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！

龙图腾网恭喜华雁智能科技(集团)股份有限公司申请的专利变电站表计低位缺陷识别方法、系统、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：CN119919922B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202510414396.2，技术领域涉及：G06V20/60；该发明授权变电站表计低位缺陷识别方法、系统、设备及存储介质是由刘洪;赵利博;包伊莉;陈尚良;罗美容设计研发完成，并于2025-04-03向国家知识产权局提交的专利申请。

本变电站表计低位缺陷识别方法、系统、设备及存储介质在说明书摘要公布了：本申请涉及图像处理技术领域，公开一种变电站表计低位缺陷识别方法、系统、设备及存储介质。该方法包括：通过改进的Yolov9‑m表计识别模型获取变电站表计图像的表盘区域类型、表盘区域检测框、刻度区域掩模和指示区域掩模；根据表盘区域检测框对变电站表计图像进行裁剪得到表盘区域图像，根据表盘区域矫正模板对表盘区域图像、刻度区域掩模和指示区域掩模进行矫正处理；针对不同的表盘区域类型，基于矫正刻度区域掩模计算刻度区域总面积，基于矫正指示区域掩模计算指示区域面积，根据刻度区域总面积及指示区域面积判断是否处于低位缺陷状态，若是，则对低位缺陷状态进行报警，本申请可快速识别变电站表计的低位缺陷状态。

本发明授权变电站表计低位缺陷识别方法、系统、设备及存储介质在权利要求书中公布了：1.变电站表计低位缺陷识别方法，其特征在于，包括： 获取待识别变电站表计的变电站表计图像，将所述变电站表计图像输入改进的Yolov9-m表计识别模型，通过所述改进的Yolov9-m表计识别模型对所述变电站表计图像进行表盘区域检测处理、刻度区域与指示区域实例分割，得到所述变电站表计图像中的表盘区域类型、表盘区域检测框、刻度区域掩模和指示区域掩模；所述表盘区域类型为矩形表盘、圆形表盘和方形表盘中的任一种； 根据所述表盘区域检测框对所述变电站表计图像进行裁剪得到表盘区域图像，从多张表盘区域标准模板中获取所述表盘区域图像的表盘区域矫正模板，根据所述表盘区域矫正模板对所述表盘区域图像、所述刻度区域掩模和所述指示区域掩模进行矫正处理，得到矫正表盘区域图像、矫正刻度区域掩模和矫正指示区域掩模； 针对不同的表盘区域类型，基于所述矫正刻度区域掩模计算刻度区域总面积，基于所述矫正指示区域掩模计算指示区域面积，根据所述刻度区域总面积及所述指示区域面积判断所述待识别变电站表计是否处于低位缺陷状态，若是，则对所述待识别变电站表计处于低位缺陷状态进行报警； 所述根据所述刻度区域总面积及所述指示区域面积判断所述待识别变电站表计是否处于低位缺陷状态，包括： 计算所述指示区域面积和所述刻度区域总面积之间的面积比值； 若所述面积比值大于等于预设面积比值阈值，则确定所述待识别变电站表计为正常状态； 若所述面积比值小于所述预设面积比值阈值，则确定所述待识别变电站表计为低位缺陷状态； 所述改进的Yolov9-m表计识别模型包括骨干网络、改进的特征金字塔网络和头部网络，所述改进的特征金字塔网络包括空间注意力机制模块和融合模块，所述头部网络包括分类回归处理模块、感兴趣区域对齐模块、实例分割模块； 所述通过所述改进的Yolov9-m表计识别模型对所述变电站表计图像进行表盘区域检测处理、刻度区域与指示区域实例分割，包括： 通过所述骨干网络对所述变电站表计图像进行特征提取，得到多个初始特征图； 将多个所述初始特征图输入到所述改进的特征金字塔网络，通过所述空间注意力机制模块对多个所述初始特征图进行处理，得到多个空间注意力特征图，通过所述融合模块将多个所述空间注意力特征图进行融合，得到融合特征图； 通过所述分类回归处理模块对所述融合特征图进行分类和回归处理，得到所述变电站表计图像中的表盘区域类型、表盘区域检测框； 通过所述感兴趣区域对齐模块根据所述表盘区域检测框对应的图像区域获取预设尺寸的感兴趣区域特征图； 通过所述实例分割模块对所述感兴趣区域特征图进行分类、回归以及实例分割处理，分别得到所述刻度区域掩模和所述指示区域掩模； 所述初始特征图包括低层高分辨率特征图和高层低分辨率特征图，所述通过所述空间注意力机制模块对每个所述初始特征图进行处理，包括： 将所述低层高分辨率特征图进行通道最大池化得到单通道最大值特征图，将所述低层高分辨率特征图进行通道平均池化，得到单通道均值特征图； 将所述单通道最大值特征图与所述单通道均值特征图进行通道拼接，得到两通道特征图，将所述两通道特征图进行1x1卷积操作，得到单通道特征图； 将所述单通道特征图经过激活函数进行处理，得到空间加权特征图； 将所述高层低分辨率特征图通过1x1卷积并上采样，生成与所述低层高分辨率特征图相同分辨率的上采样特征图； 将所述上采样特征图与所述空间加权特征图进行乘积运算，得到所述空间注意力特征图。

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雁智能科技(集团)股份有限公司，其通讯地址为：610000 四川省成都市高新区天华二路219号天府软件园C区10号楼16层；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”。