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！

龙图腾网获悉华东交通大学申请的专利一种基于半监督学习的接触网吊弦缺陷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：CN120953293B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511493382.0，技术领域涉及：G06T7/00；该发明授权一种基于半监督学习的接触网吊弦缺陷检测方法是由韦宝泉;秦轶;邓芳明;王健;曾晗;周子健;甄凯;冷勇林;陈可;裴宁设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本一种基于半监督学习的接触网吊弦缺陷检测方法在说明书摘要公布了：本发明提供一种基于半监督学习的接触网吊弦缺陷检测方法，包括：收集已标注缺陷的第一接触网吊弦图像，以及未标注缺陷的第二接触网吊弦图像；通过图像预处理得到处理后的图像；构建无偏教师的半监督学习模型，使用处理后的第一接触网吊弦图像进行模型训练，得到初始模型；将处理后的第二接触网吊弦图像输入至初始模型，得到软标签数据；使用伪标签数据计算监督损失，使用软标签数据计算无监督损失，从而得到训练好的半监督学习模型；利用训练好的半监督学习模型对待检测的接触网吊弦图像进行缺陷检测，得到检测结果。本发明能够解决现有技术标注成本高、可靠性和检测精度较低的问题。

本发明授权一种基于半监督学习的接触网吊弦缺陷检测方法在权利要求书中公布了：1.一种基于半监督学习的接触网吊弦缺陷检测方法，其特征在于，包括： 步骤S1，收集第一数量的已标注缺陷的第一接触网吊弦图像，以及第二数量的未标注缺陷的第二接触网吊弦图像，所述第二数量大于所述第一数量； 步骤S2，对第一接触网吊弦图像和第二接触网吊弦图像分别进行预处理和归一化操作，并对图像中存在的图文数据进行提取，得到处理后的第一接触网吊弦图像和处理后的第二接触网吊弦图像； 步骤S3，构建无偏教师的半监督学习模型，使用处理后的第一接触网吊弦图像进行模型训练，得到初始模型，训练过程中，初始模型中的教师模型利用处理后的第二接触网吊弦图像生成伪标签数据，初始模型中的学生模型利用处理后的第一接触网吊弦图像和教师模型生成的伪标签数据进行联合训练，并通过指数移动平均算法更新教师模型； 步骤S4，将处理后的第二接触网吊弦图像输入至初始模型，构建相似度矩阵，形成无向有权图，通过标签传播算法进行迭代传播，以将处理后的第一接触网吊弦图像的标签传播给处理后的第二接触网吊弦图像，再基于设定的概率阈值对伪标签数据进行过滤，得到软标签，对软标签进行归一化处理得到软标签数据； 步骤S5，使用伪标签数据计算监督损失，使用软标签数据计算无监督损失，基于监督损失和无监督损失得到总损失函数，引入自适应注意力机制，动态调整监督损失和无监督损失的加权系数，使用梯度下降的优化算法，使总损失函数最小化，从而得到训练好的半监督学习模型； 步骤S6，利用训练好的半监督学习模型对待检测的接触网吊弦图像进行缺陷检测，得到检测结果； 其中，步骤S4具体包括： 步骤S4.1，将处理后的第二接触网吊弦图像输入至初始模型，将处理后的第二接触网吊弦图像转为特征向量矩阵，再用高斯核函数计算图像之间的相似度，从而构建相似度矩阵，形成无向有权图，相似度的计算公式如下： 其中，是第个处理后的第二接触网吊弦图像和第个处理后的第二接触网吊弦图像之间的相似度，是第个处理后的第二接触网吊弦图像的特征向量，是第个处理后的第二接触网吊弦图像的特征向量，是控制相似度衰减速度的参数； 步骤S4.2，创建标签矩阵，对于标签矩阵中已经标注的节点，将其对应的行设置成独热编码形式；对于标签矩阵中未标注的节点，将其对应的行初始化为全0量，然后通过标签传播算法进行迭代传播，以将处理后的第一接触网吊弦图像的标签传播给处理后的第二接触网吊弦图像； 步骤S4.3，当标签传播算法达到预设的最大迭代次数或标签矩阵收敛时，停止迭代，设定概率阈值p，筛选出教师模型输出的、预测概率不小于p的伪标签数据，使用softmax函数对筛选得到的伪标签数据进行归一化处理，得到软标签数据。

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华东交通大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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。