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！

龙图腾网获悉山东大学申请的专利结合无透镜重建与深度检测模型的变压器油颗粒识别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：CN121686452B 。

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：202610199183.7，技术领域涉及：G06V20/69；该发明授权结合无透镜重建与深度检测模型的变压器油颗粒识别方法是由王晓龙;刘道远;赵彤;张远涛;孙滢;刘亚迪;孟硕;毕四浩设计研发完成，并于2026-02-11向国家知识产权局提交的专利申请。

本结合无透镜重建与深度检测模型的变压器油颗粒识别方法在说明书摘要公布了：结合无透镜重建与深度检测模型的变压器油颗粒识别方法，涉及变压器油检测技术领域，用于在图像重建阶段显著提升全息重建图的清晰度与颗粒分辨能力。本发明首先通过无透镜全息成像方式获取变压器油样产生的全息衍射图像。其次利用角谱法进行初始重建获得复振幅信息，并在此基础上引入GS迭代重建算法，通过在物域与频域交替施加约束，实现相位信息的高精度恢复。随后，将重建图像进行标注，将标注后的图像输入改进RT‑DETR模型训练，获得油中颗粒的类别、位置、数量及尺寸信息。本发明能够自动输出颗粒的类别、数量及尺寸分布信息，实现对变压器油污染特征的结构化量化分析，减少人工干预，提高检测效率和结果一致性。

本发明授权结合无透镜重建与深度检测模型的变压器油颗粒识别方法在权利要求书中公布了：1.结合无透镜重建与深度检测模型的变压器油颗粒识别方法，其特征在于，包括如下步骤： S1、通过无透镜数字全息显微成像系统获取变压器油样中包含油颗粒衍射与干涉信息的的原始全息衍射图像； S2、将原始全息衍射图像输入图像重建模块，采用角谱法对全息衍射图像进行初次数值重建，获得物平面的初始复振幅分布，为后续迭代重建提供初始估计； S3、引入GS迭代重建算法，通过在物域与频域之间交替施加振幅与相位约束，对复振幅进行多次迭代优化，抑制散斑噪声与衍射伪影，获得边缘清晰、结构完整的高质量颗粒重建图像； S4、对经GS迭代重建算法优化后的颗粒重建图像进行人工标注，根据颗粒的形态特征与成像特性，将颗粒划分为金属颗粒、纤维类颗粒和碳颗粒； S5、将颗粒重建图像构建为颗粒检测与分类数据集，并按照训练集与验证集为4:1的比例进行划分，利用训练集对改进的实时目标检测变换器RT-DETR模型进行训练； S6、利用验证集对训练完成的改进的实时目标检测变换器RT-DETR模型进行性能验证，通过对模型检测结果与人工标注结果进行对比，评估模型在颗粒检测与分类任务中的准确性与可靠性； 改进RT-DETR模型处理图像的过程包括以下步骤： S5.1、输入图像，首先送入卷积神经网络，从高分辨率到低分辨率逐级提取深层特征；主干网络在不同阶段上的特征提取为：1；2；3；其中，为18分辨率特征图；为116分辨率特征图；为132分辨率特征图；表示输入图像；表示步长为2的深度可分离卷积操作；表示主干网络中的特征提取模块；表示用于对输入图像进行初始特征提取的输入引导模块； S5.2、通过改进RT-DETR模型对特征进行自顶向下融合，以最高层为起点，进行线性变换：4；5；其中，为经过通道对齐后的最高层语义特征，用作自顶向下特征融合的起始特征；表示1×1卷积操作；表示经特征金字塔网络融合得到的中层特征图；为瓶颈卷积模块；表示特征拼接；表示上采样操作；表示将进行2×上采样后的特征图，使其空间分辨率与一致；向更高分辨率传播得到：6；其中，表示经特征金字塔融合后得到的高分辨率融合特征图；表示对进行2×上采样； S5.3、经路径聚合网络进一步将空间细节反向传递，从开始，下采样并与融合：7；其中，表示经路径聚合网络融合后得到的中层融合特征图；表示卷积核大小为3×3、步长为2的卷积操作； S5.4、再从继续下采样并与融合：8；其中，表示经路径聚合网络融合后得到的高层融合特征图； S5.5、最终输出三个融合后的特征、和； 步骤S5.5后，在RT-DETR模型中，对、和三个特征分别进行SPD操作：9；10；11；其中，表示空间到深度变换算子；表示对高分辨率特征施加空间到深度变换后得到的特征图；表示对中层特征施加空间到深度变换后得到的特征图；表示对高层特征施加空间到深度变换后得到的特征图；经上述SPD操作后，不同尺度特征被对齐为统一尺度，将特征集合12输入解码器；经多层特征建模与更新，输出颗粒目标的检测结果，检测结果包括颗粒的类别信息及其空间位置参数。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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。