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！

龙图腾网获悉常州大学申请的专利基于深度迁移学习的架空输电线路绝缘子故障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：CN115861857B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202211711164.6，技术领域涉及：G06V20/17；该发明授权基于深度迁移学习的架空输电线路绝缘子故障检测方法是由朱正伟;宋欣杰;朱晨阳;颜丙涛;诸燕平设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本基于深度迁移学习的架空输电线路绝缘子故障检测方法在说明书摘要公布了：本发明公开了一种基于深度迁移学习的架空输电线路绝缘子故障检测方法，包括步骤如下：通过无人机获取绝缘子图像样本，并对图像样本进行预处理；根据迁移学习的方法将绝缘子图像样本分为源域和目标域，源域为已标记的正常绝缘子图像样本，目标域为未标记的故障绝缘子图像样本；选择Swin‑Transformer作为特征提取器提取源域和目标域的绝缘子特征，并将绝缘子特征映射到相同子空间，然后通过线性判别分析方法学习子空间的绝缘子特征，再通过最近类原型和结构化预测的方法伪标记目标域绝缘子故障样本子集；最后通过迭代学习伪标记目标域中所有的绝缘子故障样本。本发明能准确、快速的对架空输电线路中的绝缘子故障进行检测。

本发明授权基于深度迁移学习的架空输电线路绝缘子故障检测方法在权利要求书中公布了：1.一种基于深度迁移学习的架空输电线路绝缘子故障检测方法，其特征在于，包括步骤如下： S1，通过无人机获取绝缘子图像样本并对图像样本进行预处理； S2，将预处理后的绝缘子图像样本分为源域和目标域，并对源域绝缘子图像样本进行标记；将绝缘子图像样本分为源域和目标域的具体实现步骤如下： S21，对于预处理的图像样本，根据绝缘子状态将图像样本分为正常绝缘子图像样本和故障绝缘子图像样本两部分； S22，对正常绝缘子图像样本中的绝缘子进行标记，并将标记后的正常绝缘子图像样本记为源域；将未标记的故障绝缘子图像样本记为目标域； S3，采用SwinTransformer模块提取源域和目标域的绝缘子特征，并将将源域和目标域图像样本中的绝缘子特征映射到相同子空间； S4，通过基于线性判别分析方法学习子空间的绝缘子特征具体实现步骤如下： S41，将已标记的源域绝缘子图像样本作为带标签的训练样本集； S42，将已标记的源域绝缘子图像样本和未标记的目标域绝缘子故障样本先后投影到同一条直线上，根据投影点的位置判断样本类别： 如果是同类样本，则两个图像样本的投影点会接近； 如果是异类样本，则两个图像样本的投影点会远离； S5，伪标记目标域绝缘子故障样本集，并通过迭代学习伪标记所有目标域绝缘子故障样本；其中，结合标记源域图像样本和伪标记目标域图像样本，更新投影矩阵Z，并使用迭代学习方法来改进投影学习和伪标记，通过最近类原型的方法和基于结构预测的方法对目标域中的绝缘子故障进行伪标记；具体实现步骤如下： S51，计算源域绝缘子样本和目标域绝缘子故障样本在子空间Z中的投影，然后通过使用平均聚类集中化方法以及L2正则化方法，推导目标域绝缘子故障样本xt属于类y的条件概率；最后测量到这些类原型的距离，对目标域绝缘子故障进行伪标记； S52，通过聚类分析的方法获取目标域绝缘子故障样本的结构信息，然后目标域绝缘子故障样本的聚类通过结构化预测与源域绝缘子进行类匹配，最后根据目标域绝缘子故障样本所属的聚类对所有目标域绝缘子故障进行伪标记。

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常州大学，其通讯地址为：213164 江苏省常州市武进区湖塘镇滆湖中路21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。