買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉昆明理工大學申請的專利基于語義分割的輸電線路山火監測方法、裝置及存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116363366B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310336242.7，技術領域涉及：G06V10/26；該發明授權基于語義分割的輸電線路山火監測方法、裝置及存儲介質是由馮上權;王開正;譚義章;樊志成;劉峙麟;舒佳樂;付一桐;虞有楠;周順珍;俞瑞龍;王帥旗設計研發完成，并于2023-03-31向國家知識產權局提交的專利申請。

本基于語義分割的輸電線路山火監測方法、裝置及存儲介質在說明書摘要公布了：本發明公開了一種基于語義分割的輸電線路山火監測方法、裝置及存儲介質，包括獲取待檢測圖像，并輸入至預先訓練好的語義分割模型；所述語義分割模型基于所述待檢測圖像，輸出煙霧圖像檢測結果；在檢測到煙霧圖像時，輸出報警信號。本發明解決了現有技術中不能準確識別山火煙霧且監測時效性低、精確性差的問題，創新使用MCCL—self?attention模塊和對現有語義分割模型進行改進，提升了分割邊界的準確度，增強有效特征和抑制無效特征的表達，緩解煙霧目標中存在的不顯著性和類間相似性問題，解決了信息損失和損耗的問題，能準確地分割山火煙霧，提高了語義分割準確率。

本發明授權基于語義分割的輸電線路山火監測方法、裝置及存儲介質在權利要求書中公布了：1.一種基于語義分割的輸電線路山火監測方法，其特征在于，包括： 獲取待檢測圖像，并輸入至預先訓練好的語義分割模型； 所述語義分割模型基于所述待檢測圖像，輸出煙霧圖像檢測結果；在檢測到煙霧圖像時，輸出報警信號； 其中，所述語義分割模型通過以下步驟訓練獲得： 獲取煙霧圖像，構建語義分割數據集； 對語義分割數據集進行預處理； 以編碼器-解碼器作為基礎結構，搭建語義分割模型； 使用預處理后的語義分割數據集訓練搭建的語義分割模型； 設置網絡訓練參數，使用損失函數訓練搭建的語義分割模型； 所述使用預處理后的語義分割數據集訓練搭建的語義分割模型，包括： 在編碼階段對編碼器中骨架網絡的輸出結果進行特征提取和增強特征表達，所述特征包括深層特征和淺層特征；在解碼階段結合編碼階段的深層特征和淺層特征進行融合提取，輸出分割結果，并采用卷積處理和上采樣操作，使最終的分割結果尺寸與原輸入的煙霧圖像的尺寸相同； 所述骨架網絡為改進后的ResNet50深度殘差網絡，所述ResNet50深度殘差網絡包括階段一、階段二、階段三和階段四；所述ResNet50深度殘差網絡的改進包括：將階段三和階段四中的普通卷積替換為空洞卷積； 所述在編碼階段對編碼器中骨架網絡的輸出結果進行特征提取，包括： 所述階段一輸出局部特征送入解碼器，所述階段四輸出局部特征送入MCCL—self-attention模塊，將階段二輸出的局部特征、階段三輸出的經過卷積處理的局部特征以及MCCL—self-attention模塊輸出的局部特征進行通道合并，所獲得的結果再經卷積處理，輸出全局特征送入解碼器； 所述MCCL—self-attention模塊包括MCCL模塊、CBAM模塊和self-attention模塊；所述MCCL模塊包括DPPM模塊； 所述階段四輸出局部特征送入MCCL—self-attention模塊后的處理過程包括：所述階段四輸出局部特征送入MCCL模塊，將局部特征經過卷積處理，將卷積處理后的局部特征進行特征相減和融合，從MCCL模塊輸出，并送入DPPM模塊進行處理，將DPPM模塊輸出的局部特征與MCCL模塊輸出的經過融合的局部特征進行再融合，分別送入CBAM模塊和self-attention模塊進行處理； 所述CBAM模塊包含SA模塊和CA模塊，所述CBAM模塊的處理過程包括： 所述SA模塊和CA模塊分別給階段四輸出的局部特征分配權重，將階段四輸出的局部特征分別與分配的權重相乘，得到新的局部特征，將得到的新的局部特征相加并輸出給self-attention模塊進行處理； 所述self-attention模塊的處理過程包括： 將階段四輸入的局部特征經過卷積和維度變換，得到局部特征A，將MCCL模塊輸出的局部特征經過卷積和維度變換，得到局部特征B，將局部特征A與局部特征B相乘，輸出局部特征C，將CBAM模塊輸出的局部特征經過卷積和維度變換，得到局部特征D，將局部特征C與局部特征D相乘，所得結果經維度變換和卷積處理后，再與局部特征A相加，將得到的局部特征進行卷積處理。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人昆明理工大學，其通訊地址為：650500 云南省昆明市一二一大街文昌路68號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。