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！

龙图腾网获悉哈尔滨理工大学申请的专利一种基于多模态联合学习的变压器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：CN116862864B 。

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：202310819263.4，技术领域涉及：G06T7/00；该发明授权一种基于多模态联合学习的变压器缺陷检测方法是由席亮;邓智博;池明赫设计研发完成，并于2023-07-06向国家知识产权局提交的专利申请。

本一种基于多模态联合学习的变压器缺陷检测方法在说明书摘要公布了：一种基于多模态联合学习的变压器缺陷检测方法，本发明涉及油浸式变压器纸质绝缘件内部缺陷检测分类准确率低问题。传统缺陷检测方法即只考虑了时间序列的时序特征，而忽略了时间序列的其他特征，从而导致缺陷检测效果无法进一步提升，使缺陷检测准确率较低。为改善这一问题，本发明提出了一种通过联合时序模态和噪声模态，并在两个模态融合过程中引入了细粒度双线性融合方法以更加充分的提取两种模态中更有价值的特征，从而解决了单模态时序缺陷检测的弊端。实验表明，该方法能有效利用多模态之间的关系，提高了缺陷检测性能和分类准确率。本发明应用于油浸式变压器纸质绝缘件内部缺陷检测。

本发明授权一种基于多模态联合学习的变压器缺陷检测方法在权利要求书中公布了：1.一种基于多模态联合学习的变压器缺陷检测方法，其特征在于，包含以下步骤： S1、缺陷模型的制作及局部放电信号采集与处理； S2、准备时序数据，并进行加噪生成噪声数据； S3、将时序数据输入时序信号编码器提取时序模态的低维嵌入表示； S4、将噪声数据输入噪声信号编码器提取噪声模态的低维嵌入表示； S5、通过细粒度双线性融合模块充分提取不同模态的有效特征，来进行编码后两个模态融合； S6、构建多模态联合学习模型框架，并通过S5中生成的数据训练分类模型； 步骤S5中所述的通过细粒度双线性融合模块充分提取不同模态的有效特征，来进行编码后两个模态融合方法如下： 细粒度双线性融合的原理是基于双线性池化操作，它能够有效地捕捉到两个特征之间的相关性和互补性；该方法的核心思想是将两个特征表示进行张量外积，并通过池化操作将其转换为固定维度的特征向量；首先得到的时序特征向量A∈RM和噪声特征向量B∈RN，其中m和n分别表示它们的维度；将特征向量A和B进行张量外积操作，得到一个二维的特征矩阵C∈RM×N；特征矩阵的元素Cij是特征向量A的第i个元素和特征向量B的第j个元素的乘积，表示它们之间的相关性；对特征矩阵C进行池化操作，将其转换为一个固定维度的特征向量D∈RD；池化操作的目的是将特征矩阵中的信息进行压缩和集成，得到一个固定长度的特征向量；对特征向量D进行非线性变换，以增强特征的表达能力。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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。