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！

龙图腾网恭喜国网安徽省电力有限公司电力科学研究院申请的专利一种基于联邦学习的多变电站设备缺陷识别方法及系统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：CN119273694B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202411814828.0，技术领域涉及：G06T7/00；该发明授权一种基于联邦学习的多变电站设备缺陷识别方法及系统是由孙伟;赵龙;丁国成;王同文;康健;张淑娟;邢璐;史伟豪;金雨楠设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本一种基于联邦学习的多变电站设备缺陷识别方法及系统在说明书摘要公布了：一种基于联邦学习的多变电站设备缺陷识别方法及系统，属于图像处理技术领域，解决变电站设备缺陷识别过程中客户端数据不可见导致特征偏移的问题；本发明在联邦学习过程中，本地端和服务器端之间不需要传递CLIP模型的视觉分支和文本分支，仅需要传递文本提示词、编码器和解码器的参数即可实现不同服务器端的知识学习与知识融合，相比于具有大参数量的CLIP模型，极大降低了传输参数量，通过多次的本地端和服务器端的循环训练，最终得到效果最优的服务器端的全局模型，对于本地端模型，能够生成任意类别尤其是未见类别的视觉特征，减少变电站设备缺陷识别过程中服务器端数据不可见导致特征偏移的现象，提升模型的泛化能力。

本发明授权一种基于联邦学习的多变电站设备缺陷识别方法及系统在权利要求书中公布了：1.一种基于联邦学习的多变电站设备缺陷识别方法，其特征在于，包括以下步骤：S1、获取多个变电站设备缺陷的样本数据，划分为训练集和测试集，所述训练集包括训练集图像和训练集标签，所述测试集包括测试集图像和测试集标签，对训练集图像进行随机裁剪，将所有训练集图像大小缩放到统一尺寸，再进行数值归一化处理；S2、在本地端构建基于编码器-解码器结构的视觉特征生成模型，构建可学习的文本提示词，所述视觉特征生成模型包括CLIP模型、编码器和解码器，初始化编码器和解码器的参数；S3、在本地端固定文本提示词，将训练集图像输入CLIP模型的视觉分支并输出原始视觉特征，作为编码器的输入，使编码器输出第一隐变量，解码器接受第一隐变量作为输入，输出残差特征，将解码器的输出与文本特征相加，得到内部重建视觉特征，并计算重建损失，利用重建损失对视觉特征生成模型的参数进行更新；S4、在本地端固定视觉特征生成模型的参数，将文本提示词输入CLIP模型的文本分支并输出各类别文本特征，在标准正态分数中随机采样形成第二隐变量，经过解码器的输出与文本特征相加，得到生成视觉特征，并结合原始视觉特征构成训练视觉特征，通过softmax函数计算训练视觉特征与不同类别的文本特征的类别分数，构建交叉熵损失，通过梯度反传的方式更新文本提示词的参数；S5、将本地端的文本提示词、编码器和解码器参数上传到服务器端，在服务器端构建基于联邦学习的全局模型，计算全局模型的文本提示词、编码器和解码器参数，构建特征蒸馏损失和隐变量蒸馏损失；S6、将全局模型的参数分发到本地端，重复执行S3至S5，直至迭代到最大次数，输入测试集，计算全局模型的精准度。

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安徽省电力有限公司电力科学研究院，其通讯地址为：230000 安徽省合肥市经济开发区紫云路299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”。