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！

龙图腾网获悉合肥工业大学;安徽华工智能科技研究院有限公司申请的专利基于改进的transformer网络的油气管道漏磁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：CN116245873B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202310346566.9，技术领域涉及：G06T7/00；该发明授权基于改进的transformer网络的油气管道漏磁检测方法是由王刚;李寰;褚伟;伍章俊;熊群峰;董洋;卢明凤;贡俊巧;罗龙清设计研发完成，并于2023-04-03向国家知识产权局提交的专利申请。

本基于改进的transformer网络的油气管道漏磁检测方法在说明书摘要公布了：本发明公开了一种基于改进的transformer的管道漏磁检测方法，属于管道检修技术领域，其步骤包括：1通过漏磁检测器采集油气管道漏磁曲线图像，并构建油气管道漏磁图像数据集；2搭建改进的transformer网络，网络结构包含卷积模块、编码模块和全连接网络预测模块；3训练改进的transformer网络模型，优化模型参数；4利用训练好的改进的transformer模型预测管道的缺陷情况。本发明能自适应能实现局部特征与全局特征的互补性利用，从而提升管道漏磁检测效果。

本发明授权基于改进的transformer网络的油气管道漏磁检测方法在权利要求书中公布了：1.一种基于改进的transformer网络的油气管道漏磁检测方法，其特征在于，包括以下步骤： 步骤1，通过漏磁检测器采集管道漏磁曲线图像，并构建管道漏磁图像数据集D＝{Di|i＝1,2,3,...,I}，其中，Di为第i个图像样本，且Di＝Xi,yi，代表第i个油气管道漏磁图像，yi表示Xi对应油气管道缺陷类别的独热编码，其中，L，W分别为图像长度、宽度； 步骤2，搭建改进的transformer网络，包括：卷积模块、编码模块和全连接网络预测模块；其中，所述编码模块包括：多头注意力模块、残差模块； 步骤2.1，将第i个油气管道漏磁图像Xi输入所述改进的transformer网络中进行处理，并相应输出第z次迭代时油气管道缺陷类别的预测向量 步骤2.1.1，定义当前迭代次数为z，并初始化z＝1； 步骤2.1.2，将油气管道漏磁图像Xi输入所述卷积模块中进行图像局部特征的提取，得到单通道深度特征矩阵Fiz； 步骤2.1.3，利用式5对所述单通道深度特征矩阵Fiz切割为若干个图块，并将每个图块展平为一维向量； Tizm＝embedding[Fizm]5 式5中，Fizm为第i个单通道深度特征矩阵Fiz的第m个图块，Tizm为第m个图块Fizm展平后所得到的一维向量，embedding表示展平操作； 步骤2.1.4，利用式6将各个图块进行拼接后，加入分类令牌与图块位置信息，从而得到第z次迭代的含位置信息的拼接矩阵 式6中，为的第0维向量，表示油气管道漏磁图像的分类令牌，为第z次迭代的各个图块的位置信息矩阵，P为图块的边长，E为权重参数； 步骤2.1.5，所述拼接矩阵输入编码模块中进行处理，从而获得第z次迭代的第n次编码结果Finz； 步骤2.1.6，所述全连接网络预测模块利用式11计算第z次迭代时的第i个油气管道漏磁图像Xi的油气管道缺陷类别的预测向量 式11中，为最终编码后的深度特征中第0维向量，W'z为第z次迭代时全连接网络预测模块的线性变换矩阵，b'z为第z次迭代时全连接网络预测模块的偏置； 步骤2.2，利用式12构建第z次迭代的focalloss损失函数FLz： 式12中，δ为调节因子； 步骤2.3，基于油气管道漏磁曲线图像样本集D，以所述focalloss损失函数最小化为目标，并通过时间反向传播算法和自适应矩估计优化算法对改进的transformer网络中的参数进行优化更新，直到训练次数大于最大迭代次数Z时停止，结束训练，从而得到训练好的改进的transformer网络模型，用于预测油气管道的缺陷情况。

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合肥工业大学;安徽华工智能科技研究院有限公司，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。