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！

龙图腾网获悉国网上海市电力公司申请的专利一种电缆通道监测与风险分级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：CN121305475B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511882217.4，技术领域涉及：G06V20/52；该发明授权一种电缆通道监测与风险分级方法是由王世民;王艺翰;杨杰;龚奕磊;牛天尧;王奕昌;杨子力;薛菲;刘嘉美;李霄设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本一种电缆通道监测与风险分级方法在说明书摘要公布了：本发明涉及一种基于工况自适应增强与跨模态统一建模的电缆通道监测与风险分级方法，包括：获取视频模态数据和传感器模态数据，建立全局统一时间轴；通过工况自适应成像增强机制对视频模态数据增强处理，加权融合计算画质分数；增强后的视频模态数据通过注意力机制增强得到最终视频特征，根据传感器位置的拓扑关系构建图结构得到传感器特征；构建跨模态融合机制，对最终视频特征与传感器特征深度语义融合得到最终融合特征；计算多维度检测结果，筛选满足可靠性条件的检测结果，将检测结果转化为风险等级和处置指令，实现电缆通道监测与风险分级。与现有技术相比，本发明具有适应复杂工况、异常识别准确性高、可靠性强和长期运行稳定等优点。

本发明授权一种电缆通道监测与风险分级方法在权利要求书中公布了：1.一种基于工况自适应增强与跨模态统一建模的电缆通道监测与风险分级方法，其特征在于，具体包括以下步骤： S1．获取视频模态数据和传感器模态数据，建立全局统一时间轴，将视频模态数据和传感器模态数据映射到同步的时间网格上，所述传感器模态数据即为环境量测数据； S2．通过工况自适应成像增强机制对所述视频模态数据增强处理，通过基于多维度图像质量特征的加权融合计算画质分数； S3．增强后的视频模态数据经过时空卷积和池化操作，通过注意力机制进一步增强得到最终视频特征，根据传感器位置的拓扑关系构建图结构，通过时空图卷积网络和门控循环单元得到传感器特征； S4．构建基于画质分数与模态置信度显式的跨模态融合机制，对所述最终视频特征与传感器特征进行深度语义融合，得到最终融合特征； 所述最终融合特征的公式为： ，， 式中，为最终融合特征，表示通过加权求和与残差连接融合输出，为视频模态置信度，为传感器模态置信度，为基于画质先验和模态置信度约束的注意力分数，为查询矩阵，为键矩阵，为值矩阵，为视频特征，为传感器特征，为特征拼接操作，为视频通道的残差权重，为激活函数，为注意力维度，和为可学习的权重参数，为可学习参数，为画质分数的时间平均值，为全1行向量，为Sigmoid函数，为查询变换矩阵，为键变换矩阵，为值变换矩阵； S5．根据所述最终融合特征计算多维度检测结果，筛选满足可靠性条件的检测结果，将所述检测结果转化为风险等级和处置指令，实现电缆通道监测与风险分级； 所述多维度检测结果判定条件为： 式中，为指示函数，条件成立为1，否则为0，为分类置信度，为置信度标准，为定位一致性指标，为定位精确性标准，为图像质量，为图像质量最低标准，为视频模态置信度，为视频模态数据可信度，为传感器模态置信度，为环境量测数据可信度，时进入风险分级流程；为各类别概率分布，和分别为第类的权重向量和偏置项，和分别为第类的权重向量和偏置项，为转置；为最终融合特征；为预测边界框，为参考边界框，为交并比；为权重，为归一化函数，为边缘密度，为全局对比度指标，、为自然图像的参考参数值，为图像偏度参数，为图像方差； 所述风险等级基于风险评分数值范围划分，所述风险评分采用多因子加权模型量化计算： 式中，为风险评分，为第个风险因子的权重系数，为对应的风险评估函数，为最终融合特征，为目标类别标签，为边界框坐标，为传感器数据向量；所述风险因子包括分类置信度因子、定位精度因子、环境严重性因子和时序一致性因子； 所述分类置信度因子公式为： 式中，为目标类别的预测概率； 所述定位精度因子公式为： 式中，为位一致性指标； 所述环境严重性因子公式为： 式中，为第个传感器的权重系数，为归一化函数，为第个传感器的测量值； 所述时序一致性因子公式为： 式中，为时序相关性系数。

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上海市电力公司，其通讯地址为：200122 上海市浦东新区中国(上海)自由贸易试验区源深路1122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。