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！

龙图腾网获悉国网江西省电力有限公司电力科学研究院申请的专利一种基于无人机的电力线路异常检测方法及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：CN120996791B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511521552.1，技术领域涉及：G06Q10/20；该发明授权一种基于无人机的电力线路异常检测方法及系统是由李长东;李帆;廖昊爽;欧阳文华;彭诗怡;徐瑞泽;舒信宇设计研发完成，并于2025-10-23向国家知识产权局提交的专利申请。

本一种基于无人机的电力线路异常检测方法及系统在说明书摘要公布了：本发明公开了一种基于无人机的电力线路异常检测方法及系统，方法包括：服务器解析电力线路检测请求得到检测区域、检测时段；规划初始检测轨迹，基于初始检测轨迹、检测区域、检测时段生成电力线路检测指令下发无人机；无人机在电子围栏内执行巡检任务，巡检过程中动态修正初始检测轨迹，采集飞行时序图像；通过线路异常检测模型对飞行时序图像分析，输出线路异常检测结果；记录实际检测轨迹，在实际检测轨迹上进行异常标记；记录巡检日志加密上传至服务器。本发明的优点在于：极大的提升了电力线路异常检测的检测效率、智能化水平与安全管理能力。

本发明授权一种基于无人机的电力线路异常检测方法及系统在权利要求书中公布了：1.一种基于无人机的电力线路异常检测方法，其特征在于，包括： 步骤S1：服务器对输入的电力线路检测请求进行解密和校验得到电力线路检测工单，解析所述电力线路检测工单得到检测区域以及检测时段； 步骤S2：服务器基于所述检测区域以及检测时段分配用于电力线路检测的无人机，规划各所述无人机的初始检测轨迹，基于所述初始检测轨迹、检测区域以及检测时段生成电力线路检测指令，将所述电力线路检测指令下发至对应的无人机； 步骤S3：无人机基于接收的所述电力线路检测指令设定电子围栏，在所述电子围栏内执行巡检任务，巡检过程中基于强化学习算法动态修正所述初始检测轨迹，并通过搭载的多光谱传感器采集电力线路的飞行时序图像； 步骤S4：无人机通过预训练的线路异常检测模型对所述飞行时序图像进行自动分析，输出线路异常检测结果； 步骤S5：无人机实时记录实际检测轨迹，基于所述线路异常检测结果在实际检测轨迹上进行异常标记，所述检测区域内的无人机相互交互所述实际检测轨迹以及无人机状态数据，基于交互的所述实际检测轨迹以及无人机状态数据动态调整初始检测轨迹； 步骤S6：无人机实时记录巡检日志，巡检日志至少包括无人机编号、飞行时序图像、实际检测轨迹、线路异常检测结果、巡检时间以及无人机状态数据，在巡检完成后，将所述巡检日志加密为加密日志，计算所述加密日志的日志指纹存证至区块链，并将所述加密日志上传至服务器； 步骤S7：服务器实时接收并存储所述加密日志，解密所述加密日志得到巡检日志，基于各无人机上传的所述巡检日志生成电力线路异常检测报告，显示所述电力线路异常检测报告； 步骤S8：服务器将所述电力线路异常检测报告加密为加密报告，存储所述加密报告，并将所述加密报告实时推送给运维终端； 所述步骤S4中，所述线路异常检测模型基于特征提取层、模态融合层、特征增强层、异常预测层以及反馈优化层构建； 所述特征提取层基于3D卷积神经网络单元、Transformer单元以及注意力门控机制单元构建；所述3D卷积神经网络单元用于通过3D卷积核从飞行时序图像中提取空间-光谱特征；所述Transformer单元用于通过多头自注意力机制整合空间-光谱特征的全局上下文信息，得到上下文特征；所述注意力门控机制单元用于通过可学习的注意力权重从上下文特征中筛选关键特征，得到影像特征； 所述模态融合层基于波段对齐模块和多尺度特征融合模块构建；所述波段对齐模块用于通过可变形卷积网络对影像特征执行空间对齐操作；所述多尺度特征融合模块用于通过交叉注意力机制，从空间对齐后的所述影像特征中提取波段间的相关性特征，通过门控融合单元动态调整各所述相关性特征的权重，并融合得到融合特征； 所述特征增强层基于自监督对比学习模块和知识图谱增强模块构建；所述自监督对比学习模块用于通过数据增强并基于所述融合特征构造正样本对和负样本对；使用对比损失函数优化所述正样本对和负样本对的特征表示，得到一级增强特征；所述知识图谱增强模块用于通过预设的电力线路知识图谱整合一级增强特征的语义信息，使用图神经网络传播知识，得到二级增强特征； 所述异常预测层基于异常分类模块和不确定性估计模块构建；所述异常分类模块用于通过全连接层和Softmax激活函数对二级增强特征进行推理，预测各异常类别的异常概率分布；所述不确定性估计模块用于通过贝叶斯神经网络预测异常概率分布的不确定度，并基于所述异常概率分布以及不确定度输出线路异常检测结果； 所述反馈优化层用于通过异常检测损失函数的反向传播，优化所述特征提取层、模态融合层、特征增强层以及异常预测层的模型参数；所述异常检测损失函数采用加权交叉熵损失函数。

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江西省电力有限公司电力科学研究院，其通讯地址为：330000 江西省南昌市青山湖区民营科技园内民强路88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。