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！

龙图腾网获悉上海朗驰佰特智能技术有限公司;上海厚尚电力科技有限公司;上海电力大学申请的专利一种基于YOLOA的电厂关键设施异常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：CN117079173B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202210994219.2，技术领域涉及：G06V20/40；该发明授权一种基于YOLOA的电厂关键设施异常识别方法是由吴立斌;李杰;王子巍;王哲;彭道刚;戚尔江;王丹豪;葛明;潘俊臻;刘世彬设计研发完成，并于2022-08-18向国家知识产权局提交的专利申请。

本一种基于YOLOA的电厂关键设施异常识别方法在说明书摘要公布了：本发明涉及电厂巡检机器人和固定的摄像头后台图像处理技术领域，具体地说是一种基于YOLOA的电厂关键设施异常识别方法。一种基于YOLOA的电厂关键设施异常识别方法，包括以下步骤：S1，利用YOLOA网络训练电厂采集的泄漏数据，然后将训练好的模型部署到算法服务器上；S2，电力巡检机器人到达指定位置转动云台，双视摄像头对准识别区域后截取3s可见光和红外视频；S3，采用B变换融合可见光图像的B分量和红外图像，得到融合后的视频；S4，将融合后的视频输入网络预测并在前端页面显示。同现有技术相比，能够更准确的识别电厂的异常状况；利用视频检测，不易出现误检和漏检的情况并且能够实时的在前端页面显示检测的状况。

本发明授权一种基于YOLOA的电厂关键设施异常识别方法在权利要求书中公布了：1.一种基于YOLOA的电厂关键设施异常识别方法，其特征在于：包括以下步骤： S1，利用YOLOA网络训练电厂采集的泄漏数据，然后将训练好的模型部署到算法服务器上； S2，电力巡检机器人到达指定位置转动云台，双视摄像头对准识别区域后截取3s可见光和红外视频； S3，采用B变换融合可见光图像的B分量和红外图像，得到融合后的视频； S4，将融合后的视频输入网络预测并在前端页面显示，视频检测后统计c大于0.8的次数t，最后判断t与0.6f的大小，若t0.6f则电厂确认发生异常状况，其中f为3s视频的总帧数，c为置信度； 所述的步骤S1中，为了能够使网络更快收敛，具体流程为： S11，首先将YOLOA网络用于大型的数据集得到预训练权重后再用于本数据集； S12，训练神经网络的参数设置为width＝640，height＝640，learning-rate＝1e-3， epochs＝300，经过300轮训练损失降到0.04； S13，损失的计算公式：Loss＝a*Lr+Lo+Lc+L1，其中Lr为回归损失，Lo为目标损失，Lc为分类损失，L1为L1正则项损失； S14，网络的后处理是为了解决密集场景下直接删除高度重叠目标而造成的目标漏检的问题，M_NMS计算公式：其中，M表示当前置信度最高的检测框，Ci表示某个候选检测框，t表示阈值； S15，最后将训练好的模型部署到算法服务器上，对电厂的泄漏视频进行检测；所述的步骤S2中，双视摄像头对准识别区域后截取可见光和红外视频，为了方便融合此时截取的可见光与红外视频必须同步； 所述的步骤S3中，采用B变换方法将可见光的B分量与红外图像的灰度图融合，融合后得到B’分量，然后将B’、C、S分量逆变换为彩色图像，公式为G′＝0.3*R+0.6*G+0.1*B；B＝R+G+B+G'4，其中B为亮度，C为色度，S为饱和度，G’为灰度； 所述的步骤S4中，将置信度设置为0.8然后对融合后的3s视频进行每一帧的检测，当置信度小于等于0.8时通过flask框架将原始图像推送到前端显示，大于0.8时推送异常图像到前端显示，检测完3s视频后统计视频中置信度大于0.8的次数，若大于总帧数的0.6倍则电厂确认发生异常状况此时需要发出报警。

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上海朗驰佰特智能技术有限公司;上海厚尚电力科技有限公司;上海电力大学，其通讯地址为：201799 上海市青浦区华纺路69号3幢3层T区359室；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。