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！

龙图腾网获悉湖南大学申请的专利一种基于局部纹理增强网络的杆塔关键部件缺陷识别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：CN115761268B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202211488812.6，技术领域涉及：G06V10/54；该发明授权一种基于局部纹理增强网络的杆塔关键部件缺陷识别方法是由毛建旭;易俊飞;王耀南;张辉;曾凯;陶梓铭;钟杭;刘彩苹;朱青;刘敏设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本一种基于局部纹理增强网络的杆塔关键部件缺陷识别方法在说明书摘要公布了：本发明公开了一种基于局部纹理增强网络的杆塔关键部件缺陷识别方法，可以通过体征提取及纹理增强模块能够提取到具备纹理信息的判别性特征，同时通过特征融合模块对不同分辨率的特征进行融合，使得输出特征同时具备语义和像素级信息，最后通过杆塔部件缺陷识别模块对杆塔关键部件缺陷进行识别并输出缺陷的定位和置信度。此网络可直接应用于电力巡检过程，对杆塔的关键部件及缺陷进行识别，具有识别精度高、泛化能力强的特点，将传统电力巡检过程与前沿的深度学习方法和神经网络技术进行结合，可以有效地解决传统人工巡检效率低、现有检测方法效果差的问题，实现杆塔巡检过程的智能化和自主化，并在一定程度上能够保障电力线路的正常运转。

本发明授权一种基于局部纹理增强网络的杆塔关键部件缺陷识别方法在权利要求书中公布了：1.一种基于局部纹理增强网络的杆塔关键部件缺陷识别方法，其特征在于，所述方法包括以下步骤： S100：利用无人机航拍获取杆塔图像数据，并通过Labelme对杆塔图像数据中的待检测部件及缺陷进行标注生成数据集，对所述数据集进行预处理； S200：构建杆塔关键部件缺陷识别网络模型，所述杆塔关键部件缺陷识别网络模型包括依次连接的特征提取及局部纹理增强模块、特征融合模块和杆塔部件缺陷识别模块，所述特征提取及局部纹理增强模块用于提取杆塔部件的多尺度判别性特征并对所述多尺度判别性特征中的关键部件进行纹理特征加强，得到纹理加强后的多尺度判别性特征，所述特征融合模块用于将所述纹理加强后的多尺度判别性特征进行融合，并将融合后的多尺度特征发送至杆塔部件缺陷识别模块进行缺陷识别得到分类结果和回归结果；特征提取及局部纹理增强模块包括第一残差块、第二残差块、第三残差块、局部纹理增强模块和第四残差块，S200中所述特征提取及局部纹理增强模块用于提取杆塔部件的多尺度判别性特征并对所述多尺度判别性特征中的关键部件进行纹理特征加强，得到纹理加强后的多尺度判别性特征，包括： S210：将所述预处理后的数据集数据的图片大小统一裁剪为预设尺寸大小，依次经过所述第一残差块、所述第二残差块和所述第三残差块后分别得到三个不同尺度的判别性特征图C1、C2和C3； S220：所述C2和C3作为局部纹理增强模块的输入得到具备纹理细节信息的特征图C4； S230：将所述C4经过所述第四残差块得到具备语义信息和纹理细节信息的特征图C5，由此得到具备不同感受野的纹理加强后的多尺度判别性特征C1、C2、C4和C5，其中相邻尺度之间的分辨率差为2倍； 所述局部纹理增强模块包括通道纹理增强模块和邻域纹理增强模块，S220包括： S221：将不同分辨率的两个特征图C2和C3进行拼接、降维获得融合特征F； S222：将所述融合特征F输入至所述通道纹理增强模块进行通道纹理增强，得到通道纹理增强的融合特征； S223：将所述融合特征F输入至所述邻域纹理增强模块进行邻域纹理增强，得到邻域纹理增强的融合特征； S224：将所述通道纹理增强的融合特征和所述邻域纹理增强的融合特征进行拼接得到具备局部纹理增强的特征图； S300：根据预处理后的数据集对所述杆塔关键部件缺陷识别网络模型进行训练，采取预设的损失函数、所述分类结果和回归结果对训练后的杆塔关键部件缺陷识别网络模型计算损失值，根据损失值使用梯度下降法反向传播损失梯度进行网络权重更新，得到训练好的杆塔关键部件缺陷识别网络模型； S400：获取实际杆塔图像，根据所述训练好的杆塔关键部件缺陷识别网络模型对所述实际杆塔图像中的杆塔关键部件及其缺陷进行检测和识别，得到检测结果。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路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”。