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！

龙图腾网获悉南京东新慧科信息技术有限公司申请的专利基于多模态图像处理的机器人电力设备缺陷检测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：CN121053085B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202511173726.X，技术领域涉及：G06T7/00；该发明授权基于多模态图像处理的机器人电力设备缺陷检测系统是由窦亮;刘佳乐;杨晓刚;张春银设计研发完成，并于2025-08-21向国家知识产权局提交的专利申请。

本基于多模态图像处理的机器人电力设备缺陷检测系统在说明书摘要公布了：本发明提供了基于多模态图像处理的机器人电力设备缺陷检测系统，该系统提高了电力设备缺陷识别的准确性与可靠性。采用红外与可见光图像联合采集，并通过多源特征与设备结构先验的配准算法，实现多模态图像的时空对齐。接着，利用动态加权融合策略，生成更具判别力的融合特征，并通过双分支机制提取异常特征与热物理一致性进行校验；最后，构建融合物理先验的神经网络模型，对校验后的特征数据进行缺陷分类与定位输出。本发明融合结构与热信息、引入物理约束机制与联合训练策略，显著提升了系统在复杂工况下的鲁棒性与工程可解释性，具备广泛应用前景。

本发明授权基于多模态图像处理的机器人电力设备缺陷检测系统在权利要求书中公布了：1.基于多模态图像处理的机器人电力设备缺陷检测系统，其特征在于，该系统包括： 采集模块，包括多个传感器和一个配准设备，所述多个传感器分别采集同一电力设备的多模态图像数据，所述配准设备对多模态图像数据执行图像配准算法，输出配准后的多模态图像数据； 约束决策模块，包含动态加权融合单元和双分支分析单元，所述动态加权融合单元对配准后的多模态图像数据进行加权融合；所述双分支分析单元基于融合结果，第一分支对融合结果提取异常关联特征，第二分支根据所述异常关联特征，进行物理约束校验，并输出校验后的特征数据； 缺陷检测模块，构建神经网络模型，并通过包含物理约束先验的联合损失函数进行训练，训练完成后的模型对所述校验后的特征数据进行缺陷识别，输出对应电力设备的缺陷类型、位置及置信度； 所述多模态图像数据分为红外热图像数据和可见光图像数据， 所述图像配准算法的具体执行步骤为， 1提取红外热图像数据和可见光图像数据的特征，表示为： ； 其中，表示红外图像特征提取网络；表示可见光图像特征提取网络；和分别表示热特征图和结构特征图； 2提取热特征图和结构特征图的关键点坐标对，表示为： ； 其中，表示红外图像中的第个特征点坐标；表示可见光图像中的第个特征点坐标；表示参与配准优化的特征点数量； 3定义二维仿射变换矩阵，并引入结构相似度正则项作为配准约束，构建优化目标函数，表示为： ； 其中，表示优化后的最优二维仿射变换矩阵；表示红外图像中的第个特征点的齐次坐标；表示对红外图像施加变换后的图像；表示图像结构相似度损失函数；表示结构约束权重因子； 4通过优化得到的最优变换矩阵，将红外热图像配准为； 所述物理约束校验的具体步骤为， 1通过线性变换，从异常关联特征中得到温度图，表示为： ； 其中，表示从异常关联特征中提取温度估计值的线性变换权重向量的转置； 2将温度图划分为若干个小网格，对每个网格上的二维稳态热传导方程进行离散化，构建热物理残差评价函数，表示为： ； 其中，表示网格的热传导残差；、和分别表示网格的平均热导率、温度和热源估计值； 3设定热残差阈值，并生成物理一致性掩码，表示为： ； 其中，表示网格的物理一致性掩码； 将所述异常关联特征与物理一致性掩码逐点相乘，得到校验后的特征数据。

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南京东新慧科信息技术有限公司，其通讯地址为：210012 江苏省南京市雨花台区软件大道170-1号2幢902-2室；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。