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！

龙图腾网获悉中国地质大学(武汉)申请的专利基于少量实测样本的接地网拓扑结构识别分类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：CN115510751B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202211214824.X，技术领域涉及：G06F30/27；该发明授权基于少量实测样本的接地网拓扑结构识别分类方法是由宋恒力;赵庆璞设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本基于少量实测样本的接地网拓扑结构识别分类方法在说明书摘要公布了：本发明提供了基于少量实测样本的接地网拓扑结构识别分类方法。该方法基于实测样本集，利用深度学习算法中针对图像识别的卷积神经网络，实现对图像中接地网拓扑结构的识别并分类的功能。首先建立样本库，使用成熟的商用仿真软件按照实测环境的参数条件建立电磁响应图像的样本库，并通过迁移学习的方式，利用少量实测样本，实现将实测噪声图像的风格迁移到按实测条件建立的仿真样本库中，形成实测图像样本库。再将样本集中的一部分作为训练集，建立神经网络并进行训练，开展接地网拓扑结构识别方法研究，实现对接地网电磁响应图像中的复杂特征的提取，并识别分类。

本发明授权基于少量实测样本的接地网拓扑结构识别分类方法在权利要求书中公布了：1.基于少量实测样本的接地网拓扑结构识别分类方法，其特征在于，包括以下步骤： S100、基于接地网仿真平台，建立不同拓扑结构的接地网物理模型，将各个参数按实测时的条件设置，仿真计算得到接地网电磁响应数据，并绘制磁场强度分布图，建立基础样本库； S200、处理所述磁场强度分布图，进一步扩大样本量；训练神经网络，使用迁移学习的方法，以一部分接地网实测响应图像为基础，进行电磁噪声图像的风格迁移，得到模拟不同拓扑结构的接地网在实际变电站环境下测得的含有电磁噪声的图像，建立实测图像样本库； S300、针对所述实测图像样本库和接地网拓扑结构识别的要求，建立神经网络并训练，形成分类模型；根据图像识别的要求，设计网络的输入层、卷积层、全连接层、输出层，并修改相关参数；使用样本库中的一部分图像对网络进行训练，剩下一部分图像则作为测试集，测试训练好的网络，并给出结果分析； 步骤S200具体包括： S210、对基础样本库中的所有图像进行尺寸归一化处理，并增加每个类别的图像数量为原来的6倍，扩充基础样本库； S220、使用VGG-19深度学习网络作为图像迁移使用的神经网络，以部分实测样本作为风格迁移的风格来源，用Gram矩阵来对图像中的风格进行建模和提取，再利用慢速图像重建方法，让重建后的图像以梯度下降的方式更新像素值，使其Gram矩阵接近风格图的Gram矩阵，定义Gram矩阵为： 式中，i,j,k分别为激活项的位置，i代表矩阵的行数、j代表矩阵的列数、k代表不同通道，l为层数，F为向量化特征映射函数，表示第l层向量化特征映射函数在第i行、第k个通道的值，表示第l层向量化特征映射函数在第j列、第k个通道的值； 用VGG网络提取的高层featuremap来表征图像的内容信息； S230、对神经网络的参数进行设置，定义内容损失函数为： 式中，l代表用来提取风格特征的层，Ql和Pl分别代表生成图片和内容图片在l层的特征图，Ml代表特征图的尺寸，Nl是层l中不同特征映射的数量，Ml是层l中特征映射的容量，和分别代表生成图片和内容图片在l层第i行第j列的特征图； 定义风格损失函数如下： 其中， 式中，ωl为相关系数，即该层所占的权重；Glij和Alij分别代表生成图片和风格图片在l层的特征图Gram矩阵第i行第j列的值； 将仿真样本库中的所有图像作为内容图像输入到神经网络中，每张图像使神经网络生成一张由随机噪声构成的底图，通过计算风格损失和内容损失，迭代更新底图，生成模拟现场环境的实测图片。

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中国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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。