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！

龙图腾网获悉中国科学院沈阳自动化研究所申请的专利一种基于无损数据增强策略的输电线路设备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：CN119625415B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202411748438.8，技术领域涉及：G06V10/764；该发明授权一种基于无损数据增强策略的输电线路设备检测方法是由宋纯贺;姚富龙;陈曦;蒋宇凡;李美慧设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本一种基于无损数据增强策略的输电线路设备检测方法在说明书摘要公布了：本发明属于图像检测技术领域，具体说是一种基于无损数据增强策略的输电线路设备检测方法，包括以下步骤：根据数据库中原始图像集的不同关于输电线路设备的图像类型，建立用于检测多种输电线路设备类型的图像检测模型；将待检测的输电线路设备图像进行预处理，将COCO格式的目标边界框标注转换为YOLO格式，以适应目标检测任务的需求；设置训练参数，对建立的图像检测模型进行训练，得到改进后的YOLOv10模型；将预处理后的输电线路设备图像输入至改进后的YOLOv10模型，得到数据增强后的图像，对其进行检测，得到输电线路设备的类型。本发明方法在复杂输电环境下具有优异的检测性能，可有效提升输电设备的监测效率，为保障电力供应提供了可靠性的解决方案。

本发明授权一种基于无损数据增强策略的输电线路设备检测方法在权利要求书中公布了：1.一种基于无损数据增强策略的输电线路设备检测方法，其特征在于，包括以下步骤： 步骤S1：根据数据库中原始图像集的不同关于输电线路设备的图像类型，建立用于检测多种输电线路设备类型的图像检测模型； 所述建立用于检测多种输电线路设备类型的图像检测模型，具体为： 1针对目标重叠，在图像检测模型中引入ACmix模型，通过将卷积机制与自注意力机制相结合后，形成特征处理模块，动态调整目标特征的提取过程，以提升重叠场景下的检测精度； 所述步骤1，所述特征处理模块，执行以下步骤： 1-1对输入特征图进行投影操作，通过轻量化卷积生成多组中间特征图，为后续特征聚合提供基础； 1-2分别沿卷积路径和自注意力路径对中间特征图进行处理； 1-2-1自注意力路径中，特征图被分解为查询query、键key和值value，通过计算查询与键之间的相似性生成注意力权重，利用权重对值进行加权求和，得到动态捕获目标间的全局关系； 1-2-2在卷积路径中，中间特征图进一步通过轻量化的卷积操作对局部特征进行增强，同时结合特定的位置调整策略，以保留对细节信息的精准表达； 1-3ACmix模型将自注意力路径与卷积路径的输出进行融合，得到特征图； 2针对多尺度检测任务中目标尺寸差异大，设计GELAN模块，通过将输入特征分离为多个不同感受野的子特征，并结合PGI机制，强化模型在多尺度目标检测中的鲁棒性； 2-1首先，输入的特征图经过初始卷积操作，生成具有固定通道数的中间特征图； 2-2将中间特征图分为两部分，每部分具有相等的通道数，以实现不同通道的分工处理；各部分特征图分别通过RepNCSP模块进行处理；其中，RepNCSP模块结合不同大小的卷积核，以捕获不同感受野范围内的特征，增强特征的细粒度表达能力； 2-3通过拼接操作将多个特征块重新融合，形成一个综合的特征图； 2-4融合后的特征图经过卷积操作生成新的特征图，为后续检测任务提供高质量的特征表达； 3针对小目标检测困难的问题，采用自适应空间特征融合模块，通过从不同分辨率的特征图中提取关键信息并进行动态加权融合，优化低分辨率和高分辨率特征的互补性，提高小目标在复杂场景中的检测一致性和精度； 3-1所述自适应空间特征融合模块从多个分辨率的特征图中提取关键信息； 3-2自适应空间特征融合模块对每种类型的特征图逐层调整其权重，使得每一尺度的特征贡献均可根据检测任务的需求动态分配； 3-3通过加权调整与融合操作，自适应空间特征融合模块生成统一的特征图； 4针对数据稀缺问题，选用无损数据增强策略，通过几何变换、视觉调整方法，在保持原始图像关键信息的同时生成多样化训练数据，从而显著提升模型的泛化能力和抗干扰能力； 步骤S2：将待检测的输电线路设备图像进行预处理，将COCO格式的目标边界框标注转换为YOLO格式，以适应目标检测任务的需求； 步骤S3：设置训练参数，对建立的图像检测模型进行训练，得到改进后的YOLOv10模型； 步骤S4：将预处理后的输电线路设备图像输入至改进后的YOLOv10模型，得到数据增强后的图像，对数据增强后的图像进行检测，得到输电线路设备的类型，完成输电线路设备检测。

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中国科学院沈阳自动化研究所，其通讯地址为：110016 辽宁省沈阳市沈河区南塔街114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。