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！

龙图腾网获悉成都工业职业技术学院申请的专利一种用于轨道交通运维场景的视觉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：CN121074823B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511631632.2，技术领域涉及：G06V20/54；该发明授权一种用于轨道交通运维场景的视觉异常检测方法及系统是由张浩东;曹勇;付兵;陈爱平;马志伟;曾蜜艺设计研发完成，并于2025-11-10向国家知识产权局提交的专利申请。

本一种用于轨道交通运维场景的视觉异常检测方法及系统在说明书摘要公布了：本发明涉及数据处理及分析技术领域，公开了一种用于轨道交通运维场景的视觉异常检测方法及系统，通过采集轨道交通运维图像数据，对图像数据进行预处理，再选择性的经目标检测器传输至构建的异常检测器，利用异常检测器执行特征提取聚合、特征分布拟合与异常分数计算，获得异常检测器针对输入图像的异常检测结果，最后根据异常检测结果，执行轨道交通运维异常报警。由此，本发明通过采用特征呼吸机制、非对称式编解码器结构和自注意力解码器层等网络结构方面的优化设计，显著提升了异常检测算法的模型性能，可在一个模型内实现多类型部件或设备的异常检测，同时，能够改善已有检测系统存在的漏检风险，提升系统的鲁棒性及对多样化异常的适应性。

本发明授权一种用于轨道交通运维场景的视觉异常检测方法及系统在权利要求书中公布了：1.一种用于轨道交通运维场景的视觉异常检测方法，其特征在于，所述方法包括以下步骤： S1：采集轨道交通运维图像数据，对图像数据进行预处理； S2：将预处理的图像数据选择性传输至目标检测器进行主体目标检测； S3：将预处理的图像数据或目标检测器输出的主体目标传输至异常检测器的特征提取聚合单元，获得聚合特征；具体包括： S31：将预处理的图像数据或目标检测器输出的主体目标传输至异常检测器的特征提取聚合单元，由基于CNN或Transformer的预训练主干网络作为特征提取器，从输入的预处理后的图像中提取出多尺度特征； S32：将多尺度特征通过尺寸调整及特征拼接后得到聚合特征；其中，通过尺寸调整及特征拼接后得到聚合特征的表达式，具体为： ； 式中，表示聚合特征，Resize表示特征尺寸调整操作，Concat表示特征拼接操作，表示第i个阶段的特征，m表示阶段总数； S4：将聚合特征传输至异常检测器的特征分布拟合单元，基于特征呼吸机制得到压缩特征，建立基于压缩特征与聚合特征的损失函数执行模型训练； 其中，基于特征呼吸机制得到压缩特征，具体包括： S41：将聚合特征传输至异常检测器的特征分布拟合单元，通过线性层对叠加了特征扰动的聚合特征进行通道膨胀；其中，进行通道膨胀的表达式，具体为： ； S42：对通道膨胀后的聚合特征由基于Transformer架构的编解码器进行重构，获得重构后的特征； S43：通过线性层将重构后的特征的通道压缩至原通道数，得到压缩特征； 其中，进行通道压缩的表达式，具体为： ； S44：建立基于压缩特征与聚合特征的损失函数执行模型训练；其中，所述损失函数的表达式，具体为： ； 式中，L表示损失函数，MSE表示均方误差； S5：在模型训练后，基于多尺度特征与压缩特征，生成输入图像数据的异常分割图，根据异常分割图，确定输入图像数据的异常分数；具体包括： S51：在模型训练后，根据检测目标的特性选择不同的特征层参与计算，根据异常类型丰富程度选择距离度量方式和调节参数； S52：基于选择的特征层、距离度量方式和调节参数，针对多尺度特征与压缩特征，生成输入图像数据的异常分割图，表达式具体为： ； 式中，L2为L2距离，CS表示余弦相似度，λ表示调节参数，表示多尺度特征，上标b表示第b个特征层，表示压缩特征的第b个特征层； S53：取异常分割图中数值最大的K个点位计算均值，得到输入图像数据的异常分数； S6：根据所述异常分数，执行轨道交通运维异常报警。

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成都工业职业技术学院，其通讯地址为：610000 四川省成都市天府新区成都片区正兴镇大安路818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。