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！

龙图腾网获悉大连理工大学;特变电工新疆电缆有限公司申请的专利基于红外短波和可见光图像特征融合的电缆质量检测系统及方法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：CN119540146B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202411482514.5，技术领域涉及：G06F30/27；该发明授权基于红外短波和可见光图像特征融合的电缆质量检测系统及方法是由史彦军;王琰琳;马龙飞;宁诗铎;廉辉;魏超;王荣昌设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本基于红外短波和可见光图像特征融合的电缆质量检测系统及方法在说明书摘要公布了：本发明公开了基于红外短波和可见光图像特征融合的电缆质量检测系统及方法，系统包括：图像采集模块、图像处理模块、特征提取模块、模型训练模块和检测模块；图像采集模块用于采集电缆表面图像，并将电缆表面图像灰度化，得到灰度化后图像；图像处理模块用于对灰度化后图像进行处理，得到同一尺寸的红外灰度图像和可见光灰度图像；特征提取模块用于分别提取红外灰度图像和可见光灰度图像的红外图像特征和可见光图像特征；模型训练模块用于融合红外图像特征和可见光图像特征得到融合后特征，并基于融合后特征训练电缆质量检测模型；检测模块获取实时电缆表面图像，并基于电缆质量检测模型对实时电缆表面图像进行电缆质量检测。

本发明授权基于红外短波和可见光图像特征融合的电缆质量检测系统及方法在权利要求书中公布了：1.基于红外短波和可见光图像特征融合的电缆质量检测系统，其特征在于，包括：图像采集模块、图像处理模块、特征提取模块、模型训练模块和检测模块； 所述图像采集模块用于采集电缆表面图像，并将所述电缆表面图像灰度化，得到灰度化后图像，所述灰度化后图像包括：初始红外灰度图像和初始可见光灰度图像； 所述图像处理模块用于对所述灰度化后图像进行处理，得到同一尺寸的红外灰度图像和可见光灰度图像； 所述特征提取模块用于分别提取所述红外灰度图像和所述可见光灰度图像的红外图像特征和可见光图像特征； 所述模型训练模块用于融合所述红外图像特征和所述可见光图像特征得到融合后特征，并基于融合后特征训练电缆质量检测模型； 所述检测模块用于获取实时电缆表面图像，并基于所述电缆质量检测模型对所述实时电缆表面图像进行电缆质量检测； 所述特征提取模块包括：红外特征提取单元和可见光特征提取单元； 所述红外特征提取单元基于最优阈值分割提取所述红外灰度图像的所述红外图像特征； 红外特征提取单元为了区分图像的前景和背景域，首先使用OTSU算法将灰度图像转换为二进制图像，实现图像阈值分割；OTSU算法利用图像的灰度直方图，通过前景和背景之间的最大方差，动态确定最优阈值分割，从而获得相应的二值图像；设L是图像的灰度级，则其像素可以分为C0和C1两类，其概率分别为： 其中，Pr表示括号内像素的概率，w0表示属于前景域的像素比例，w1表示背景域的像素比例，pi表示具有第i个灰度的像素的概率，i表示自然数，t表示图像的阈值，L表示图像的灰度级；设整个图像的灰度均方误差GMSE表示为μ，那么两个类别之间的方差可以定义为： 其中，μ0表示前景的GMSE，μ1表示背景的GMSE；引入阈值的判断函数来评判优劣： 其中，t*表示当达到最大值时OTSU算法期望将灰度图像转换为二值图像的最佳阈值分割，表示取反函数，是使括号内目标函数取最大值时的t值，l表示图像的灰度级数；经过阈值分割后得到了清晰的二值图像，并对二值图像进行拒绝假缺陷处理：设系统需要识别的缺陷的最小尺寸为εmm×εmm，则最低分辨率应该满足对应于ε2mm2的像素，在一定的冗余度下制作一个对应于∈2mm2∈ε的像素；设相关的最小缺陷的像素数为P，选择P作为固定阈值来分割真检测和假检测，可以表示为： P＝[ε∈] 则拒绝伪缺陷的算法可以描述为：1、找到邻域连接域；2、计算每个连接域的面积，表示为Skk＝1,…,N；3、通过缺陷过滤处理后的结果图像，满足以下要求： fi＝B,SkP 其中，fi表示像素i的过滤结果，B表示背景域的灰度值，面积小于阈值P的连接域被视为假缺陷像素，并且灰度级被改变为0，否则被改变为255；完成绝假缺陷处理后，提取处理后图像的红外图像特征； 所述可见光特征提取单元基于边缘特征检测提取所述可见光灰度图像的所述可见光图像特征； 所述红外特征提取单元的工作流程包括：利用OTSU算法确定最优阈值分割，将所述红外灰度图像转换为红外二值图像；对所述红外二值图像进行拒绝假缺陷处理，并提取处理后图像的所述红外图像特征； 所述可见光特征提取单元的工作流程包括：利用阈值分割将所述可见光灰度图像划分为若干灰度区间，生成可见光二值图像；对所述可见光二值图像进行重新折叠迭代，并利用结构元素覆盖替换图像中的干扰因素；提取替换后图像的所述可见光图像特征； 所述模型训练模块包括：特征编码校正单元、特征融合单元和网络训练单元； 所述特征编码校正单元用于将所述红外图像特征和所述可见光图像特征进行编码，并将编码后红外图像特征和编码后可见光图像特征校正为相同长度；所述特征融合单元用于将校正后红外图像特征和校正后可见光图像特征进行特征融合，得到融合后特征；所述网络训练单元基于所述融合后特征训练所述电缆质量检测模型； 特征编码校正单元对将红外图像特征和可见光图像特征进行编码，并将编码后红外图像特征和编码后可见光图像特征校正为相同长度；设特征x由m1个红外短波图像特征集{fv,1x，…，fv,m1x}表示，特征q由m2个可见光图像特征集{fs,1q，…，fs,m2q}表示；将两个特征融合块，分别将红外短波图像特征和可见光图像特征编码为它们的d维跨模态嵌入ex和eq；根据两个嵌入可以测量出特征相似性sx,q： 其中，fusionv表示红外短波图像特征融合，fusions表示可见光图像特征融合，similarity表示计算两个嵌入向量ex和eq之间相似度的函数；得到了一组不同的m个特征{f1，…，fm}，大小为{d1，…，dm}；使用特征转换层将不同的特征校正为相同的长度；特征融合单元将校正后红外图像特征和校正后可见光图像特征进行特征融合，得到融合后特征，为了将第i个特征转换为新的d维特征，使用： 其中，其中σ是非线性激活函数，Lineardi×d表示一个完全连接的层，其输入大小为di，输出大小为d；采用加权融合对校正后红外图像特征和校正后可见光图像特征进行特征融合： {a1，...，ai}＝softmaxLineard×1{f′1，...，f′n} 其中，表示融合后特征，n表示特征数量，ai表示权重，softmax表示归一化激活函数，Lineard×1表示线性变换层，为从d维特征空间到1维空间的线性映射，当强制等式中的权重均匀时，ai＝1；网络训练单元基于融合后特征训练电缆质量检测模型：采用硬负挖掘的三重排序损失作为基损失函数，对于给定训练批次中的特征q，设x+和x-是与q相关和不相关的特征，并且是最违反排名约束的硬否定，于是有： 其中，α是控制排名损失幅度的正超参数，argmaxx-表示sx-，q-sx+，q取最大值时x-的取值，max表示取最大值；当训练产生多个相似性的跨模态网络时，将每个相似性的损失组合起来比将单个损失与组合的相似性一起使用要好；计算损失lossiq，即通过在等式中用si代替s来计算第i个空间中的损失，训练网络使组合损耗最小得到此时的网络，即电缆质量检测模型。

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大连理工大学;特变电工新疆电缆有限公司，其通讯地址为：116000 辽宁省大连市甘井子区凌工路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”。