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！

龙图腾网获悉辽宁电力能源发展集团监理有限公司申请的专利基于水下声光融合的海底海缆管线检测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：CN120107772B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510578489.9，技术领域涉及：G06V20/05；该发明授权基于水下声光融合的海底海缆管线检测方法是由顾炜;常晓峰;刘国福;马云龙;高蔚;付先平;袁国良;刘安良设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本基于水下声光融合的海底海缆管线检测方法在说明书摘要公布了：本发明公开了基于水下声光融合的海底海缆管线检测方法，涉及水下探测相关领域，该方法包括：通过水下传感器设备采集获取水下声呐图像数据和水下光学图像数据；进行预处理提取，获得声呐矩形图像数据和标准光学图像数据；使用平行双分支的卷积‑Transformer网络进行特征提取，获得声学模态嵌入特征集和光学模态嵌入特征集；进行注意力感知和加权融合，获得声光多模态融合级特征；通过多模态解码器结构进行解码，获得声光融合像素级特征；使用检测回归头和分类头进行检测分类，获得海底海缆管线检测结果。解决了现有海底海缆管线检测存在的检测精度和鲁棒性不足的技术问题，达到了提高检测精度，增强检测鲁棒性的技术效果。

本发明授权基于水下声光融合的海底海缆管线检测方法在权利要求书中公布了：1.基于水下声光融合的海底海缆管线检测方法，其特征在于，所述方法包括： 通过水下传感器设备采集获取包含目标海底海缆管线的水下声呐图像数据和水下光学图像数据； 分别对所述水下声呐图像数据和水下光学图像数据进行预处理提取，获得声呐矩形图像数据和标准光学图像数据； 使用平行双分支的卷积-Transformer网络分别对所述声呐矩形图像数据和标准光学图像数据进行特征提取，获得声学模态嵌入特征集和光学模态嵌入特征集； 对所述声学模态嵌入特征集和光学模态嵌入特征集进行注意力感知和加权融合，获得声光多模态融合级特征； 通过多模态解码器结构对所述声光多模态融合级特征进行解码，获得声光融合像素级特征； 使用检测回归头和分类头对所述声光融合像素级特征进行检测分类，获得海底海缆管线检测结果； 所述获得声光多模态融合级特征，包括： 基于动态注意力融合网络对所述声学模态嵌入特征集和光学模态嵌入特征集进行注意力感知，获得多模态特征注意力图； 构建特征对齐公式：，其中表示所使用的KL散度损失函数，其对应的输入分别为和，即声学特征嵌入的第个特征区域和光学特征嵌入的第个特征区域，是特征区域总数； 基于所述特征对齐公式对所述声学模态嵌入特征集和光学模态嵌入特征集进行特征对齐操作； 构建多模态特征融合公式：，其中，为光学模态嵌入特征集，为声学模态嵌入特征集，为权重图； 将所述多模态特征注意力图作为权重图，基于所述特征融合公式对特征对齐后的所述声学模态嵌入特征集和光学模态嵌入特征集进行融合，获得所述声光多模态融合级特征； 所述获得多模态特征注意力图，包括： 根据所述动态注意力融合网络，构建注意力融合网络公式如下：，，其中，表示声学模态嵌入特征集对应的注意力图，表示光学模态嵌入特征集对应的注意力图，表示深度学习中的最大池化层，表示深度学习中的平均池化层，表示卷积核大小为的卷积层； 基于所述注意力融合网络公式对所述声学模态嵌入特征集和光学模态嵌入特征集进行注意力感知，获得声学嵌入特征注意力图和光学嵌入特征注意力图； 对所述声学嵌入特征注意力图和光学嵌入特征注意力图进行叠加融合和通道混淆，获得所述多模态特征注意力图； 所述获得所述多模态特征注意力图，包括： 构建叠加融合公式：，其中，表示叠加融合的一致注意力图，表示声学嵌入特征注意力图的融合权重，表示光学嵌入特征注意力图的融合权重，其在学习过程中是动态更新的； 基于所述叠加融合公式对所述声学嵌入特征注意力图和光学嵌入特征注意力图进行叠加融合，生成一致注意力图； 构建通道混淆公式：，其中，表示多组卷积核为7的卷积层，为深度学习中采用的激活函数，； 基于所述通道混淆公式对所述一致注意力图进行通道混淆，获得所述多模态特征注意力图。

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辽宁电力能源发展集团监理有限公司，其通讯地址为：110000 辽宁省沈阳市和平区八经街94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”。