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！

龙图腾网获悉国网江西省电力有限公司电力科学研究院申请的专利基于跨模态智能协同的线路全息异常检测方法及系统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：CN120579035B 。

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：202511076635.4，技术领域涉及：G06F18/241；该发明授权基于跨模态智能协同的线路全息异常检测方法及系统是由邓志祥;郑杰辉;李远征;邓杰;李升健;潘建兵;蔡木良;蔡礼;刘会荣;王书恒设计研发完成，并于2025-08-01向国家知识产权局提交的专利申请。

本基于跨模态智能协同的线路全息异常检测方法及系统在说明书摘要公布了：本发明涉及电力线路巡检技术领域，提供一种基于跨模态智能协同的线路全息异常检测方法及系统。该方法包括：多模态数据采集；跨模态融合生成关联张量；异常联合推理使用时序图神经网络和强化学习输出异常置信度；动态知识驱动决策通过贝叶斯计算和迁移学习自适应调整检测阈值；分层边缘计算实现本地实时响应；多目标协同优化反馈提升检测精度。该系统由多模态感知融合层、智能分析层、边缘执行层和优化控制层组成。本发明解决了多模态信息孤立、响应延迟和环境适应性问题，显著提升缺陷检出率和系统鲁棒性。

本发明授权基于跨模态智能协同的线路全息异常检测方法及系统在权利要求书中公布了：1.一种基于跨模态智能协同的线路全息异常检测方法，其特征是，步骤如下： 步骤1.多模态数据采集：同步采集热红外成像数据、激光雷达点云数据和声纹数据，根据热红外成像数据建立温度场分布模型，得到温度场参数；通过激光雷达点云数据拟合电杆的几何形态并建模三维空间中电杆轴线的方向，从而计算电杆倾斜角度；对声纹数据进行小波包分解得到声纹特征； 步骤2.跨模态融合：通过温度场参数、电杆形变数据和声纹特征的联合运算，得到跨模态关联张量；所述跨模态关联张量用下式表示： ； 其中，为跨模态关联张量，i为热红外成像数据的索引；j为激光雷达点云数据的索引；k为声纹数据的索引；表示对第i个热红外成像数据进行热成像高斯核变换得到的热红外成像特征；为点云空间编码函数，表示对第j个激光雷达点云数据进行处理编码得到的激光雷达点云空间信息；为第k个声纹数据，表示通过声学小波包分解算子对进行小波包分解得到的声纹特征； 步骤3.异常联合推理：将动态电气拓扑图与跨模态关联张量对齐，构建初始节点特征矩阵并输入时空关联图神经网络，基于时空关联图神经网络分析电杆拓扑关系，结合物理约束强化学习动态优化检测策略，并输出包含各类缺陷的异常置信度参数；所述物理约束强化学习构建奖励函数为： ； 其中，为累计奖励值，t为时间，T为训练的总时间，为检测准确率的权重系数；为误报率的惩罚系数；为能源成本的惩罚系数；物理约束强化学习通过优化奖励函数，动态调整时空关联图神经网络的权重，为贝叶斯计算提供似然概率修正项的实时优化值，融入多模态特征的时空关联约束； 步骤4.动态知识驱动决策：将异常置信度参数转换为似然概率和先验概率，通过贝叶斯异常置信度计算与在线迁移学习实现跨场景缺陷特征的快速泛化推理与检测阈值自适应调整； 步骤5.分层边缘计算与调度：依据自适应调整后的检测阈值与高于异常置信度阈值区间的缺陷，在巡检机器人部署轻量化推理引擎，通过轻量化边缘推理引擎与自适应算力分配机制实现关键缺陷的本地化实时识别与决策； 步骤6.多目标协同优化：以综合检测率和虚警衰减比为评价指标进行多目标协同优化，并将优化结果反馈至步骤3中的物理约束强化学习阶段。

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江西省电力有限公司电力科学研究院，其通讯地址为：330000 江西省南昌市青山湖区民营科技园内民强路88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。