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！

龙图腾网获悉锦浪科技股份有限公司申请的专利一种基于差异化增加与结构化注意力的电弧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：CN121299388B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511871441.3，技术领域涉及：G01R31/12；该发明授权一种基于差异化增加与结构化注意力的电弧检测方法是由王一鸣;许颇;俞晓天;陈泽凯;尤伟玉;黄少伟;李文轩;何小其;黄潇设计研发完成，并于2025-12-12向国家知识产权局提交的专利申请。

本一种基于差异化增加与结构化注意力的电弧检测方法在说明书摘要公布了：本申请公开了一种基于差异化增加与结构化注意力的电弧检测方法，首先进行电流信号的采集与预处理，根据样本类型实施差异化增强，对电弧样本采用强增强提升泛化能力，对正常样本采用弱增强避免过拟合，缓解类别不平衡问题并提高模型泛化能力；其次，通过多模态特征提取方法从差异化增强后的电流信号中获取时域波形、频域频谱、时频分析、包络特征、统计分布和相关特性六种互补的特征表示，融合生成多模态图像；接着，设计集成结构化注意力的深度学习模型，对多模态图像不同特征分析区域进行区别关注，定向增强电弧特征；最后，对训练好后的模型进行动态量化，降低模型大小与推理延迟，支持多种边缘计算设备的高效部署。

本发明授权一种基于差异化增加与结构化注意力的电弧检测方法在权利要求书中公布了：1.一种基于差异化增加与结构化注意力的电弧检测方法，其特征在于，包括如下步骤： 步骤S001：电流信号采集与差异化增强：采集电流信号，根据样本类型实施差异化增强，对电弧样本采用强增强提升泛化能力，对正常样本采用弱增强避免过拟合； 步骤S002：多模态图像生成：从差异化增强后的电流信号中获取时域、频域、时频域、包络、统计和相关性六种互补的特征表示，融合生成多模态图像； 步骤S003：深度学习模型构建与训练：基于获得的多模态图像，构建具有结构化注意力的轻量化网络模型，对多模态图像的不同特征区域进行区别关注，定向增强电弧特征； 步骤S004：模型量化部署与实时监测：对完成训练的模型进行动态量化部署，用于对实时采集的电流信号进行电弧检测； 步骤S003中构建的具有结构化注意力的轻量化网络模型的具体结构包括输入层、特征提取层和分类决策层3层；各层的具体工作过程为： 步骤S31：轻量化网络输入层接收多模态图像，通过线性插值自适应变换尺寸，调整为模型输入所需尺寸； 步骤S32：轻量化网络特征提取层包含6个级联卷积块，每个卷积块执行“基础卷积层-结构化注意力-特征金字塔融合”操作； 步骤S33：轻量化网络分类决策层通过全局平均池化层将特征提取层输出的空间特征压缩为通道特征向量，经过两个全连接层完成分类决策； 步骤S34：采用改进的FocalLoss函数训练轻量化网络，通过类别加权采样解决类别不平衡问题； 步骤S34中改进的FocalLoss函数L的具体表达式为： L=-αt1-ptγ×logpt； 其中，pt表示分类器对真实类别的预测概率，t∈{0,1}表示样本真实类别标签，0表示正常，1表示电弧；αt表示类别权重，αt=1-NtNtotal；Nt表示正常电弧类别对应样本数；Ntotal表示样本总数；γ表示聚焦参数； 步骤S32具体包括如下操作过程： 步骤S32-01：基础卷积层逐层提取空间特征，构建多尺度特征表示： 步骤S32-02：结构化注意力聚焦基础卷积层的关键特征，包含通道注意力、区域注意力和跨区域注意力三个子模块； 步骤S32-03：通过特征金字塔融合多尺度特征信息；具体的表达式如下： ； 其中，Fo表示特征金字塔输出特征；Xm表示跨区域注意力输出特征；Conv1×1和Conv3×3分别表示1×1和3×3卷积核的卷积操作；Pool1×1、Pool2×2、Pool4×4分别表示自适应平均池化至1×1、2×2和4×4尺寸；UpSample·表示双线性差值上采样；Contact·表示通道维度拼接。

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锦浪科技股份有限公司，其通讯地址为：315700 浙江省宁波市象山县经济开发区滨海工业园金通路57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。