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！

龙图腾网获悉东北电力大学申请的专利一种基于改进YOLOv11n的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：CN120563418B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202510588954.7，技术领域涉及：G06T7/00；该发明授权一种基于改进YOLOv11n的绝缘子缺陷检测方法是由周欣欣;赵鸿皓;李欣萌;杜原泽;易慧;张金业;张宏瑞;谢春迎;张秋实设计研发完成，并于2025-05-08向国家知识产权局提交的专利申请。

本一种基于改进YOLOv11n的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YOLOv11n的绝缘子缺陷检测方法，具体包括以下步骤；步骤1：获取绝缘子缺陷图像数据集，将数据集划分为训练集、验证集和测试集，并进行预处理；步骤2：在YOLOv11n网络中，采用SCConv模块替换C3k2模块、SPPCSPC模块替换SPPF模块、SBA模块替换Upsample模块以及采用新的LXMstripPool模块，获得改进后的YOLOv11n模型；步骤3：采用训练集和验证集对改进后的检测模型进行训练，并保存训练的最优模型；步骤4：采用测试集对最优模型进行精度测试，满足精度要求，即获得最终的绝缘子缺陷检测模型。相较于现有技术，本发明公开的一种基于改进YOLOv11n的绝缘子缺陷检测方法，能够有效提高绝缘子缺陷的检测精度，避免实际检测时存在缺陷漏检和误检的问题。

本发明授权一种基于改进YOLOv11n的绝缘子缺陷检测方法在权利要求书中公布了：1.一种基于改进YOLOv11n的绝缘子缺陷检测方法，其特征在于，具体包括以下步骤： 步骤1：获取绝缘子缺陷图像数据集，将数据集划分为训练集、验证集和测试集，并进行预处理； 步骤2：构建基于改进YOLOv11n的绝缘子缺陷检测模型，所述改进的检测模型包括改进的主干网络，改进的特征融合网络和头部网络，所述改进的检测模型的构建，进一步包括步骤2.1至步骤2.3： 步骤2.1：所述改进的主干网络由依次连接的Conv模块1、Conv模块2、SCConv模块1、Conv模块3、SCConv模块2、Conv模块4、SCConv模块3、Conv模块5、SCConv模块4、SPPFCSPC模块、C2PSA模块组成，以此构成新的主干网络结构； 将所述数据集中的训练集和验证集作为所述主干网络的输入； 所述改进的主干网络通过SCConv模块2、SCConv模块3和C2PSA模块分别输出3种不同尺度的特征信息； 步骤2.2：所述改进的特征融合网络，在YOLOv11n颈部网络的基础之上，采用SBA模块1、SBA模块2替换了原始的Upsample模块，并增加了新设计的LXMstripPool模块1、LXMstripPool模块2，LXMstripPool模块1和LXMstripPool模块2，二者结构相同；所述的LXMstripPool模块内部流程，进一步包括步骤2.2.1至步骤2.2.3： 步骤2.2.1：所述LXMstripPool模块有1个输入，输入特征图x，分别通过Conv模块1、Conv模块5和Conv模块10；其中，Conv模块1是卷积核为1×1的卷积块起到压缩通道数降低计算量的作用，Conv模块1输出的特征图记为作为Pool模块1、Pool模块2和DeformableConv模块的输入； Pool模块1对特征图进行自适应平均池化操作，自适应平均池化具体操作可表示为： ； 其中，，，，，Xu,v表示输入特征图在u,v位置的值；i,j为输出位置；Hin和Win为输入图像的高和宽，Wout和Hout输出图像的高和宽,Outputi,j为输出特征图； Pool模块1的输出作为Conv模块2的输入，Conv模块2对输入的特征图进行卷积操作，再经历Upsample模块1进行上采样操作； Pool模块2对特征图进行自适应平均池化操作，Pool模块2的输出作为Conv模块3的输入，Conv模块3对输入的特征图进行卷积操作，再经历Upsample模块2进行上采样操作； 所述DeformableConv模块1通过可变形卷积提取特征图的动态特征： ; 其中，DeformableConv代表可变形卷积，可变形卷积的具体操作表示为： ; 其中，是卷积核的采样网格，pn是预定义的固定偏移，wpn是卷积核权重，xp0+pn是输入特征图在位置p0+pn的值，Δpn是从输入特征图学习到的偏移量； Upsample模块1、Upsample模块2和DeformableConv模块1的输出进行多尺度特征融合，经过ARelu激活函数进行平滑处理，ARelu的具体操作表示为： ； 其中，α、β为可学习参数，Clampα将α限制在[0.01,0.99]，σβ是Sigmoid函数，通过分别对正值和负值进行放大和压制，实现自适应激活； ARelu处理后的结果输入到Conv模块4； 步骤2.2.2：输入特征图x，通过Conv模块5，Conv模块5是卷积核为1×1的卷积块起到压缩通道数降低计算量的作用，Conv模块5的输出记为输入到Adaptive_Pool模块1、Adaptive_Pool模块2和DeformableConv模块2； Adaptive_Pool模块1对特征图进行水平条带池化操作，并将其高度空间维度降为1，水平条带池化操作可表示为： ; 其中，，，H为特征图的高，W为特征图的宽，i,j对应特征图的位置； Adaptive_Pool模块1的输出作为Conv模块6的输入，Conv模块6对输入的特征图进行卷积操作，再经历Upsample模块3进行上采样操作； Adaptive_Pool模块2对特征图进行垂直条带池化操作，并将其宽度空间维度降为1，垂直条带池化操作可表示为： ; 其中，，，H为特征图的高，W为特征图的宽，i,j对应特征图的位置； Adaptive_Pool模块2的输出作为Conv模块7的输入，Conv模块7对输入的特征图进行卷积操作，再经历Upsample模块4进行上采样操作； DeformableConv模块2通过可变形卷积提取特征图的动态特征； Upsample模块3、Upsample模块4和DeformableConv模块2的输出进行多尺度特征融合，经过ARelu激活函数进行平滑处理；ARelu处理后的结果作为Conv模块8的输入； 步骤2.2.3：Conv模块8和Conv模块4的输出采用Concat拼接，拼接后的结果输入到Conv模块9，经过Conv模块9卷积操作后将卷积结果与Conv模块10的结果进行聚合，经由ARelu激活函数平滑后输出； 所述C2PSA模块的输出作为所述SBA模块1的输入； Concat模块1接收来自SCConv模块3和SBA模块1的输出作为输入，再依次经过，C3k2模块1、SBA模块2； Concat模块2接收来自SCConv模块2和SBA模块2的输出作为输入，再依次经过，C3k2模块2、Conv模块6； Concat模块3接收来自Conv模块6和C3k2模块1的输出作为输入，再依次经过，C3k2模块3、Conv模块7； Concat模块4接收来自Conv模块7和C2PSA模块的输出作为输入，再依次经过,C3k2模块4； 所述LXMStripPool模块1和LXMStripPool模块2分别接收来自C3k2模块4和Concat模块3的输出作为输入； 步骤2.3：将所述步骤2.2中融合后的特征输入到所述YOLOv11n模型的头部网络中，进行绝缘子缺陷检测结果的预测和筛选，得到最终的绝缘子缺陷检测的预测结果，实现绝缘子缺陷检测； 所述YOLOv11n模型的头部网络，包括3个检测头； 检测头1接收C3k2模块2输出的特征图；检测头2接收LXMStripPool模块2的输出的特征图；检测头3接收LXMStripPool模块1输出的特征图； 步骤3：采用所述训练集和验证集对所述基于改进YOLOv11n的绝缘子缺陷检测模型进行训练，并保存训练的最优模型； 步骤4：采用所述测试集对最优模型进行精度测试，满足精度要求，即获得最终的绝缘子缺陷检测模型。

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东北电力大学，其通讯地址为：132000 吉林省吉林市长春路169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。