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！

龙图腾网获悉广东工业大学申请的专利基于机器视觉的输电线路绝缘子缺陷检测方法和系统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：CN120782732B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202510885288.3，技术领域涉及：G06T7/00；该发明授权基于机器视觉的输电线路绝缘子缺陷检测方法和系统是由杨晓君;李拓;齐延岭;王羽婷;陈辉设计研发完成，并于2025-06-30向国家知识产权局提交的专利申请。

本基于机器视觉的输电线路绝缘子缺陷检测方法和系统在说明书摘要公布了：本发明公开了基于机器视觉的输电线路绝缘子缺陷检测方法和系统，涉及机器视觉技术领域，包括：将预训练的DenseCLIP模型与YOLOv11网络结合，通过DenseCLIP模型的视觉编码器提取绝缘子图像特征并转化为视觉嵌入向量，依据缺陷类别构建文本提示并转化为语言嵌入向量，计算视觉与语言嵌入向量的相似度，生成像素‑文本匹配分数图指导YOLOv11网络学习，构建绝缘子缺陷检测模型；将人工样本与真实样本构建混合训练集采用迁移学习分阶段训练策略进行训练，将待检测绝缘子图像导入绝缘子缺陷检测模型，获取视觉与语言嵌入向量融合后的增强特征图以及像素‑文本分数图，生成最终的预测结果。本发明提高绝缘子缺陷的检测精度和实时性，显著提升了电网智能化运维效率。

本发明授权基于机器视觉的输电线路绝缘子缺陷检测方法和系统在权利要求书中公布了：1.一种基于机器视觉的输电线路绝缘子缺陷检测方法，其特征在于，包括以下步骤： 构建绝缘子数字孪生体，生成不同缺陷模式的人工样本，同时采集多场景真实图像，基于包含正常绝缘子、破损缺陷、闪络缺陷的三类标注体系构建带有缺陷标记的真实样本； 将预训练的DenseCLIP模型与YOLOv11网络结合，通过DenseCLIP模型的视觉编码器提取绝缘子图像特征并转化为视觉嵌入向量，依据缺陷类别构建文本提示并转化为语言嵌入向量，计算视觉与语言嵌入向量的相似度，生成像素-文本匹配分数图指导YOLOv11网络学习，构建绝缘子缺陷检测模型； 将所述人工样本与所述真实样本按照预设比例构建混合训练集，基于所述混合训练集采用迁移学习分阶段训练策略对所述绝缘子缺陷检测模型进行训练，输出训练后的绝缘子缺陷检测模型进行部署； 将待检测绝缘子图像导入部署后的绝缘子缺陷检测模型，获取视觉与语言嵌入向量融合后的增强特征图以及像素-文本分数图，生成最终的预测结果； 通过CLIP模型的视觉编码器提取绝缘子图像特征并转化为视觉嵌入向量，依据缺陷类别构建文本提示并转化为语言嵌入向量，计算视觉与语言嵌入向量的相似度，生成像素-文本匹配分数图指导YOLOv11网络学习，构建绝缘子缺陷检测模型，具体为： 基于预训练的DenseCLIP模型与YOLOv11网络构建绝缘子缺陷检测模型，采用YOLOv11网络的DarkNet骨干网络提取多尺度绝缘子图像特征，保留原有的特征金字塔结构用于目标检测，获取视觉特征流； 加载预训练的DenseCLIP模型，使用CLIP-based视觉编码器提取像素级视觉嵌入，并使用文本编码器生成绝缘子缺陷类别的语义嵌入，获取语言特征流； 将视觉特征流中的视觉嵌入向量与语言特征流中的语言嵌入向量进行相似度计算，获取相似度矩阵，生成像素-文本匹配分数图表征标识图像区域与缺陷类别的语义关联强度，指导YOLOv11网络学习； 在YOLOv11网络的检测头前插入交叉注意力模块，将YOLOv11目标检测网络的视觉嵌入向量动态加权融合DenseCLIP的语言嵌入向量，增强对低对比度缺陷的敏感性； 在YOLOv11的特征金字塔顶层添加小目标检测层，直接接收DenseCLIP的高密度特征输入，并将DenseCLIP的像素-文本分数图下采样至不同尺度，与YOLOv11的多级特征图逐通道拼接，通过检测头获取缺陷检测结果及缺陷定位。

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工业大学，其通讯地址为：510006 广东省广州市番禺区小谷围街广州大学城外环西路100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。