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！

龙图腾网获悉昆明理工大学申请的专利基于语义分割的输电线路山火监测方法、装置及存储介质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：CN116363366B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202310336242.7，技术领域涉及：G06V10/26；该发明授权基于语义分割的输电线路山火监测方法、装置及存储介质是由冯上权;王开正;谭义章;樊志成;刘峙麟;舒佳乐;付一桐;虞有楠;周顺珍;俞瑞龙;王帅旗设计研发完成，并于2023-03-31向国家知识产权局提交的专利申请。

本基于语义分割的输电线路山火监测方法、装置及存储介质在说明书摘要公布了：本发明公开了一种基于语义分割的输电线路山火监测方法、装置及存储介质，包括获取待检测图像，并输入至预先训练好的语义分割模型；所述语义分割模型基于所述待检测图像，输出烟雾图像检测结果；在检测到烟雾图像时，输出报警信号。本发明解决了现有技术中不能准确识别山火烟雾且监测时效性低、精确性差的问题，创新使用MCCL—self‑attention模块和对现有语义分割模型进行改进，提升了分割边界的准确度，增强有效特征和抑制无效特征的表达，缓解烟雾目标中存在的不显著性和类间相似性问题，解决了信息损失和损耗的问题，能准确地分割山火烟雾，提高了语义分割准确率。

本发明授权基于语义分割的输电线路山火监测方法、装置及存储介质在权利要求书中公布了：1.一种基于语义分割的输电线路山火监测方法，其特征在于，包括： 获取待检测图像，并输入至预先训练好的语义分割模型； 所述语义分割模型基于所述待检测图像，输出烟雾图像检测结果；在检测到烟雾图像时，输出报警信号； 其中，所述语义分割模型通过以下步骤训练获得： 获取烟雾图像，构建语义分割数据集； 对语义分割数据集进行预处理； 以编码器-解码器作为基础结构，搭建语义分割模型； 使用预处理后的语义分割数据集训练搭建的语义分割模型； 设置网络训练参数，使用损失函数训练搭建的语义分割模型； 所述使用预处理后的语义分割数据集训练搭建的语义分割模型，包括： 在编码阶段对编码器中骨架网络的输出结果进行特征提取和增强特征表达，所述特征包括深层特征和浅层特征；在解码阶段结合编码阶段的深层特征和浅层特征进行融合提取，输出分割结果，并采用卷积处理和上采样操作，使最终的分割结果尺寸与原输入的烟雾图像的尺寸相同； 所述骨架网络为改进后的ResNet50深度残差网络，所述ResNet50深度残差网络包括阶段一、阶段二、阶段三和阶段四；所述ResNet50深度残差网络的改进包括：将阶段三和阶段四中的普通卷积替换为空洞卷积； 所述在编码阶段对编码器中骨架网络的输出结果进行特征提取，包括： 所述阶段一输出局部特征送入解码器，所述阶段四输出局部特征送入MCCL—self-attention模块，将阶段二输出的局部特征、阶段三输出的经过卷积处理的局部特征以及MCCL—self-attention模块输出的局部特征进行通道合并，所获得的结果再经卷积处理，输出全局特征送入解码器； 所述MCCL—self-attention模块包括MCCL模块、CBAM模块和self-attention模块；所述MCCL模块包括DPPM模块； 所述阶段四输出局部特征送入MCCL—self-attention模块后的处理过程包括：所述阶段四输出局部特征送入MCCL模块，将局部特征经过卷积处理，将卷积处理后的局部特征进行特征相减和融合，从MCCL模块输出，并送入DPPM模块进行处理，将DPPM模块输出的局部特征与MCCL模块输出的经过融合的局部特征进行再融合，分别送入CBAM模块和self-attention模块进行处理； 所述CBAM模块包含SA模块和CA模块，所述CBAM模块的处理过程包括： 所述SA模块和CA模块分别给阶段四输出的局部特征分配权重，将阶段四输出的局部特征分别与分配的权重相乘，得到新的局部特征，将得到的新的局部特征相加并输出给self-attention模块进行处理； 所述self-attention模块的处理过程包括： 将阶段四输入的局部特征经过卷积和维度变换，得到局部特征A，将MCCL模块输出的局部特征经过卷积和维度变换，得到局部特征B，将局部特征A与局部特征B相乘，输出局部特征C，将CBAM模块输出的局部特征经过卷积和维度变换，得到局部特征D，将局部特征C与局部特征D相乘，所得结果经维度变换和卷积处理后，再与局部特征A相加，将得到的局部特征进行卷积处理。

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昆明理工大学，其通讯地址为：650500 云南省昆明市一二一大街文昌路68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”。