检测框和类别性能实时地显示在屏幕上。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。