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信息通信分公司申请的专利基于相互近邻密度峰值聚类的无人机配电网设备识别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：CN121010786B 。

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：202511544549.1，技术领域涉及：G06V10/762；该发明授权基于相互近邻密度峰值聚类的无人机配电网设备识别方法是由胡兵;刘惟言;王松;彭鸿钊;黄钰惠;张祖淇设计研发完成，并于2025-10-28向国家知识产权局提交的专利申请。

本基于相互近邻密度峰值聚类的无人机配电网设备识别方法在说明书摘要公布了：本发明公开了基于相互近邻密度峰值聚类的无人机配电网设备识别方法，涉及配电网设备巡检技术领域，包括：获取配电线路的原始RGB图像；输出各通道对比度特征系数；构建饱和度保留项；计算对比度特征保持项，构建总能量函数，采用离散搜索策略求解最优通道权重，输出初始灰度图像；依次进行加权引导滤波、形态学重构与超像素分割操作；对超像素分割图像执行二维小波分解，提取特征向量；计算局部密度与相对距离，选取聚类中心，并基于共享相互近邻相似度完成样本分配，实现配电网设备识别效果。本发明有效解决了复杂光照下细节丢失、噪声干扰、边缘断裂及多尺度设备分类混乱等问题，有效提升无人机巡检的识别精度与效率。

本发明授权基于相互近邻密度峰值聚类的无人机配电网设备识别方法在权利要求书中公布了：1.基于相互近邻密度峰值聚类的无人机配电网设备识别方法，其特征在于，具体包括以下步骤： 步骤S1、通过无人机获取配电线路的原始RGB图像； 步骤S2、基于灰度结构相似性度量，量化R、G、B三通道与原始RGB图像的结构相似度，通过三通道得分总和归一化处理，输出各通道的对比度特征系数； 步骤S3、定义单通道饱和度特征为对应通道像素与三通道均值的绝对差，基于L2范数构建饱和度保留项，约束灰度差异与饱和度差异的匹配关系； 步骤S4、结合对比度特征系数计算对比度特征保持项，引入饱和度保留项，构建总能量函数，采用离散搜索策略求解满足总能量函数最小化的通道权重系数，输出初始灰度图像； 步骤S5、将原始RGB图像作为引导图，计算像素3×3邻域方差，依据方差动态调整滤波权重，构建含正则化参数的最小二乘损失函数优化参数，去除噪声并保留设备边缘轮廓，输出加权引导滤波后的灰度图像； 步骤S6、以3×3矩形结构元素对增强灰度图像执行腐蚀操作，以消除噪声，再执行膨胀操作以扩张设备边界，修复设备边缘断裂，之后依次采用3×3、5×5、7×7递增的结构元素，迭代执行开重建与闭重建操作，输出形态学重构增强灰度图像； 步骤S7、将形态学重构增强灰度图像转换至Lab空间，计算Sobel梯度图，选取梯度极小值区域为种子节点，设定颜色阈值与纹理阈值，按特征相似性划分超像素块，迭代优化边界像素归属，输出超像素分割图像； 步骤S8、对超像素分割图像执行二维小波分解操作，生成平滑子图和细节子图，计算各子图小波分解系数的均值与方差，构建特征向量与特征数据集； 步骤S9、通过欧氏距离确定每个样本的最近邻个数，得到互为近邻样本所组成的相互近邻集合，以及任意两样本相互近邻的交集所组成的共享相互近邻集合； 步骤S10、计算所有样本的局部密度与相对距离，将二者归一化后相乘，选取乘积最大的若干样本作为聚类中心； 步骤S11、将各聚类中心的相互近邻样本划分至对应类簇，再依据共享相互近邻相似度分配剩余样本，得到配电网设备的识别结果。

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信息通信分公司，其通讯地址为：330000 江西省南昌市高新技术产业开发区昌东大道7077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。