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！

龙图腾网获悉华北电力大学(保定)申请的专利基于图像融合技术的变电站设备缺陷实时识别与预警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：CN120525879B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202511018822.7，技术领域涉及：G06T7/00；该发明授权基于图像融合技术的变电站设备缺陷实时识别与预警系统是由郭玉荣;何雨非;张珂;林颖;王子念;陈海祺;石超君;李硕士设计研发完成，并于2025-07-23向国家知识产权局提交的专利申请。

本基于图像融合技术的变电站设备缺陷实时识别与预警系统在说明书摘要公布了：本发明公开了基于图像融合技术的变电站设备缺陷实时识别与预警系统，包括：数据采集模块用于部署移动采集设备、红外传感器和可见光传感器采集变电站设备的红外图像和可见光图像；数据融合模块用于利用场景‑设备解耦融合算法获取变电站设备红外图像和可见光图像的融合图像；缺陷识别模块用于根据融合图像，利用目标检测模型识别设备缺陷并输出结果；预警模块用于判断输出结果大于风险阈值，则根据设备的缺陷类型启动声光预警，同时向运维终端和运维平台发送预警信号。本发明基于多模态图像提高识别变电站设备缺陷的准确性，进而保证变电站的安全生产。

本发明授权基于图像融合技术的变电站设备缺陷实时识别与预警系统在权利要求书中公布了：1.基于图像融合技术的变电站设备缺陷实时识别与预警系统，其特征在于，包括： 数据采集模块，用于部署的移动采集设备、红外传感器和可见光传感器采集变电站设备的红外图像和可见光图像，变电站设备包括电流互感器、电压互感器、绝缘子以及套管； 数据融合模块，用于根据红外图像与可见光图像，利用场景-设备解耦融合算法获取变电站设备红外图像与可见光图像的融合图像； 缺陷识别模块，用于根据融合图像，利用目标检测模型，识别设备缺陷，并输出结果； 预警模块，用于判断缺陷识别模块的输出结果，若输出结果大于风险阈值，则根据设备的缺陷类型启动声光报预警，同时向运维终端和运维平台发送预警信号； 其中，所述数据融合模块，具体包括： 根据移动采集设备获取待融合的源图像，包括红外图像传感器所采集变电站设备的红外图像和可见光传感器所采集变电站设备的可见光图像，所有图像经过配对处理； 根据经过配对处理的红外图像与可见光图像对，利用场景-设备解耦融合算法获取变电站设备红外图像与可见光图像的融合图像； 其中，利用场景-设备解耦融合算法获取变电站设备红外图像与可见光图像的融合图像，包括： 利用预先设计的场景-设备特征解耦网络SEFDNet对待融合的源图像进行特征提取，得到红外场景特征与红外设备特征，以及可见光场景特征与可见光设备特征，以实现源图像场景特征与设备特征的解耦，并利用解码器实现源图像的重构，得到重构红外图像与重构可见光图像； 利用预先设计的可见光场景增强融合网络VSEFNet，实现通过场景-设备特征解耦网络SEFDNet所得可见光场景特征与红外场景特征以及可见光设备特征与红外设备特征的融合，并利用解码器生成融合图像； 其中，所述场景-设备特征解耦网络SEFDNet，包括： 首先，通过浅层特征编码器，提取源图像中的浅层特征，分别为红外浅层特征与可见光浅层特征； 接着，分别采用场景编码器与设备编码器解耦红外浅层特征与可见光浅层特征，提取红外场景特征与设备特征，以及可见光场景特征与设备特征；其中，红外与可见光图像设备特征表现为红外与可见光图像中设备的关键信息，即红外图像中设备的温度信息以及可见光图像中设备的纹理信息，红外与可见光图像场景特征表现为红外与可见光图像中的场景相关信息，同时，设备作为场景中的一部分，设备与场景之间的位置关系同样包含于场景特征表达信息之中，作为场景特征中对设备的补充信息； 对于场景特征，由于不同模态图像均拍摄于同一场景，不同模态图像场景特征应当是相似的，故采用场景一致性损失函数，增强相同场景下不同模态图像场景特征的相关性，场景一致性损失函数表达如下： ； 其中，表示平滑范数，约束红外场景特征与可见光场景特征的相关性，并允许因不同模态造成的稀疏性差异； 对于设备特征，设计设备温度-纹理约束损失函数ETTCLoss指导红外与可见光设备特征的提取，并优化模型的整体特征解耦能力，分别将红外图像与可见光图像转化为灰度图像，并利用Canny算法与设置灰度阈值提取设备温度信息与纹理信息，分别指导红外设备特征与可见光设备特征的提取，设备温度-纹理约束损失函数ETTCLoss表达如下： ； ； ； 其中，与分别为红外设备特征与可见光设备特征通过点卷积在单通道维度上的投影，与分别为ETTCLoss的红外约束分量与可见光约束分量，是权重参数，保证分量在数量级上的统一，为L2范数，确保设备特征能够准确表达相应的设备信息； 最后，利用解码器将相同模态的场景特征与设备特征重构，取得重构红外图像与重构可见光图像，设计图像重构损失函数约束重构红外图像与重构可见光图像分别逼近原始红外图像与原始可见光图像,以优化解码器的图像重构能力，对于红外图像，图像重构损失函数可表示为： ； 同理，对于可见光图像，图像重构损失函数可表示为： ； 其中，是权重参数，为结构相似性损失函数，用于最小化重构图像与源图像的结构差异，为L2范数，确保重构后的图像接近于原始图像； 将上述损失函数联合，场景-设备特征解耦网络SEFDNet的训练总损失函数可表示为： ； 其中，是权重参数，用于保证分量在数量级上的统一，通过优化设备-场景特征解耦网络SEFDNet的特征解耦能力与图像重构能力； 其中，所述可见光场景增强融合网络VSEFNet，包括： 首先，经由SEFDNet预训练的编码器提取源图像特征，以下分别表示为红外场景特征与设备特征，以及可见光场景特征与设备特征；设计设备热力注意力机制ETBAM抑制红外场景特征中场景相关信息，处理后的红外场景特征可表示为： ； ； 其中，与为对红外设备特征经过通道平均池化与最大池化的结果，为7×7卷积，为sigmoid函数，为逐元素乘法，由于红外设备特征通常能够反映设备的区域，基于空间注意力机制，得到设备热力注意力图，并将设备热力注意力图与红外场景特征进行逐元素乘法，通过保留红外场景特征对设备的补充信息，抑制红外场景特征在场景区域内的信息，从而增强可见光场景信息的表达； 接着，利用场景特征融合模块与设备特征融合模块融合不同模态的场景特征与设备特征，得到融合场景特征与融合设备特征； 接着，利用场景-设备特征解耦网络SEFDNet中预训练的解码器将融合场景与融合设备特征重构为融合图像； 最后，分别设计内容分布损失函数与梯度最大值保留损失函数，对于内容分布损失函数，包含变量与； 其中，可表示为： ； 其中，，，分别为红外图像，融合图像与可见光图像在设备区域内的部分图像，为权重参数，用于控制设备区域内的红外与可见光信息分布，为图像内容约束损失函数，可表示为： ； 其中，为权重参数，，分别代表不同的两幅图像； 同理，可表示为： ； ，，分别为红外图像、融合图像与可见光图像在场景区域内的部分图像，为权重参数，用于控制场景区域内的红外与可见光信息分布； 对于梯度最大值保留损失函数，可表示为： ； 其中，为梯度算子，为绝对值函数，为最大值函数，为范数； 将上述损失函数联合，可表示为： ； 其中，为权重参数，用于保证分量在数量级上的统一，通过总体损失函数优化可见光场景增强融合网络VSEFNet的特征融合与图像生成能力。

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华北电力大学(保定)，其通讯地址为：071003 河北省保定市永华北大街619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”。