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！

龙图腾网获悉国网山西省电力公司阳泉供电公司申请的专利一种基于FA-YOLOv8的绝缘子异常状态辨识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：CN120031834B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202510109578.9，技术领域涉及：G06T7/00；该发明授权一种基于FA-YOLOv8的绝缘子异常状态辨识方法是由贾建军;刘建红;杨华;周云涛;石家伟;黄倩;郝鑫宇设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种基于FA-YOLOv8的绝缘子异常状态辨识方法在说明书摘要公布了：本发明公开了一种基于FA‑YOLOv8的绝缘子异常状态辨识方法，属于输电部件目标识别技术领域，包括数据准备与预处理，对绝缘子数据集进行重新标注并为每张图像添加标签信息，构造双卷积融合模块替换YOLOv8模型主干网络中的部分卷积模块，进行第一阶段特征提取，搭建多重注意力机制融合框架进行特征层采样；进行第二、第三和第四阶段的特征提取，并被依次输入到多重注意力机制融合框架中；进行特征传递和任务解耦，对YOLOv8模型中的损失函数进行改进，设计复合损失函数；本发明采用上述的一种基于FA‑YOLOv8的绝缘子异常状态辨识方法，解决了现目标识别方法在输电线路绝缘子微小缺陷及强烈背景干扰时计算量大、响应速度慢、辨识效率低、适应性差的问题。

本发明授权一种基于FA-YOLOv8的绝缘子异常状态辨识方法在权利要求书中公布了：1.一种基于FA-YOLOv8的绝缘子异常状态辨识方法，其特征在于，包括以下步骤： S1、数据准备与预处理，对绝缘子数据集进行重新标注并为每张图像添加标签信息，将160×160×3的图像作为网络输入； S2、融合幻影卷积GhostConv和膨胀卷积DConv构造双卷积融合模块，替换YOLOv8模型主干网络中的部分Conv2d_BN_SiLU卷积模块； 构造双卷积融合模块的具体步骤如下： S21、将前一层的特征映射作为本层的输入，使用扩张率为r1、r2和r3的膨胀卷积DConv从不同的感受野学习特征,这个过程表示如下： 1 其中，为前一层的特征映射，、、分别表示空间分辨率为3×3，扩张率为r1、r2和r3的DConv，、、分别表示DConv所得扩张率为r1、r2和r3的特征映射； S22、使用幻影卷积GhostConv和标准卷积来细化输入特征；具体过程表示如下： 2 其中，表示幻影卷积GhostConv，表示具有1×1内核的标准卷积，表示仅通过GhostConv得到的特征映射，表示依次通过GhostConv和标准卷积得到的特征映射； S23、将得到的特征映射、、、和连接，并使用具有1×1内核的标准卷积进行降维，具体过程表示如下： 3 其中，表示输出的特征图； S3、将标注后的绝缘子图像输入到由ConvModule和双卷积融合模块组成的FANet主干网络第一阶段，进行第一阶段特征提取； S4、将高效通道注意力机制、空间注意力机制以及特征金字塔模块进行结合，搭建多重注意力机制融合框架，并应用于双卷积融合模块的特征层采样阶段； S5、完成第一阶段特征提取后，进行第二、第三和第四阶段的特征提取，并被依次输入到多重注意力机制融合框架中； S6、多重注意力机制融合框架的输出特征通过FPN和PAN的网络传递并使用解耦头来分别处理识别中的分类和定位任务； S7、对YOLOv8模型中的损失函数进行改进，使用归一化Wasserstein距离来代替原始模型中的CIOU损失，归一化Wasserstein距离与二元交叉熵分类损失函数和分布式焦点回归损失函数相结合，设计复合损失函数。

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国网山西省电力公司阳泉供电公司，其通讯地址为：045000 山西省阳泉市城区德胜东街333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。