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！

龙图腾网获悉大连理工大学;新疆大学申请的专利基于多尺度特征的燃煤电厂异常情况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：CN121505426B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202610044812.9，技术领域涉及：G06V10/82；该发明授权基于多尺度特征的燃煤电厂异常情况识别方法是由刘宏伟;汪继伟;安毅设计研发完成，并于2026-01-14向国家知识产权局提交的专利申请。

本基于多尺度特征的燃煤电厂异常情况识别方法在说明书摘要公布了：基于多尺度特征的燃煤电厂异常情况识别方法，其属于多尺度特征与异常情况识别领域。该方法包括以下步骤：1构建图像训练集，2构建多尺度特征的燃煤电厂异常情况识别网络，3训练深度网络，4进行燃煤电厂异常情况图像检测。该方法不仅能减少漏检细小目标或误判背景干扰，提高异常情况的识别精度，还能显著提升模型在边缘平台的部署适应性与实际效率。

本发明授权基于多尺度特征的燃煤电厂异常情况识别方法在权利要求书中公布了：1.基于多尺度特征的燃煤电厂异常情况识别方法，其特征在于： S1、构建燃煤电厂异常情况图像库作为数据集； S2、构建基于多尺度特征的燃煤电厂异常情况识别网络，该网络包括主干网络、颈部网络和检测头，具体包括以下子步骤： S2.1、将燃煤电厂异常情况图像输入到主干网络中，主干网络包括4个双分支特征提取子网络DFES1、DFES2、DFES3和DFES4，依次串行连接； S2.1.1、DFES1输入为燃煤电厂异常情况图像，包含1个特征提取模块RepVGG1_1、1个特征提取模块RepVGG1_2、1个双分支模块Dufex1_1和1个卷积模块Conv1_1，串行连接；RepVGG网络采用训练-推理分离的结构设计，在训练阶段，RepVGG网络结构包括4组卷积单元GConv1以及结构相同的GConv2、GConv3和GConv4，串行连接；在推理阶段，RepVGG网络结构包括4组卷积单元GConv5、GConv6、GConv7和GConv8，串行连接； Dufex1_1包含两个并行分支，左分支包含1个卷积模块Conv1_2；右分支包含1个卷积模块Conv1_3和2个特征提取模块RepVGG1_3、RepVGG1_4，串行连接；左右分支进行特征拼接；DFES1模块输出1个特征IM1_1； S2.1.2、DFES2的输入为IM1_1，包含1个Maxpool1_1、1个双分支模块Dufex1_2和1个卷积模块Conv1_4，串行连接；其中，Dufex1_2包含两个并行分支，左分支包含1个卷积模块Conv1_5；右分支包含1个卷积模块Conv1_6和2个特征提取模块RepVGG1_5、RepVGG1_6，串行连接；左右分支进行特征拼接；DFES2模块输出1个特征IM1_2； S2.1.3、DFES3输入为IM1_2，包含1个Maxpool1_2、1个双分支模块Dufex1_3和1个卷积模块Conv1_7，串行连接；其中，Dufex1_3包含两个并行分支，左分支包含1个卷积模块Conv1_8；右分支包含1个卷积模块Conv1_9和2个特征提取模块RepVGG1_7、RepVGG1_8，串行连接；左右分支进行特征拼接；DFES3模块输出1个特征IM1_3； S2.1.4、DFES4输入为IM1_3，包含1个Maxpool1_3、1个双分支模块Dufex1_4和1个卷积模块Conv1_10，串行连接；其中，Dufex1_4包含两个并行分支，左分支包含1个卷积模块Conv1_11；右分支包含1个卷积模块Conv1_12和2个特征提取模块RepVGG1_9、RepVGG1_10，串行连接；左右分支进行特征拼接；DFES4模块输出1个特征IM1_4； S2.2、主干网络输出的主通道特征IM1_4输入到颈部网络中；颈部网络依次包括5组卷积处理单元CP1、CP2、CP3、CP4和CP5，串行连接； S2.2.1、CP1包含1个主分支MB2_1和1个侧分支LB2_1，主、侧分支特征拼接；MB2_1的输入为IM1_4，而且包含1个SPP模块、1个卷积模块Conv2_1和1个Upsample2_1模块，串行连接；LB2_1的输入为IM1_3，包含1个卷积模块Conv2_2；其中，SPP模块输出1个特征IM2_1，IM2_1为Conv2_1的输入；CP1单元输出1个特征IM2_2； S2.2.2、CP2包含1个主分支MB2_2和1个侧分支LB2_2，主、侧分支特征拼接；MB2_2的输入为IM2_2，包含1个RCS-OSA2_1模块、1个卷积模块Conv2_3和1个Upsample2_2模块，串行连接；LB2_2的输入为IM1_2，包含1个卷积模块Conv2_4；RCS-OSA2_1模块输出1个特征IM2_3，IM2_3为Conv2_3的输入；CP2单元输出1个特征IM2_4； S2.2.3、CP3包含1个主分支MB2_3和1个侧分支LB2_3，主、侧分支特征拼接；MB2_3的输入为IM2_4，包含1个RCS-OSA2_2模块和1个卷积模块Conv2_5，串行连接；LB2_3输出为IM2_3；其中，RCS-OSA2_2模块输出1个特征IM2_5，IM2_5为Conv2_5的输入；CP3单元输出1个特征IM2_6； S2.2.4、CP4包含1个主分支MB2_4和1个侧分支LB2_4，主、侧分支特征拼接；MB2_4的输入为IM2_6，包含1个RCS-OSA2_3模块和1个卷积模块Conv2_6，串行连接；LB2_4输出为IM2_1；其中，RCS-OSA2_3模块输出1个特征IM2_7，IM2_7为Conv2_6的输入；CP4单元输出1个特征IM2_8； S2.2.5、CP5的输入为IM2_8，包含1个RCS-OSA2_4模块、1个Maxpool2_1和1个E_ELAN模块，串行连接；其中，RCS-OSA2_4模块输出1个特征IM2_9，IM2_9为Maxpool2_1输入；CP5单元输出1个特征IM2_10； S2.3、将主干网络输出的IM1_1和颈部网络输出的IM2_5、IM2_7、IM2_9以及IM2_10共5种特征输入到检测头网络中；检测头网络包含5组TSCODE模块，并行连接；TSCODE模块结构相同，5组TSCODE模块的输入对应上述5种特征；每组TSCODE模块包含1个双支路结构，上支路包含1个语义上下文编码单元SCE；下支路包含1个细节保留编码单元DPE，并行输出； S3、训练深度网络，利用步骤S1构建的数据集来训练步骤S2构建的燃煤电厂异常情况识别网络，获得网络的参数和模型； S4、进行燃煤电厂异常情况图像识别，利用S3获得的燃煤电厂异常情况识别网络对新采集的燃煤电厂异常情况图像进行识别，获得异常情况识别结果。

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大连理工大学;新疆大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。