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！

龙图腾网获悉云南电网有限责任公司电力科学研究院申请的专利无人机巡检的故障识别方法及装置、设备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：CN119942373B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411812097.6，技术领域涉及：G06V20/17；该发明授权无人机巡检的故障识别方法及装置、设备及存储介质是由于虹设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本无人机巡检的故障识别方法及装置、设备及存储介质在说明书摘要公布了：本发明实施例公开了一种无人机巡检的故障识别方法及装置、设备及存储介质，方法包括：通过无人机收集目标区域在不同环境条件下的红外与可见光的图像数据；根据收集到的图像数据，构建多模态数据集；利用多模态数据集进行图像数据的故障类型标签的标注处理，得到标注后的多模态数据集；基于标注后的多模态数据集，训练故障识别模型；将故障识别模型集成至无人机的无人机巡检系统中，实现对目标区域的故障类型的实时监控及智能诊断；定期更新标注后的多模态数据集及故障识别模型。通过上述方法，引入多模态数据采集、自适应模型训练和动态更新技术，实现对目标区域的高效巡检和智能诊断，提高故障识别的准确性和系统的长期可靠性。

本发明授权无人机巡检的故障识别方法及装置、设备及存储介质在权利要求书中公布了：1.一种无人机巡检的故障识别方法，其特征在于，所述方法包括： 在预设的飞行路径上，通过至少配备有红外相机和可见光相机的无人机对目标区域进行同步巡检，收集目标区域在不同环境条件下的红外与可见光的图像数据； 根据收集到的图像数据，构建多模态数据集，所述多模态数据集包括所述图像数据以及所述图像数据对应的环境条件的环境参数，所述环境参数至少包括时间戳、地理位置以及气象参数； 利用所述多模态数据集进行图像数据的故障类型标签的标注处理，得到标注后的多模态数据集； 基于所述标注后的多模态数据集，训练故障识别模型，所述故障识别模型用于在接收新的红外和可见光图像输入时，自动预测所述新的红外和可见光图像中的故障类型，并给出相应的预警信号； 将所述故障识别模型集成至所述无人机的无人机巡检系统中，实现对所述目标区域的故障类型的实时监控及智能诊断； 定期更新所述标注后的多模态数据集及故障识别模型，得到更新的故障识别模型； 其中，所述基于所述标注后的多模态数据集，训练故障识别模型，包括： 将标注后的多模态数据集作为训练数据集，所述训练数据集的每个训练样本包含图像数据、环境参数、时间戳、地理位置以及故障类型标签； 利用所述训练数据集对预设的深度学习模型进行训练，生成故障识别模型； 利用预设的验证数据集对所述故障识别模型进行验证，评估所述故障识别模型的性能指标； 根据所述性能指标对所述故障识别模型的模型参数进行优化，得到优化的故障识别模型； 其中，所述利用所述训练数据集对预设的深度学习模型进行训练，生成故障识别模型，包括： 利用多尺度卷积神经网络从红外图像和可见光图像中提取不同尺度的图像特征；利用多频段递归神经网络从环境参数中提取不同频段的环境特征； 通过自适应特征拼接算法，动态调整所述图像特征和环境特征的权重，生成高维的综合特征向量，并利用自编码器增强所述综合特征向量； 引入跨模态交互模块，通过注意力机制和门控机制，使所述综合特征向量的不同模态的特征之间进行信息交换和互补，得到交互后的综合特征向量； 设计多模态特征融合网络，通过多层全连接层和非线性激活函数，对所述交互后的综合特征向量进行进一步融合和表示，得到融合后的综合特征向量； 利用动态特征选择算法对融合后的综合特征向量进行降维处理，得到降维后的综合特征向量； 利用所述降维后的综合特征向量及深度学习模型进行故障类型预测，得到预测结果； 根据所述预测结果以及故障类型标签确定所述深度学习模型是否收敛； 若收敛，则结束所述深度学习模型的训练，得到故障识别模型。

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云南电网有限责任公司电力科学研究院，其通讯地址为：650000 云南省昆明市中国(云南)自由贸易试验区昆明片区经开区阿拉街道办云知社区云大西路105号云电科技园；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。