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！

龙图腾网获悉成都理工大学申请的专利基于DCN-YOLO模型的树线故障识别与预警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：CN119810737B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202411849729.6，技术领域涉及：G06V20/52；该发明授权基于DCN-YOLO模型的树线故障识别与预警方法是由蔡乐辉;冯健程;马德津;陈天翔;蒋卓峰;辜弘设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本基于DCN-YOLO模型的树线故障识别与预警方法在说明书摘要公布了：本发明公开了一种基于DCN‑YOLO模型的树线故障识别与预警方法，包括：通过树线放电实验平台模拟真实树线放电，拍摄视频并按帧导出图片，对图片进行标签标记获得初始数据集；获取火焰、电缆、树枝数据集对初始数据集进行扩充组成增强数据集，并将其划分为训练集、验证集和测试集；基于DCN‑YOLO模型进行数据增强、通道注意力机制改进、损失函数样本权重平衡改进；将增强数据集输入改进后的模型进行训练和验证，获取最高评价指标mAP50和mAP50‑90数值，得到树线故障监测预警模型；将树线故障监测预警模型接入输电杆塔监控系统，当监测到输电线路上存在树枝和火焰或二者之一时将触发报警系统；本发明实现了树线故障起火早期阶段准确预警。

本发明授权基于DCN-YOLO模型的树线故障识别与预警方法在权利要求书中公布了：1.一种基于DCN-YOLO模型的树线故障识别与预警方法，其特征在于，包括以下步骤： 步骤1、通过树线放电实验平台模拟真实树线放电，拍摄视频并按帧导出图片，对图片进行标签标记获得初始数据集； 步骤2、获取火焰、电缆、树枝数据集对初始数据集进行扩充组成增强数据集，并将其划分为训练集、验证集和测试集； 步骤3、基于DCN-YOLO模型进行数据增强、通道注意力机制改进、损失函数样本权重平衡改进； 所述步骤3具体包括以下步骤： 步骤3.1、构建DCN-YOLO模型，包括主干网络backbone，用于从输入图像中提取特征，头部网络Head，用于目标检测模型的决策并产生最终的检测结果，颈部网络Neck，用于进行特征融合和增强，并引入可变形卷积DCNv3提升处理复杂形变目标的性能； 步骤3.2、对数据集的颜色属性进行随机调整，增强DCN-YOLO模型对不同光照和颜色条件下目标的识别能力，同时使图像随机旋转最多15度，模拟目标在图像中可能出现的不同朝向，并从数据集原图中随机裁剪出一个区域，调整到224x224的大小用于DCN-YOLO模型学习目标的不同尺寸和比例；对数据集图像应用高斯模糊，模拟不同焦距下的图像，增强DCN-YOLO模型对细节的不变性； 步骤3.3、在DCN-YOLO模型中集成一个通道注意力机制，通过全局平均池化和全局最大池化分别获取特征图的全局信息，再通过两个1×1的卷积全连接层和ReLU激活函数学习通道之间的权重关系，最后使用Sgmoid函数将输出压缩到[0,1]区间，作为通道的注意力权重； 步骤3.4、通过焦点损失函数对DCN-YOLO模型进行改进，减少易分类样本的权重并增加难分类样本的权重； 步骤4、将增强数据集输入改进后的模型进行训练和验证，获取最高评价指标mAP50和mAP50-90数值，得到树线故障监测预警模型； 步骤5、将树线故障监测预警模型接入输电杆塔监控系统，当监测到输电线路上存在树枝和火焰或二者之一时将触发报警系统。

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成都理工大学，其通讯地址为：610000 四川省成都市二仙桥东三路1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”。

以上内容由龙图腾AI智能生成。