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苏省电力有限公司盐城供电分公司申请的专利一种输电线路电力配件语义分割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：CN115376024B 。

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：202210921552.0，技术领域涉及：G06V20/17；该发明授权一种输电线路电力配件语义分割方法是由成云朋;张庆富;王鑫;冯兴明;王永;张济韬;李建华;张学波设计研发完成，并于2022-08-02向国家知识产权局提交的专利申请。

本一种输电线路电力配件语义分割方法在说明书摘要公布了：本发明提供了一种输电线路电力配件语义分割方法，包括：1、使用无人机搭载红外热成像仪与可见光相机环绕电力杆塔，拍摄电力配件红外可见光图像对，得到红外可见光原始样本集；2、采用基于边缘强度的图像配准模块对原始样本集进行处理，生成高匹配度的红外可见光图像配准结果；3、得到红外与可见光图像电力配件样本集；4、将标注后的红外与可见光图像进行最后的语义分割；5、将3中的红外与可见光图像样本集组以4:1的比例随机划分为训练集与测试集，并进行训练，获得更为精确的分割效果。本发明提供一种输电线路电力配件语义分割方法，能够准确地识别出输电线路中电力杆塔、绝缘子、耐张线夹、防震锤等电力配件。

本发明授权一种输电线路电力配件语义分割方法在权利要求书中公布了：1.一种输电线路电力配件语义分割方法，其特征在于，所述输电线路电力配件语义分割方法包括以下步骤： 步骤1：使用无人机搭载红外热成像仪与可见光相机环绕电力杆塔，拍摄电力配件红外可见光图像对，得到包含横向绝缘子、竖向绝缘子、绝缘线夹、防震锤和杆塔目标的红外可见光原始样本集； 步骤2：采用基于边缘强度的图像配准模块对红外可见光原始样本集进行处理，生成高匹配度的红外可见光图像配准结果； 步骤3：将配准后的红外与可见光图像对送入样本集构筑模块以构建红外可见光电力配件样本集，使用labelme标注工具对所有可见光以及对应的红外图像，针对步骤1中五类目标进行手工标定，其余未标注区域为背景，得到红外与可见光图像电力配件样本集； 步骤4：将标注后的红外与可见光图像对输入多层次模态信息特征提取与权重自适应学习的特征融合模块，以充分提取具有特异性的红外与可见光数据特征，并利用其互补性将其充分融合，接着将融合后结果送入高层特征激活模块以增强差异性的特征并排除干扰噪声的影响，最后将全局特征图送入多层次解码模块以获得最后的语义分割结果； 具体包括所述样本集构筑模块、所述多层次模态信息特征提取模块、所述权重自适应学习的特征融合模块、所述高层特征激活模块、所述多层次解码模块和网络训练模块，包含以下步骤： 1将标注后的红外图像与可见光图像对分别输入两个对应模态的并行编码器，其中两并行编码器以ResNet50为主干网络，且下分支编码器将首个卷积层输入通道数改为1以匹配对应的红外灰度图像，上分支用于提取对应的可见光图像特征； 2从第二层开始，将红外图像送入位于可见光编码器每一卷积层前的所述权重自适应学习的特征融合模块，并将融合结果作为可见光编码器下一卷积层的输入以实现红外图像对可见光图像的辅助监督作用； 3将2最后的融合结果送入所述高层特征激活模块以增强差异性的特征并排除干扰噪声的影响，并获得全局特征图； 4将全局特征图送入所述多层次解码模块以获得最后的语义分割结果； 所述权重自适应学习的特征融合模块，包含以下步骤： 1记输入可见光图像特征为Ri-1，红外图像特征为Ti-1，将Ri-1与Ti-1特征连接后送入一个3×3的卷积层以缩减通道数至原来的14，记为Pi； 2利用大小分别为1、5、9、13的四个最大池化层处理Pi，得到四种类型不同、目标大小也不同的特征映射，再送入两个各包含一个3×3卷积核和一个ReLU激活函数的卷积层后获得4个特征映射vj,j＝1,2,3,4； 3将2的结果进行上采样操作直至与Pi保持一致以构成残差结构，将Pi的通道数缩减至2后与上采样后的vj进行像素级别的求和操作进行融合得到融合图U； 4将3中的结果输入两个3×3的卷积层后进行softmax函数激活得到双通道映射Wi； 5将4中的结果分离为两个权值映射Wi RGB和Wi T并分别与输入Ri-1与Ti-1进行像素级别的乘法以获得下一层可见光编码器卷积层的输入 6在特征提取编码器的每个中间阶段都使用所述权重自适应学习的特征融合模块将红外图像特征融入可见光图像特征中，并将结果送入下一个多层次模态信息特征提取模块进行特征提取，不断迭代1～5的步骤直至得到最后的融合结果R5； 所述高层特征激活模块，包含以下步骤： 1将R5分割为两个相互独立的特征描绘子Mavg与Mmax，并分别将Mavg与Mmax送入自适应平均池化层与自适应最大池化层以获得大小为1×1的输出结果，其中 Mavg＝AvgPool1R5,Mmax＝MaxPool1R5； 2将1中的两个描述符发送到共享块，共享块由两个卷积层和一个ReLU函数实现，两个卷积层的大小都为1×1，第一卷积层将信道数减少到原来的一半，经过ReLU函数后，第二卷积层将其恢复；然后利用元素求和、sigmoid函数和元素乘法来产生通道注意特征图： 3将2的结果Fc送入空洞空间金字塔池ASPP模块中以扩展特征感受野从而捕获多尺度信息，连接上采样结果后得到自适应的全局特征图G，并使用一个1×1的卷积层导出其通道数； 步骤5：将步骤3中的红外与可见光图像样本集组以4:1的比例随机划分为训练集与测试集，并使用所述训练集对语义分割网络进行训练，以交叉熵损失函数为监督更新网络参数以获得更为精确的分割效果。

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苏省电力有限公司盐城供电分公司，其通讯地址为：224000 江苏省盐城市解放南路189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”。