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！

龙图腾网获悉国网湖南省电力有限公司;国网湖南省电力有限公司超高压输电公司;国家电网有限公司申请的专利基于特征融合的输电线路金具缺陷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：CN119784681B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202411723633.5，技术领域涉及：G06T7/00；该发明授权基于特征融合的输电线路金具缺陷检测方法及系统是由冯超;席崇羽;姜鹏;杨瑞;何成;崔林;黄欣;张良;祝波;罗昊;牛捷;汪志刚;周凯蓉设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本基于特征融合的输电线路金具缺陷检测方法及系统在说明书摘要公布了：本发明公开了一种基于特征融合的输电线路金具缺陷检测方法，包括获取输电线路金具的缺陷图像数据信息并预处理以构建训练数据集；基于卷积层、池化层和连接层，构建输电线路金具缺陷检测初级模型并训练得到输电线路金具缺陷检测模型；采用得到的输电线路金具缺陷检测模型对目标输电线路金具进行基于特征融合的输电线路金具缺陷检测。本发明还公开了一种实现所述基于特征融合的输电线路金具缺陷检测方法的系统。本发明通过将获取的输电线路金具图像进行信息融合，并采用构建的缺陷检测模型通过金具的图像数据进行检测；因此本发明不仅能够实现基于特征融合的输电线路金具缺陷检测，而且可靠性更高，精确性更好，效率也较高。

本发明授权基于特征融合的输电线路金具缺陷检测方法及系统在权利要求书中公布了：1.一种基于特征融合的输电线路金具缺陷检测方法，包括如下步骤： S1.获取输电线路金具的缺陷图像数据信息； S2.对步骤S1获取的数据信息进行预处理，以构建训练数据集； S3.基于卷积层、池化层和连接层，构建输电线路金具缺陷检测初级模型；具体包括如下步骤： 输入的图像数据依次通过第一卷积层和第二卷积层进行处理，以提取得到缺陷特征； 缺陷特征再依次通过第一缺陷特征构建模块、第三卷积层、第二缺陷特征构建模块、第四卷积层、第三缺陷特征构建模块、第五卷积层和第六卷积层处理，完成缺陷特征的构建，得到构建缺陷特征； 构建缺陷特征通过全局特征提取模块处理，提取得到全局特征； 全局特征经过上采样后，与第三缺陷特征构建模块的输出，在通道上进行拼接后得到第一拼接特征，并作为第一缺陷特征增强模块的输入；第三缺陷特征构建模块的输出经过第一最大池化层处理后，与第一缺陷特征增强模块的输出通过特征加权融合，并输入到第一检测头进行检测； 第一拼接特征通过第七卷积层和上采样后，与第三卷积层的输出，在通道上进行拼接得到第二拼接特征，并作为第二缺陷特征增强模块的输入； 第二拼接特征通过上采样后，与第二卷积层的输出，在通道上进行拼接得到第三拼接特征，并作为第三缺陷特征增强模块的输入； 第三拼接特征经过第二最大池化层处理后，与第二缺陷特征增强模块的输出通过特征加权融合，并输入到第二检测头进行检测； 第三缺陷特征增强模块的输出，直接输入到第三检测头进行检测； 第一检测头、第二检测头和第三检测头用于进行分类和边框回归处理，得到最终的金具缺陷检测结果； 其中，第一缺陷特征构建模块、第二缺陷特征构建模块和第三缺陷特征构建模块的处理过程，具体包括如下步骤： 第一缺陷特征构建模块、第二缺陷特征构建模块和第三缺陷特征构建模块的结构相同； 缺陷特征构建模块包括第八卷积层、第九卷积层、Sigmoid激活函数层、第十卷积层、第一批量归一化层、第十一卷积层、第十二卷积层、第十三卷积层、第二批量归一化层和SiLU激活函数层； 输入的特征通过第八卷积层处理后，分为三路特征：第一路特征依次通过第九卷积层和Sigmoid激活函数层进行处理，得到第一支路特征； 第二路特征和第一路支路特征在通道数上进行拼接后，再依次通过第十卷积层、第一批量归一化层和第十一卷积层处理，得到第二支路特征； 第三路特征通过第十二卷积层处理后，与第二支路特征，在通道数上进行拼接后，再依次通过第十三卷积层、第二批量归一化层和SiLU激活函数层处理，得到缺陷特征构建模块的输出特征； S4.采用步骤S2得到的训练数据集，对步骤S3构建的输电线路金具缺陷检测初级模型进行训练，得到输电线路金具缺陷检测模型； S5.采用步骤S4得到的输电线路金具缺陷检测模型，对目标输电线路金具进行基于特征融合的输电线路金具缺陷检测。

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国网湖南省电力有限公司;国网湖南省电力有限公司超高压输电公司;国家电网有限公司，其通讯地址为：410004 湖南省长沙市天心区新韶东路398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。