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！

龙图腾网恭喜广东工业大学申请的专利一种基于深度学习的配电设备渗漏油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：CN119296032B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202411359509.5，技术领域涉及：G06V20/52；该发明授权一种基于深度学习的配电设备渗漏油识别方法是由谢国波;张若辰;马慧聪;苏庆;林志毅;肖峰;黄剑锋;程林峰设计研发完成，并于2024-09-27向国家知识产权局提交的专利申请。

本一种基于深度学习的配电设备渗漏油识别方法在说明书摘要公布了：本发明公开的属于配电设备技术领域，具体为一种基于深度学习的配电设备渗漏油识别方法，包括具体步骤如下：构建配电设备渗漏油图像数据集；采用频域增强和滤波操作对配电设备渗漏油图像数据集进行特征预处理；构建一种基于深度学习的配电设备渗漏油识别模型OLM，将配电设备渗漏油图像输入模型中，模型自动识别并定位配电设备渗漏油图像中的配电设备渗漏油位置。本发明通过多层次特征图信息提取，使得模型能够更准确地提取配电设备渗漏油特征从而有效提升了在复杂的配电设备环境下的渗漏油识别准确率，并且通过不断的学习和训练，可以进一步提高对配电设备渗漏油识别的准确性和效率。

本发明授权一种基于深度学习的配电设备渗漏油识别方法在权利要求书中公布了：1.一种基于深度学习的配电设备渗漏油识别方法，其特征在于，包括具体步骤如下：S1：构建配电设备渗漏油图像数据集；S2：采用频域增强和滤波操作对配电设备渗漏油图像数据集进行特征预处理；S3：构建一种基于深度学习的配电设备渗漏油识别模型OLM，将配电设备渗漏油图像输入模型中，模型自动识别并定位配电设备渗漏油图像中的配电设备渗漏油位置；S4：划分配电设备渗漏油图像数据集，训练并验证配电设备渗漏油识别模型；S5：应用配电设备渗漏油识别模型，将其模型集成到现有的配电设备监测系统中进行警报和监控；所述S3的具体步骤如下：S31：设计一种特征感知提取模块FPM模块，FPM模块通过残差结构的特征提取操作和GAM全局注意力机制；S32：设计一种双分支特征融合模块DBFM模块，DBFM模块通过双分支输入从不同角度提取图像的特征，并通过叠加操作将不同尺度的配电设备渗漏油特征进行融合；S33：设计一种SP-LOSS函数作为配电设备渗漏油分类定位器的损失函数，SP-LOSS函数通过对预测框和真实框之间的区域进行加权，并将预测框与真实框的夹角与中心点间的距离作为惩罚项加入到损失函数计算中；S34：基于S31所设计的一种特征感知提取模块FPM模块、S32所设计的一种双分支特征融合模块DBFM模块、S33所设计的一种SP-LOSS函数提出一种配电设备渗漏油识别模型，通过输入配电设备渗漏油图像，自动识别并定位图像中的渗漏油位置；所述S31的具体步骤如下：S311：输入配电设备渗漏油特征图T1到CBL模块中，得到配电设备渗漏油特征图T2；S312：将T2输入到GSConv中，然后输入BN层和LeakyReLU层进行处理得到配电设备渗漏油特征图T3；S313：将T2与T3沿通道叠加得到配电设备渗漏油特征图T4，接着将T4进行shuffle操作，然后将结果输入GAM全局注意力机制中得到并输出配电设备渗漏油特征图T5；所述S32的具体步骤如下：S321：从两个分支输入配电设备渗漏油特征图A1和A2，将A1和A2沿通道进行叠加得到配电设备渗漏油特征图A3，将A3输入Pw-Conv中，然后输入BN层和LeakyReLU层进行处理得到配电设备渗漏油特征图A4；S322：将A1和A2与A4沿通道进行叠加，得到配电设备渗漏油特征图A5，接着将A5输入Pw-Conv中，然后输入BN层和LeakyReLU层进行处理得到并输出配电设备渗漏油特征图A6。

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广东工业大学，其通讯地址为：510000 广东省广州市东风东路729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”。