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！

龙图腾网获悉广东电网有限责任公司;广东电网有限责任公司揭阳供电局申请的专利雾天绝缘子缺陷检测方法、装置、电子设备和存储介质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：CN119067963B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202411399149.1，技术领域涉及：G06T7/00；该发明授权雾天绝缘子缺陷检测方法、装置、电子设备和存储介质是由张素丽;熊鑫欣;肖建华;徐敏;祝水根;黄祖伟;郑细烨;林心昊;陈耿;李飞;黄柏熊;喻磊;黄勇东;黄烁;陈佳鹏;段舒尹;刘超;谢庭军;陈锐忠;原吕泽芮;毛文瑞;吴永峰;罗宗文;刘胤良;张晓彬;李戎;彭汉明;曾威;林晓波;黄鸿杰;池小佳设计研发完成，并于2024-10-09向国家知识产权局提交的专利申请。

本雾天绝缘子缺陷检测方法、装置、电子设备和存储介质在说明书摘要公布了：本发明公开了一种雾天绝缘子缺陷检测方法、装置、电子设备和存储介质。该方法包括：基于训练集对预训练模型进行训练，获得目标YOLO模型；预训练模型由预训练YOLO模型和域分类器构成；域分类器用于对图像特征信息进行域分类结果的预测；图像特征信息为基于预训练YOLO模型从训练集中绝缘子图像数据中提取的从全局到局部的特征信息，域分类结果用于描述图像特征信息属于源域或目标域的概率值；获取预设浓度雾气对应的目标绝缘子图像数据，基于目标YOLO模型对目标绝缘子图像数据进行缺陷检测，获得绝缘子缺陷检测结果。本发明解决因为去雾算法带来的计算成本高的问题，减少模型训练过程中对于大量标记数据的依赖，实现高效且准确的对于绝缘子缺陷的检测。

本发明授权雾天绝缘子缺陷检测方法、装置、电子设备和存储介质在权利要求书中公布了：1.一种雾天绝缘子缺陷检测方法，其特征在于，所述方法包括： 获取训练集，所述训练集包括源域和目标域，所述源域为晴天条件下的有缺陷标记的绝缘子图像数据的集合，所述目标域为预设浓度雾天条件下无缺陷标记的绝缘子图像数据的集合； 基于所述训练集对预训练模型进行训练，获得目标YOLO模型；所述预训练模型由预训练YOLO模型和域分类器构成；所述目标YOLO模型为所述预训练模型的目标损失小于或等于预设损失值时对应的预训练YOLO模型，所述域分类器用于对图像特征信息进行域分类结果的预测；所述图像特征信息为基于所述预训练YOLO模型从所述训练集中绝缘子图像数据中提取的从全局到局部的特征信息，所述域分类结果用于描述所述图像特征信息属于源域或目标域的概率值； 获取预设浓度雾气对应的目标绝缘子图像数据，基于所述目标YOLO模型对所述目标绝缘子图像数据进行缺陷检测，获得绝缘子缺陷检测结果； 其中，所述域分类器包括至少一个图像级域分类器和至少一个实例级域分类器，所述图像级域分类器用于处理绝缘子图像数据在全局图像层面上的特征分布差异，所述实例级域分类器用于处理绝缘子图像数据在局部图像层面上的特征分布差异，所述图像级域分类器由梯度反转层、卷积层、批标准化层和激活函数组成，所述实例级域分类器由梯度反转层、全连接层、激活函数和Dropout层组成； 所述预训练YOLO模型包括特征提取器，所述特征提取器包括至少一个全局特征提取层和至少一个局部特征提取层，所述局部特征提取层位于所有全局特征提取层的后面，用于对从全局特征提取层输出的特征进行进一步的特征提取；所述预训练YOLO模型还用于对绝缘子图像数据中的缺陷特征进行预测标记； 所述全局特征提取层的数量大于或等于所述图像级域分类器的数量，所述局部特征提取层的数量大于或等于所述实例级域分类器的数量； 其中，基于所述训练集对预训练模型进行训练，获得目标YOLO模型之前，所述方法包括： 从所述至少一个全局特征提取层选择第一预设数量个全局特征提取层作为目标全局特征提取层，从所述至少一个局部特征提取层选择第二预设数量个局部特征提取层作为目标局部特征提取层；一个所述目标全局特征提取层对应一个图像级域分类器，一个所述目标局部特征提取层对应一个实例级域分类器。

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广东电网有限责任公司;广东电网有限责任公司揭阳供电局，其通讯地址为：510000 广东省广州市越秀区东风东路757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。