買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜南昌科晨電力試驗研究有限公司;國網(wǎng)江西省電力有限公司電力科學(xué)研究院;國網(wǎng)江西省電力有限公司申請的專利一種針對電力設(shè)備紅外圖像的實例分割方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119762789B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-06-03發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510258992.6，技術(shù)領(lǐng)域涉及：G06V10/26；該發(fā)明授權(quán)一種針對電力設(shè)備紅外圖像的實例分割方法及系統(tǒng)是由曾磊磊;李唐兵;楊家隆;萬華;王鵬;童濤;劉陽設(shè)計研發(fā)完成，并于2025-03-06向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種針對電力設(shè)備紅外圖像的實例分割方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種針對電力設(shè)備紅外圖像的實例分割方法及系統(tǒng)，該方法包括如下步驟：獲取電力設(shè)備的紅外圖像并預(yù)處理；對預(yù)處理后的紅外圖像中的電力設(shè)備區(qū)域進行標(biāo)注；采用標(biāo)注后紅外圖像構(gòu)建數(shù)據(jù)集；構(gòu)建改進MaskR?CNN模型并通過數(shù)據(jù)集訓(xùn)練，同時調(diào)整模型的分類損失權(quán)重和掩膜損失權(quán)重，結(jié)合余弦退火策略和Adam優(yōu)化器調(diào)整模型的學(xué)習(xí)率，得到最優(yōu)的模型；將紅外圖像輸入至最優(yōu)的模型中，輸出分割結(jié)果；本發(fā)明設(shè)計的改進MaskR?CNN模型改善了原始MaskR?CNN參數(shù)量大，分割精確度不足等問題，能夠在復(fù)雜環(huán)境對紅外圖像中的電力設(shè)備快速、準(zhǔn)確地識別，具有低計算量和低存儲需求的特點。

本發(fā)明授權(quán)一種針對電力設(shè)備紅外圖像的實例分割方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種針對電力設(shè)備紅外圖像的實例分割方法，其特征在于，包括如下步驟：步驟S1：獲取電力設(shè)備的紅外圖像；步驟S2：對紅外圖像進行預(yù)處理，包括去噪和增強處理；步驟S3：對預(yù)處理后的紅外圖像中的電力設(shè)備區(qū)域進行標(biāo)注；采用標(biāo)注后紅外圖像構(gòu)建數(shù)據(jù)集，并對數(shù)據(jù)集劃分為訓(xùn)練集、驗證集和測試集；步驟S4：構(gòu)建改進MaskR-CNN模型；所述改進MaskR-CNN模型是將原MaskR-CNN模型的主干網(wǎng)絡(luò)替換為MobileNetV3模型，并在MobileNetV3模型的瓶頸層嵌入可變形深度可分離卷積以及使用ECA注意力機制替換MobileNetV3模型的SE注意力機制；步驟S5：采用訓(xùn)練集對改進MaskR-CNN模型進行訓(xùn)練，使用驗證集進行驗證，同時，調(diào)整改進MaskR-CNN模型的分類損失權(quán)重和掩膜損失權(quán)重，并結(jié)合余弦退火策略和Adam優(yōu)化器調(diào)整改進MaskR-CNN模型的學(xué)習(xí)率，得到最優(yōu)改進MaskR-CNN模型；步驟S6：將測試集輸入至最優(yōu)改進MaskR-CNN模型，輸出分割結(jié)果；構(gòu)建基于MobileNetV3-ECA-Deformable主干網(wǎng)絡(luò)的改進MaskR-CNN模型的具體過程為：構(gòu)建MobileNetV3模型，將MobileNetV3模型的SE注意力機制替換為ECA注意力機制，得到MobileNetV3-ECA模型；在MobileNetV3-ECA模型的至少一個瓶頸層中將標(biāo)準(zhǔn)深度可分離卷積改進為可變形深度可分離卷積，得到MobileNetV3-ECA-Deformable模型；將標(biāo)準(zhǔn)深度可分離卷積改進為可變形深度可分離卷積的具體過程為：將MobileNetV3-ECA模型瓶頸層中深度可分離卷積內(nèi)的逐深度卷積中的標(biāo)準(zhǔn)卷積替換為可變形卷積，得到可變形深度可分離卷積；構(gòu)建MaskR-CNN模型，將MaskR-CNN模型中的主干網(wǎng)絡(luò)ResNet101替換為MobileNetV3-ECA-Deformable模型，得到改進MaskR-CNN模型。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南昌科晨電力試驗研究有限公司;國網(wǎng)江西省電力有限公司電力科學(xué)研究院;國網(wǎng)江西省電力有限公司，其通訊地址為：330000 江西省南昌市青山湖區(qū)民營科技園內(nèi)民強路88號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。