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！

龙图腾网获悉国网江苏省电力有限公司;国网江苏省电力有限公司建设分公司;中国电力科学研究院有限公司;北京国电通网络技术有限公司;国网福建省电力有限公司经济技术研究院申请的专利基于深度学习的输变电工程违章识别的方法、系统和介质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：CN115359414B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202210751259.4，技术领域涉及：G06V20/52；该发明授权基于深度学习的输变电工程违章识别的方法、系统和介质是由徐鑫乾;涂德军;吴威;谢洪平;顾明清;林冬阳;范舟;韩超;黄涛;余鹏;徐铼;吴则海;宋宝松;宋文志;于新民;魏文新设计研发完成，并于2022-06-28向国家知识产权局提交的专利申请。

本基于深度学习的输变电工程违章识别的方法、系统和介质在说明书摘要公布了：本发明提出了基于深度学习的输变电工程违章识别的方法、系统和介质。所述方法包括：步骤1、采集输变电工程中的违章样本图片，将所述违章样本图片分为M类，其中，M表示违章类型的数量，每类违章样本图片N张；步骤2、利用旋转和平移方式对所述违章样本图片进行样本增强，获得增强后的违章样本图片；步骤3、利用所述增强后的违章样本图片构建网络模型；步骤4、将输变电工程实施现场采集到的图片输入至所述网络模型中进行违章识别，获得所述图片对应的违章类型。

本发明授权基于深度学习的输变电工程违章识别的方法、系统和介质在权利要求书中公布了：1.基于深度学习的输变电工程违章识别的方法，其特征在于，所述方法包括： 步骤1、采集输变电工程中的违章样本图片，将所述违章样本图片分为M类，其中，M表示违章类型的数量，每类违章样本图片N张； 步骤2、利用旋转和平移方式对所述违章样本图片进行样本增强，获得增强后的违章样本图片； 步骤3、利用所述增强后的违章样本图片构建网络模型，模型训练时，将输入图片拆分成小图像块，以线性嵌入序列输入神经网络，通过监督学习的方式训练出违章识别网络模型参数； 步骤4、将输变电工程实施现场采集到的图片输入至所述网络模型中进行违章识别，获得所述图片对应的违章类型； 步骤3中所述的利用所述增强后的违章样本图片构建网络模型，包括： 步骤301、通过所述增强后的违章样本图片获取与所述增强后的违章样本图片对应的输出特征ci； 步骤302、将所述输出特征ci进行特征融合，获得融合后参数序列，并将所述融合后参数序列融入后处理模块进行处理，其中，所述融合后参数序列如下： C＝[c1,c2,…,ck]； 其中，C表示融合后的特征；c1……ck表示输出特征； 步骤303、将在所述违章样本集上采用softmax进行模型训练，得到违章识别参数； 编码器包括第一归一化处理模块、多注意力融合模块、第一加法器、第二归一化处理模、第一全连接层、第三归一化处理模块、第二全连接层和第二加法器；所述第一归一化处理模块、多注意力融合模块、第一加法器、第二归一化处理模、第一全连接层、第三归一化处理模块、第二全连接层和第二加法器的信号输入端和信号输出端依次对应相连； 所述多注意力融合模块的运行过程包括： 第一步、对输入特征采用全局平均池化； 其中，H表示全局平均池化函数；Xi，j表示输入值的C通道位于i，j处的值； 第二步、在空间注意力分支中，将池化后的特征通过卷积层和sigmoid激活函数进行处理，得到SA如下： 其中，δ表示sigmoid激活函数，Conv表示卷积层，g表示全局平均池化的输出，F是多注意力融合模块的输入 第三步、在通道注意力分支中，将池化后的特征通过卷积层、ReLU、卷积层和sigmoid激活函数处理之后得到CA如下： CA＝σConvδConvg； 其中，δ表示sigmoid激活函数，Conv表示卷积层，g表示全局平均池化的输出； 第四步、将两种注意力机制进行融合，获得融合后参数F如下： F＝[CA,SA] 第五步、将所述融合后参数F通过卷积处理后获得输出特征Fout如下： out＝ConvF； 其中，Fout表示输出特征。

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江苏省电力有限公司;国网江苏省电力有限公司建设分公司;中国电力科学研究院有限公司;北京国电通网络技术有限公司;国网福建省电力有限公司经济技术研究院，其通讯地址为：210000 江苏省南京市上海路215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。