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！

龙图腾网获悉南昌航空大学申请的专利基于计算机视觉的配网带电作业引流线夹定位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：CN116091604B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202310062205.1，技术领域涉及：G06T7/73；该发明授权基于计算机视觉的配网带电作业引流线夹定位方法是由刘君;李佳馨设计研发完成，并于2023-01-19向国家知识产权局提交的专利申请。

本基于计算机视觉的配网带电作业引流线夹定位方法在说明书摘要公布了：本申请涉及一种基于计算机视觉的配网带电作业引流线夹定位方法，它包括如下步骤：将采集到的图像分组，构建DeepLabv3+语义分割卷积神经网络模型，将采集到的图像经过图像增强技术处理，分为训练集、测试集和验证集，采用五重交叉验证法对DeepLabv3+语义分割卷积神经网络模型进行训练，并使用训练完成的模型对采集的引流线夹图像的中心螺杆进行定位识别。本发明利用带电作业系统包含的可远程传输图像的摄像头对引流线夹螺杆进行图像采集，通过DeepLabv3+语义分割卷积神经网络模型对引流线夹中心螺杆进行自动化分割，实现对线夹孔洞的定位，克服了现有技术对镜头像素以及光源有较高依赖性的缺陷，适用于户外作业。

本发明授权基于计算机视觉的配网带电作业引流线夹定位方法在权利要求书中公布了：1.一种基于计算机视觉的配网带电作业引流线夹定位方法，其特征在于，包括如下步骤： S100：将收集到的将引流线夹图像数据随机打乱，平均分成五组； S200：构建DeepLabv3+语义分割卷积神经网络模型，所述DeepLabv3+语义分割卷积神经网络模型包括编码部分和解码部分；编码部分包括DCNN网络、ASPP网络和第一卷积层；所述DCNN网络使用改进的Xception网络作为基网络，所述改进的Xception网络使用具有跨步的空洞卷积替代原Xception网络中的最大池化操作，DCNN网络用于进行特征通道数扩增； 所述ASPP网络包括五个支路，第一支路为卷积，第二至第四支为深度可分离卷积与空洞卷积的结合，第五支路是全局平均池化，ASPP网络用于输出五个特征层，第一卷积层用于进行五个特征层级联；解码部分包括第二卷积层、第三卷积层、第一4倍上采样模块和第二4倍上采样模块，特征通道数扩增的特征层和五个特征层分别通过第二卷积层和第一4倍上采样模块处理后进行级联，再依次经过第三卷积层和第二4倍上采样模块进行处理； S300：采用五重交叉验证法对所述DeepLabv3+语义分割卷积神经网络模型进行训练，将其中一组引流线夹图像数据作为测试集，剩余四组引流线夹图像数据通过图像增强技术进行扩充，将扩充后的引流线夹图像数据中的10％作为验证集，其余为训练集；将训练集输入DeepLabv3+语义分割卷积神经网络模型进行训练，训练过程包括编码过程和解码过程； 编码过程由DeepLabv3+语义分割卷积神经网络模型的编码部分进行处理，DCNN网络进行下采样以及池化操作将网络的特征通道数进行扩增，再经过ASPP网络处理得到五个特征层，将五个特征层级联进行级联，通过第一卷积层进行卷积处理，得到特征图像； 解码过程由DeepLabv3+语义分割卷积神经网络模型的解码部分进行处理，将编码过程中得到的五个特征层通过第一4倍上采样模块进行4倍上采样处理，将处理后特征层与经过DCNN网络进行特征通道数扩增的特征层进行级联，并通过第三卷积层细化特征，最后通过第二4倍上采样模块进行处理，得到引流线夹中心螺杆的预测图像； S400：使用验证集对训练后的DeepLabv3+语义分割卷积神经网络模型的识别效果进行验证，完成对DeepLabv3+语义分割卷积神经网络模型的训练； S500：使用训练完成的DeepLabv3+语义分割卷积神经网络模型对采集的引流线夹图像的中心螺杆进行定位识别。

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南昌航空大学，其通讯地址为：330063 江西省南昌市丰和南大道696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”。