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！

龙图腾网获悉山西省能源互联网研究院;太原理工大学申请的专利一种基于改进YOLOv5算法的电力设备红外图像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：CN116091424B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202211667458.3，技术领域涉及：G06T7/00；该发明授权一种基于改进YOLOv5算法的电力设备红外图像缺陷检测方法是由景超;王鑫华;王慧民;任丁卉;程永强;张兴忠设计研发完成，并于2022-12-23向国家知识产权局提交的专利申请。

本一种基于改进YOLOv5算法的电力设备红外图像缺陷检测方法在说明书摘要公布了：本发明提供了一种基于改进YOLOv5算法的电力设备红外图像缺陷检测方法，属于电力设备缺陷检测技术领域；解决了电力设备红外图像有遮挡、分类不准确和特征提取不充分导致的缺陷诊断效率和精度低的问题；包括如下步骤：建立电力设备红外图像数据集，并进行预处理；建立电力设备可见光图像数据集，并通过可见光图像数据集预训练原始YOLOv5模型，通过迁移学习的方法将预训练的原始YOLOv5模型应用于电力设备红外图像的学习中；构建改进的YOLOv5模型，将预处理后的电力设备红外图像数据集和经过迁移学习后的原始YOLOv5模型的权重信息输入至改进的YOLOv5模型，对电力设备红外图像的缺陷进行识别；判断电力设备红外图像中的设备温度是否正常；本发明应用于电力设备缺陷检测。

本发明授权一种基于改进YOLOv5算法的电力设备红外图像缺陷检测方法在权利要求书中公布了：1.一种基于改进YOLOv5算法的电力设备红外图像缺陷检测方法，其特征在于：包括如下步骤： S1：建立电力设备红外图像数据集，并进行预处理； S2：建立电力设备可见光图像数据集，并通过可见光图像数据集预训练原始YOLOv5模型，通过迁移学习的方法将预训练的原始YOLOv5模型应用于电力设备红外图像的学习中； 所述步骤S2中通过可见光图像数据集预训练原始YOLOv5模型的步骤如下： 将原始YOLOv5模型的权重参数进行初始化操作，将电力设备可见光图像数据集输入网络，经过一系列连续的卷积、激活、池化和全连接层，使图片感受野不断增大，将网络前三层卷积进行层迁移，再将预训练得到的YOLOv5模型提取出来； 所述步骤S2中通过迁移学习的方法将预训练的原始YOLOv5模型应用于电力设备红外图像的学习中的步骤如下： 保存迁移学习之后的全连接层权重，得到新的分类器模型通过保存迁移学习到的电力设备特征参数，最终实现迁移学习YOLOv5的电力设备检测； S3：构建改进的YOLOv5模型，将预处理后的电力设备红外图像数据集和经过迁移学习后的原始YOLOv5模型的权重信息输入至改进的YOLOv5模型，对电力设备红外图像的缺陷进行识别； 所述步骤S3中改进的YOLOv5是在YOLOv5s的基础上进行改进的，首先通过迁移学习预训练模型，构建电力设备红外图像目标检测模型，在红外图像目标检测模型中，在backbone原Focus模块后加入Triplet注意力机制；在预测结果处理阶段，针对出现的众多目标框的筛选，采用加权NMS操作，自适应锚框获得最优的目标框； 所述Triplet注意力机制包含3个平行的分支，其中两个分支负责捕获通道C和空间维度WH之间的跨通道交互，剩下的一个分支采用与CBAM相同的计算方法计算通道注意力权重，最后将三个分支的输出进行平均聚合； S4：判断电力设备红外图像中的设备温度是否达到规定的温度标准，设备温度没有达到规定的温度标准则输出设备正常的结果，设备温度达到规定的温度标准则输出设备存在缺陷的结果。

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山西省能源互联网研究院;太原理工大学，其通讯地址为：030006 山西省太原市转型综合改革示范区学府产业园东融街6号中博信息产业园B栋；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。