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;国家电网有限公司申请的专利一种变电设备双模态缺陷识别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：CN119314113B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202411845399.3，技术领域涉及：G06V20/52；该发明授权一种变电设备双模态缺陷识别方法及系统是由李帆;梅宇聪;梅立通;程开文;邱志斌;童超;华桦;叶俊;肖礼荣;李长东;熊志伟;叶建辉;傅闽豪;饶鑫威设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本一种变电设备双模态缺陷识别方法及系统在说明书摘要公布了：本发明公开了一种变电设备双模态缺陷识别方法及系统，方法包括：收集变压器渗漏油缺陷可见光图像样本与变电设备发热缺陷可见光与红外双模态图像样本；搭建改进YOLOv8实例分割模型，采用图像分割与背景融合的方法对缺陷样本进行扩充；通过图像配准与融合构建融合图像数据集，搭建改进YOLOv8目标检测模型，将变压器渗漏油缺陷样本与融合图像样本用于改进YOLOv8目标检测模型的训练，再通过训练好的改进YOLOv8目标检测模型对变压器渗漏油缺陷和变电设备发热缺陷进行识别；采用映射的方法将融合图像的发热缺陷检测结果呈现在可见光图像中。通过将深度学习的方法引入到变电设备运维技术领域中，实现对变电设备结构性缺陷的高效、准确和智能化的识别。

本发明授权一种变电设备双模态缺陷识别方法及系统在权利要求书中公布了：1.一种变电设备双模态缺陷识别方法，其特征在于，包括： 获取变压器渗漏油缺陷的第一可见光图像，基于预设的改进YOLOv8实例分割模型对所述第一可见光图像进行背景融合扩充，得到变电设备结构性缺陷图像数据集，所述基于预设的改进YOLOv8实例分割模型对所述第一可见光图像进行背景融合扩充，得到变电设备结构性缺陷图像数据集包括： 根据所述改进YOLOv8实例分割模型对所述第一可见光图像的实例分割，得到渗漏油图像，并在所述渗漏油图像中建立直角坐标系； 求解渗漏油图像的凸包，将凸包剖分为个图形，计算个图形的重心坐标和面积，并计算凸包的重心坐标，表达式为： ， ， 在不含渗漏油缺陷的变压器图像中建立直角坐标系，采用Canny算子对变压器所在地面的边缘进行检测，获得地面边缘位置信息，以坐标点集合的形式将边缘所包围的区域定义为地面区域D，在变压器图像中每隔预设数量的像素选取一个重心点，将各个重心点按照预设的约束条件进行筛选，得到m个重心点，所述约束条件的表达式为： ， ， ， 式中，、为分别为以为重心的渗漏油图形凸包上的点的横坐标、纵坐标，为变压器目标检测框上点的横坐标； 对每张不含渗漏油缺陷的变压器图像仅保留第一最佳重心点和第二最佳重心点作图像扩充，其中，最佳重心点的选取规则的表达式为： ， 式中，为m个重心点中任意两点之间的距离，、分别为第一最佳重心点的横坐标和纵坐标，、分别为第二最佳重心点的横坐标和纵坐标； 以第一最佳重心点和第二最佳重心点作为渗漏油图像的重心在不含渗漏油缺陷的变压器图像中生成新的渗漏油缺陷图像，将新的渗漏油缺陷图像加入到变电设备结构性缺陷图像数据集中； 获取变电设备发热缺陷的第二可见光图像以及红外图像，对所述第二可见光图像以及所述红外图像进行配准和融合，得到融合图像数据集； 根据所述变电设备结构性缺陷图像数据集和所述融合图像数据集对预设的改进YOLOv8目标检测模型进行迭代训练，得到双模态缺陷识别模型，其中，所述改进YOLOv8实例分割模型和所述改进YOLOv8目标检测模型均包括特征提取网络、特征融合网络以及检测网络； 所述特征提取网络的结构依次包括：卷积模块，第一C2f模块、第一LWA模块、第二C2f模块、第二LWA模块、第三C2f模块、第三LWA模块、第四C2f模块和SPPF模块； 所述特征融合网络的结构依次包括：第一上采样模块、第一拼接模块、第五C2f模块、第二上采样模块、第二拼接模块、第六C2f模块、第四LWA模块、第三拼接模块、第七C2f模块、第五LWA模块、第四拼接模块以及第八C2f模块； 所述检测网络包括Detect模块； 其中，所述第一LWA模块、第二LWA模块、第三LWA模块、第四LWA模块和第五LWA模块的结构完全相同，具体运行过程为：进入第一LWA模块、第二LWA模块、第三LWA模块、第四LWA模块或第五LWA模块的图像特征首先被分成两份，一份通过平均池化层提取局部特征，然后经过一个1×1的逐点卷积模块处理，然后经过一个激活层进行处理，再与另一份图像特征经过处理后输入进相乘模块中进行数组相乘，然后经过求和模块求和后进行输出，其中，另一份图像特征的处理过程为经过卷积核为3的分组卷积操作； 获取变压器的第一实时可见光图像和变电设备的实时融合图像，将所述第一实时可见光图像和所述实时融合图像输入至所述双模态缺陷识别模型中，所述双模态缺陷识别模型输出与所述第一实时可见光图像相对应的渗漏油缺陷结果，以及与所述实时融合图像的发热缺陷结果，其中，所述实时融合图像为经由变电设备发热缺陷的第二实时可见光图像以及实时红外图像进行配准和融合得到； 根据映射法将所述发热缺陷结果映射至所述第二实时可见光图像中，得到变电设备红外发热缺陷的位置。

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;国家电网有限公司，其通讯地址为：330096 江西省南昌市青山湖区民营科技园内民强路88号检测试验中心科研楼(第1-11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”。