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！

龙图腾网获悉江苏方天电力技术有限公司申请的专利基于样式生成对抗网络的无人机巡检缺陷图像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：CN115861732B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202211486881.3，技术领域涉及：G06V10/774；该发明授权基于样式生成对抗网络的无人机巡检缺陷图像识别方法是由吴媚;王红星;王海楠;孟悦;陈玉权;张星炜设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本基于样式生成对抗网络的无人机巡检缺陷图像识别方法在说明书摘要公布了：本发明提供了基于样式生成对抗网络的无人机巡检缺陷图像识方法，属于无人机图像识别技术领域，包括以下步骤：S1、建立无人机缺陷图像样本集；S2、构建基于样式的生成对抗网络模型，并利用步骤S1建立的无人机缺陷图像样本集对其进行训练；完成训练后利用该生成对抗网络模型生成模拟缺陷图像，并建立模拟缺陷图像样本集；S3、构建分类模型，并利用步骤S1建立的无人机缺陷图像样本集，和步骤S2建立的模拟缺陷图像样本集，对分类模型进行训练，直至其能精准识别缺陷类型；本发明能高效生成更多更高质量的模拟缺陷图像样本，从而训练提高分类模型，提高对无人机巡检图像中缺陷的识别率。

本发明授权基于样式生成对抗网络的无人机巡检缺陷图像识别方法在权利要求书中公布了：1.基于样式生成对抗网络的无人机巡检缺陷图像识别方法，其特征在于，包括以下步骤： S1、建立无人机缺陷图像样本集； S2、构建基于样式的生成对抗网络模型，并利用步骤S1建立的无人机缺陷图像样本集对其进行训练；完成训练后利用该生成对抗网络模型生成模拟缺陷图像，并建立模拟缺陷图像样本集；步骤S2中构建基于样式的生成对抗网络模型，具体包括生成网络和判别网络； 所述生成网络包括输入噪声、映射网络、仿射层、傅里叶特征操作层、卷积层、若干网络层和ToRGB层； 所述输入噪声为随机从符合高斯分布的噪声中获取的随机噪声，用于生成与真实图像样本相似的模拟图像样本； 所述映射网络包括1个归一化层和8个全连接层，用于将输入的随机噪声进行特征解耦，得到中间向量w； 所述仿射层用于将中间向量w转换为全局平移和旋转参数，并将其输入傅里叶特征操作层； 所述傅里叶特征操作层用于在全局平移和旋转参数的傅里叶特征上施加旋转和平移操作； 所述卷积层对傅里叶特征操作层的输出量进行卷积，然后将此输出量作为第一网络层的输入量； 所述网络层包括上采样层、第一激活函数层、下采样层和裁切层；每个网络层以上一层的输出量和中间向量w作为输入量，输入量先由上采样层进行2倍上采样，增加输出量的分辨率；再经过第一激活函数层，第一激活函数层均采用LeakyRelu函数用于增加输出量的非线性表达；之后由下采样层对图像进行2倍下采样，恢复上采样前的分辨率；最后通过裁切层，裁切掉在该网络层过程中扩展的边界部分； 所述ToRGB层用于生成模拟图像，包括全连接层、自定义卷积层、第二激活函数层和可学习参数bias；ToRGB层将最后一个网络层的输出量和中间向量w作为输入量，生成模拟图像； 所述判别网络包括依次设置的卷积层、第三激活函数层、6个串联模块、第一密集全连接层、第五激活函数层、第二密集全连接层、第六激活函数层；所述串联模块包括卷积层、批归一层、第四激活函数层；所述第六激活函数层采用Sigmoid函数，所述第三、第四和第五激活函数层都采用LeakyRelu函数；所述判别网络用于判别输入量为真实数据的概率；卷积层利用卷积核提取图片数据的二维特征；批归一层用于对上一层输出的数据进行规范化；非线性激活函数LeakyReLU用于给判断网络添加非线性表达；全连接层用于汇集整理所有卷积结果，并将结果作为下一层的输入量；Sigmoid激活函数用于输出[0,1]区间内的单值作为判断结果的概率值； S3、构建分类模型，并利用步骤S1建立的无人机缺陷图像样本集，和步骤S2建立的模拟缺陷图像样本集，对分类模型进行训练，直至其能精准识别缺陷类型。

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江苏方天电力技术有限公司，其通讯地址为：211102 江苏省南京市江宁区科学园天元中路19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。