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！

龙图腾网获悉上海格鲁布科技有限公司申请的专利一种基于ViT和Transformer模型的局部放电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：CN119206340B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411300564.7，技术领域涉及：G06V10/764；该发明授权一种基于ViT和Transformer模型的局部放电检测方法是由沈道义;赵洪义;胡勇;章磊;尹国子;金赟设计研发完成，并于2024-09-18向国家知识产权局提交的专利申请。

本一种基于ViT和Transformer模型的局部放电检测方法在说明书摘要公布了：本发明公开了一种基于ViT和Transformer模型的局部放电检测方法，包括以下步骤：获取局部放电PRPD图谱，并转换为特征PRPD图像；使用预训练的ViT模型，提取特征PRPD图像的特征数据，并输出至Transformer模型；自定义Transformer模型，处理特征数据；使用全局平均池化和全连接层，分类处理后的特征数据，识别多种局部放电源。本发明使用预训练的ViT模型作为特征提取器，将局部放电PRPD图谱转换为图像数据并提取特征数据，设置多层结构的TransformerBlock，能够更好地解释和分析特征PRPD图像，全局平均池化和全连接层进一步处理特征数据，实现多标签分类，解决多个局部放电源的脉冲信号重叠以及噪声信号重叠的问题，能够适应不同来源和不同格式的PRPD图像数据，提高了检测速度和效率，降低了检测误差。

本发明授权一种基于ViT和Transformer模型的局部放电检测方法在权利要求书中公布了：1.一种基于ViT和Transformer模型的局部放电检测方法，其特征在于，包括以下步骤： 步骤S1，随机组合和移动单源局部放电PRPD图像，模拟多源局部放电PRPD图像，获取所述多源局部放电PRPD图像，并转换为特征PRPD图像； 步骤S2，准备所述特征PRPD图像数据和数据集，具体为，所述特征PRPD图像最初进行20％的随机水平移动，然后将所述特征PRPD图像转换为244*244*3图像格式，并通过除以255对红蓝绿三种颜色通道进行归一化，然后输入至预训练的ViT模型中，所述预训练的ViT模型具体包括，所述ViT模型使用预先训练好的权重从所述特征PRPD图像中提取特征，并输出至Transformer模型； 步骤S3，对所述Transformer模型进行自定义，具体过程包括，使用并连接五层transformerblock，用于识别五种局部放电类型的特定特征，分别为尖端放电、悬浮放电、电晕放电、绝缘放电和噪声数据，并按顺序将它们与transformerblock层连接起来，使用所述Transformer模型处理特征数据； 步骤S4，使用全局平均池化和全连接层，分类处理后的特征数据，识别多种局部放电源类型； 所述步骤S1中，先将所述多源局部放电PRPD图像转换为文本文件，再将所述文本文件转换为所述特征PRPD图像，并对所述特征PRPD图像进行对数变换，增强颜色和灵敏度，所述文本文件为155行*256列的文本数据； 所述多源局部放电PRPD图像到所述特征PRPD图像的输入转换为，输入形状从batch_size,height,width,channels转换为batch_size,channels,height,width，其中，batch_size为样本数量，height为图像高度，width为图像宽度，channels为图像的颜色通道数，所述特征PRPD图像的分辨率为244*244； 所述特征PRPD图像设置有红绿蓝三色，每种颜色都通过系数阈值矩阵转换为对应颜色，不同颜色代表不同幅值相位下的脉冲信号，所述系数阈值矩阵为：； 所述步骤S2中，所述预训练的ViT模型接收输入的所述特征PRPD图像，并分割成若干不重叠的补丁，展平所述补丁并嵌入为第一特征向量，输出至所述Transformer模型； 所述第一特征向量的形状为batch_size,num_patches,embed_dim，其中，batch_size为样本数量，num_patches为图像分成的补丁数量，embed_dim为嵌入维度，所述第一特征向量的特征维度为197*768； 所述步骤S4中，使用全局平均池化将所述第一特征向量聚合为第二特征向量，并通过Dropout和全连接层进行分类，识别多种局部放电源。

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上海格鲁布科技有限公司，其通讯地址为：201800 上海市嘉定区南翔镇德力西路88号1幢A区530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”。