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！

龙图腾网获悉金华八达集团有限公司;国网浙江省电力有限公司金华供电公司申请的专利一种融合支持向量机的无人机低质巡检照片剔除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：CN115620044B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202211133344.0，技术领域涉及：G06V10/764；该发明授权一种融合支持向量机的无人机低质巡检照片剔除方法是由叶宏;汤春俊;金德军;贺燕;梁加凯;徐敏;朱凯;祝强;徐飞明;童晓文;张家华;庄建国;陈宇刚设计研发完成，并于2022-09-17向国家知识产权局提交的专利申请。

本一种融合支持向量机的无人机低质巡检照片剔除方法在说明书摘要公布了：本发明公开了一种融合支持向量机的无人机低质巡检照片剔除方法。包括以下过程：对采集到的巡检照片进行标签标注及预处理，组成训练集；结合训练集对深度残差网络和支持向量机分类器进行训练；采集待测巡检照片并进行预处理，然后将待测巡检照片输入深度残差网络获取特征向量，然后将特征向量输入支持向量机分类器确定待测巡检照片的标签进而进行分类检测；将低质巡检照片进行剔除并输出低质巡检照片的属性信息。本发明通过深度残差网络进行特征向量提取，再通过支持向量机分类器对巡检照片进行判别，过程简单有效，提高低质巡检照片剔除的准确率和效率。

本发明授权一种融合支持向量机的无人机低质巡检照片剔除方法在权利要求书中公布了：1.一种融合支持向量机的无人机低质巡检照片剔除方法，其特征在于：所述方法包括以下步骤： 步骤1：由预处理后且已标注标签的巡检照片及其标签组成训练集，所述的巡检照片是由无人机定点采集杆塔的部位获得，所述已标注标签的巡检照片包括低质巡检照片和正常巡检照片，所述低质巡检照片为平均像素值小于50或平均像素值大于200的巡检照片，所述正常巡检照片为平均像素值不小于50且不大于200的巡检照片；所述杆塔的部位包括塔头、塔基塔牌、大小号侧线路走廊、左右侧地线、左右侧上相部位、左右侧中相部位和左右侧下相部位； 步骤2：结合训练集对深度残差网络和支持向量机分类器进行训练； 步骤3：采集待测巡检照片并进行预处理，然后将预处理后的待测巡检照片输入深度残差网络获取待测巡检照片的特征向量，然后将待测巡检照片的特征向量输入支持向量机分类器确定待测巡检照片的标签进而对待测巡检照片进行分类确定该待测巡检照片为低质巡检照片或正常巡检照片； 步骤4：将步骤3中检测出的低质巡检照片进行剔除并输出低质巡检照片的属性信息； 所述步骤2中的深度残差网络主要由第一网络堆叠模块、第二网络堆叠模块、第三网络堆叠模块、第四网络堆叠模块和第五网络堆叠模块构成；所述第一网络堆叠模块、第二网络堆叠模块、第三网络堆叠模块、第四网络堆叠模块和第五网络堆叠模块依次串联连接； 第一网络堆叠模块和第二网络堆叠模块结构相同，均包括两层网络层、一层相加层和一层池化层，且两层网络层、一层相加层和一层池化层依次串联连接组成，每层所述网络层主要由一个卷积层、一个批量归一化层与一个激活函数依次串联连接组成；在第一网络堆叠模块和第二网络堆叠模块的内部均使用跳跃链接结构融合巡检照片，所述跳跃链接结构为将每个网络堆叠模块的输入与该堆叠模块的第二层网络层的输出同时输入相加层中进行像素相加处理，然后输入池化层中进行池化处理； 所述第三网络堆叠模块主要由三层网络层、一层1×1的卷积层和一层池化层组成，且第三网络堆叠模块的三层网络层、一层1×1的卷积层和一层池化层依次串联连接，且第三网络堆叠模块的每层网络层均与第一网络堆叠模块的网络层结构相同； 所述第四网络堆叠模块和第五网络堆叠模块结构相同，均包括三层网络层、一层1×1的卷积层和一层池化层，且第四网络堆叠模块和第五网络堆叠模块中的每层网络层均主要由一个非对称卷积层、一个批量归一化层与一个激活函数依次串联连接组成。

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金华八达集团有限公司;国网浙江省电力有限公司金华供电公司，其通讯地址为：321001 浙江省金华市解放西路480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”。