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！

龙图腾网获悉国网黑龙江省电力有限公司伊春供电公司;哈尔滨工业大学;国家电网有限公司申请的专利基于通道剪枝的Yolov4-Tiny网络的寒地绝缘子故障视频图像检测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：CN118537646B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202410670833.2，技术领域涉及：G06V10/764；该发明授权基于通道剪枝的Yolov4-Tiny网络的寒地绝缘子故障视频图像检测方法是由张昆鹏;康庄;赵悦;刘英杰;张世强;张婷娟;孔德山;唐志宏;刘壮;刘健行设计研发完成，并于2024-05-28向国家知识产权局提交的专利申请。

本基于通道剪枝的Yolov4-Tiny网络的寒地绝缘子故障视频图像检测方法在说明书摘要公布了：基于通道剪枝的Yolov4‑Tiny网络的寒地绝缘子故障视频图像检测方法，属于计算机视觉技术领域。解决了传统的绝缘子故障检测模型训练收敛速率慢、具有结构和参数冗余、以及仅能对绝缘子图像进行故障检测，无法对视频进行检测的问题。本发明先根据寒地绝缘子图像构建数据集，依次进行Yolov4‑Tiny网络基础训练、稀疏训练、通道剪枝及微调训练，得到最终故障检测模型。通过通道剪枝及所构建的多种损失函数下的模型训练，压缩了模型大小，提高了寒地绝缘子故障视频和图像的检测速。本发明主要用于寒地绝缘子故障检测。

本发明授权基于通道剪枝的Yolov4-Tiny网络的寒地绝缘子故障视频图像检测方法在权利要求书中公布了：1.基于通道剪枝的Yolov4-Tiny网络的寒地绝缘子故障视频图像检测方法，其特征在于，该方法包括： 一训练阶段 数据集构建：获取寒地绝缘子图像，制作生成各绝缘子图像中绝缘子状态类别标签，将各绝缘子图像和与其对应的绝缘子状态类别标签作为一个训练样本，形成数据集； 故障检测模型基础训练：故障检测模型采用Yolov4-Tiny网络实现，基于QualityFocalLoss分类损失函数构建基础训练损失函数，将数据集中各训练样本输入至故障检测模型进行基础训练； 稀疏训练：基于QualityFocalLoss分类损失函数和批归一层尺度因子构建稀疏训练损失函数，并将数据集中各训练样本输入至基础训练后的故障检测模型进行稀疏训练； 稀疏训练损失函数的表达式为： ； 其中：为稀疏训练损失函数，为基础训练或微调训练损失函数，为稀疏训练的衰减因子，为层指标数，为通道指标数，为模型的总层数，为第层的总通道数，为第层的第个通道的批归一化层尺度因子大小，表示取范数； 通道剪枝及微调训练：对稀疏训练后的故障检测模型进行通道剪枝后，基于QualityFocalLoss分类损失函数构建微调训练损失函数，并将数据集中各训练样本输入至通道剪枝后故障检测模型进行微调训练； 进行通道剪枝的具体过程为： 设定通道全局剪枝率和批归一化层的最低通道保留率； 对稀疏训练后的故障检测模中所有批归一化层同时进行通道剪枝； 通道剪枝规则为：将Yolov4-Tiny网络中所有批归一化层上所有通道所对应的批归一层尺度因子由小到大排序，并从小到大依次删减各批归一层尺度因子所对应的通道，且每删减一个通道后，计算该删减的通道所在批归一化层的通道保留率，当满足删减的通道所在批归一化层的通道保留率小于或等于设定的批归一化层的最低通道保留率时，则当前所在批归一化层不再删减通道，同时，每删减一个通道后，统计当前被删减的通道总数，当被删减的通道总数达到通道全局剪枝率时，停止删减通道； 二推理阶段： 当待检测对象为图像时，将待检测图像输入至微调训练后的故障检测模型进行故障预测，输出标记有绝缘子状态类别的预测图像，完成绝缘子故障检测； 当待检测对象为视频时，将待检测视频进行帧分解得到按时间顺序排列的一组待检测图像，并将该组待检测图像按时间顺序依次输入至微调训练后的故障检测模型进行故障预测，依次输出标记有绝缘子状态类别的预测图像，并将输出的所有预测图像按时间顺序进行拼接处理，得到预测视频，完成绝缘子故障检测。

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黑龙江省电力有限公司伊春供电公司;哈尔滨工业大学;国家电网有限公司，其通讯地址为：153000 黑龙江省伊春市伊春区制材办保安街(通河路135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。