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一种基于深度学习的电线杆几何形变预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：CN121330374B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511495275.1，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的电线杆几何形变预测方法是由苏庆;田华川;连凯;袁海军;罗祖润;陈育涛;林志毅;谢国波;吴腾斌;高鹏;梁宸;马玉唐设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本一种基于深度学习的电线杆几何形变预测方法在说明书摘要公布了：本发明公开了一种基于深度学习的电线杆几何形变预测方法，包括：获取原始电线杆图像数据列表和原始电线杆多模态数据列表；对所述原始电线杆图像数据列表和原始电线杆多模态数据列表进行数据预处理，分别得到处理过后的电线杆图像数据列表和电线杆多模态数据列表；构建电线杆几何形变预测网络，运用该网络对所述处理过后的电线杆图像数据列表和电线杆多模态数据列表进行处理，得到电线杆几何形变的预测结果；本发明精准预测倾斜角度、裂缝宽度等参数，为电力运维提供可靠依据，推动从被动抢修向主动预防转变，降低事故风险，提升电网运行安全性与经济性。

本发明授权一种基于深度学习的电线杆几何形变预测方法在权利要求书中公布了：1.一种基于深度学习的电线杆几何形变预测方法，其特征在于，包括： 获取原始电线杆图像数据列表和原始电线杆多模态数据列表； 对所述原始电线杆图像数据列表和原始电线杆多模态数据列表进行数据预处理，分别得到处理过后的电线杆图像数据列表和电线杆多模态数据列表； 构建电线杆几何形变预测网络，运用该网络对所述处理过后的电线杆图像数据列表和电线杆多模态数据列表进行处理，得到电线杆几何形变的预测结果； 其中，所述电线杆几何形变预测网络依次执行以下操作： S1、对所述处理过后的电线杆图像数据列表和电线杆多模态数据列表进行空间特征和多模态时序特征融合，得到电线杆时空融合特征向量； S2、对所述电线杆时空融合特征向量进行多尺度特征提取与增强，生成强化后的电线杆多尺度时空融合特征向量； S3、对所述强化后的电线杆多尺度时空融合特征向量和所述处理过后的电线杆多模态数据列表进行噪声抑制与关键特征聚焦，生成高精度电线杆形变特征向量； S4、对所述高精度电线杆形变特征向量进行门控机制处理与多步形变预测，得到电线杆几何形变的预测结果；将所述电线杆几何形变预测网络部署至监测系统，以输出预测结果； S1中进行空间特征和多模态时序特征融合的过程包括： 采用电线杆空间注意力机制提取所述处理过后的电线杆图像数据列表的空间特征，得到电线杆空间特征向量； 采用电线杆时间注意力机制提取所述处理过后的电线杆多模态数据列表的时间特征，得到电线杆时间特征向量； 将所述电线杆空间特征向量与所述电线杆时间特征向量输入至电线杆特征融合子模块进行处理，生成所述电线杆时空融合特征向量； 在S3中进行噪声抑制与关键特征聚焦的过程包括： 对所述强化后的电线杆多尺度时空融合特征向量和所述处理过后的电线杆多模态数据列表进行模态分解、模态筛选及动态软阈值处理，得到电线杆去噪特征向量； 运用双注意力机制对所述电线杆去噪特征向量进行空间维度和时间维度的关键特征聚焦操作，生成所述高精度电线杆形变特征向量； 在S4中进行门控机制处理与多步形变预测的过程包括： 运用电线杆形变门控机制对所述高精度电线杆形变特征向量进行形变特征预测，得到隐藏特征状态； 基于预测步长构建多个预测分支，对所述隐藏特征状态进行多步形变预测，得到多步形变预测特征矩阵； 对所述多步形变预测特征矩阵进行卷积操作以强化时序关联，并引入物理约束进行边界修正，得到最终的电线杆形变多步预测向量。

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：510090 广东省广州市越秀区东风东路729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。