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！

龙图腾网获悉国网河南省电力公司电力科学研究院;国网河南省电力公司;安徽大学申请的专利基于显著性的变电站设备缺陷检测方法、系统、终端设备及计算机可读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：CN119180801B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411268189.2，技术领域涉及：G06T7/00；该发明授权基于显著性的变电站设备缺陷检测方法、系统、终端设备及计算机可读存储介质是由袁少光;毛万登;姜亮;席晟哲;李苗苗;刘善峰;张小斐;智海燕;李哲;张琦;鲍华设计研发完成，并于2024-09-11向国家知识产权局提交的专利申请。

本基于显著性的变电站设备缺陷检测方法、系统、终端设备及计算机可读存储介质在说明书摘要公布了：本发明涉及公开了一种基于显著性的变电站设备缺陷检测方法、系统、终端设备及计算机可读存储介质，包括步骤：S1、数据集预处理、S2、神经网络模型构建、S3、缺陷主体的全局特征提、S4、自适应多尺度特征融合和S5、多尺度特征融合。本发明主要采用多尺度深度学习的方法来构建神经网络模型，深层特征指导浅层特征的方式来提取有效特征，从粗到细逐层进行建模，以实现对图像的全方位特征提取，采用多尺度融合，提高变电站设备缺陷检测的鲁棒性，将深层特征与浅层特征交叉相互融合起来，有选择性地集成多层次的上下文信息，得到更为丰富且稳定有效的特征表示，从而提高了变电站设备缺陷检测的效果。

本发明授权基于显著性的变电站设备缺陷检测方法、系统、终端设备及计算机可读存储介质在权利要求书中公布了：1.一种基于显著性的变电站设备缺陷检测方法，其特征在于，包括步骤： S1、数据集预处理：构建包含多种缺陷的变电设备缺陷数据集，用于神经网络模型的训练和优化，并对数据集进行预处理操作； S2、神经网络模型构建：采用多尺度深度学习的方法来构建神经网络模型，将变电设备缺陷图像输入所述神经网络模型的主干网络SwinTransformer模型中，提取出不同尺度的特征图，从粗到细逐层进行建模，用于实现对变电设备缺陷图像的全方位特征提取和处理； S3、缺陷主体的全局特征提取：对主干网络提取的不同层次特征图进行处理过滤变电站内的复杂背景，筛选并增强有用的缺陷特征，同时提取全局特征，对之后的缺陷特征处理和特征融合阶段进行有效指导； S4、自适应多尺度特征融合：用于筛选不同尺度的特征图的信息，过滤干扰信息得到准确的缺陷边缘特征，并在高级特征的引导下增强缺陷特征的主体信息，从边缘和主体两方面进行特征的有效融合； S5、多尺度特征融合：用于将不同尺度的缺陷特征图融合起来，实现有效的多尺度特征聚合并生成最终的特征输出图； 所述神经网络模型构建步骤中，所述主干网络首先对变电设备缺陷图像进行分层级的处理，依次提取出五层特征，特定层特征级联并经特定操作得到四个特定通道特征，最终得到四个通道都是32的特征，分别标记为f1、f2、f3和f4； 在所述缺陷主体的全局特征提取步骤中，将特征f2、f3、f4三个特征送入跨层次特征融合模块，提取出的全局特征随后被用于对四个多尺度特征进行进一步的特征优化处理； 在所述自适应多尺度特征融合步骤中，筛选不同尺度特征图信息，过滤干扰的缺陷边缘特征，在高级特征引导下增强缺陷主体信息并融合。

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国网河南省电力公司电力科学研究院;国网河南省电力公司;安徽大学，其通讯地址为：450015 河南省郑州市二七区嵩山南路85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”。

以上内容由龙图腾AI智能生成。