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！

龙图腾网获悉昆明学院申请的专利基于改进YOLOv11模型的变电站异物入侵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：CN119722662B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202510213834.9，技术领域涉及：G06T7/00；该发明授权基于改进YOLOv11模型的变电站异物入侵检测方法及系统是由刘庆雪;速昀;王霞;朱栗子彤;沈芙宇;李瑾设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本基于改进YOLOv11模型的变电站异物入侵检测方法及系统在说明书摘要公布了：本发明属于图像处理技术领域，具体公开了一种基于改进YOLOv11模型的变电站异物入侵检测方法及系统。该方法针对变电站异物入侵检测问题，提出了一种基于改进YOLOv11模型的变电站异物入侵检测模型，以实现对入侵异物的自动图像识别。该模型通过在SPPF模块后增加C2PSA‑DHSA模块，使用C3k2‑Dual模块，增加新小目标检测层及在SPPF模块前添加非局部注意力机制模块等改进，使得模型能更有效地识别那些面积较小的目标，在减少模型的计算成本和参数数量的同时，还改善了识别设备因遮挡造成识别率低和错误识别的问题，提高了模型的准确性，增强了模型对不同尺寸目标的适应性。本发明很好的解决了传统模型在变电站设备及线路检测过程中存在的漏检、误判、识别准确率低和速率慢等问题。

本发明授权基于改进YOLOv11模型的变电站异物入侵检测方法及系统在权利要求书中公布了：1.基于改进YOLOv11模型的变电站异物入侵检测方法，其特征在于，包括如下步骤： 步骤1.获取多幅变电站的设备及线路图像，并对获取的变电站的设备及线路图像进行图像预处理和标注，得到用于下述变电站异物入侵检测模型的训练数据集； 步骤2.搭建基于YOLOv11模型架构的变电站异物入侵检测模型，该变电站异物入侵检测模型包括主干网络、颈部网络以及检测头网络； 其中，主干网络包括一个卷积块、四组卷积块和C3k2-Dual模块、一个非局部注意力机制模块、一个SPPF模块以及一个C2PSA-DHSA模块； 定义四组卷积块和C3k2-Dual模块分别为第一组、第二组、第三组及第四组卷积块和C3k2-Dual模块，且每组中均包括一个卷积块和一个C3k2-Dual模块； C3k2-Dual模块是在传统的C3k2模块基础上，将传统C3k2模块中的Conv卷积替换为DualConv卷积，使得模型能够同时处理相同的输入特征图通道，并利用组卷积技术高效地排列卷积滤波器；所述DualConv卷积通过将N个卷积核分成G组，通过调整G组的数量来控制卷积核的比例，以减少浮点运算次数，每组处理全部输入变电站的设备及线路特征图； 定义MG输入的线路特征图通通过并行的3×3和1×1卷积核保留输入特征图的全部信息，以帮助深层卷积层更有效地提取信息，其余M-MG输入通道仅由1×1卷积核处理，以减少模型的参数数量；最后3×3和1×1卷积核的结果会进行求和，得到输出特征图； C2PSA-DHSA模块是在传统C2PSA模块中插入DHSA模块得到的； DHSA模块通过BHR和FHR的并行处理，使得模型能够同时捕捉电网图像的全局和局部特征，然后通过自注意力机制融合全局和局部特征，最终实现图像的高质量恢复； 输入至YOLOv11模型架构的图像特征，首先进入主干网络并进行如下处理： 图像特征首先经过一个卷积块进行特征提取，然后依次经过第一组、第二组、第三组及第四组卷积块和C3k2-Dual模块进行特征提取，再经过一个非局部注意力机制模块，使得网络不仅能够捕捉输入变电站的设备及线路图像的局部细节，还能获取全局上下文信息；非局部注意力机制模块的输出特征再经过SPPF模块后，最后经C2PSA-DHSA模块输出； 颈部网络用于实现不同层次特征的深度融合，检测头网络包含四个检测头； 步骤3.基于步骤1的训练数据集对搭建的变电站异物入侵检测模型进行训练，得到训练好的变电站异物入侵检测模型，并利用训练好的模型对变压器异物进行入侵检测。

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昆明学院，其通讯地址为：650214 云南省昆明市昆明经济技术开发区浦新路2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”。