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！

龙图腾网获悉南京工程学院申请的专利一种复杂环境下的电力设备目标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：CN116681979B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310796875.6，技术领域涉及：G06V10/80；该发明授权一种复杂环境下的电力设备目标检测方法是由杨洁;朱佳佳;王朗齐;王紫仪设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本一种复杂环境下的电力设备目标检测方法在说明书摘要公布了：本发明提出一种复杂环境下的电力设备目标检测方法，包括：1获取电气设备的可见光图像和红外图像；2使用结合梯度值的优化阈值O‑Canny边缘检测算法获得红外图像和可见光图像的边缘信息，利用曲率尺度空间技术检测边缘信息的曲率获得红外图像和可见光图像的特征点；3利用GSIFT算法完成红外图像和可见光图像的特征点匹配；4利用随机采样一致性算法筛选特征点匹配结果；5利用两重ResNet深度学习网络融合配准的红外图像和可见光图像；6使用labelImg软件分别标注红外图像、可见光图像和融合图像中的电力设备；7利用带标签的数据集训练YOLOv5，再分别进行可见光图像目标检测、红外图像目标检测和融合图像目标检测，得到三组实验各自的目标检测精度。

本发明授权一种复杂环境下的电力设备目标检测方法在权利要求书中公布了：1.一种复杂环境下的电力设备目标检测方法，其特征在于，包括以下步骤： 步骤1、利用架设在巡检机器人身上的摄像设备获取低光照复杂环境下电气设备的可见光图像，同时利用红外热成像仪获取对应的红外图像； 步骤2、使用结合梯度值的优化阈值O-Canny边缘检测算法获得红外图像和可见光图像的边缘信息，利用曲率尺度空间技术检测边缘信息的曲率，以获得红外图像和可见光图像的特征点；步骤2中，所述使用结合梯度值的优化阈值O-Canny边缘检测算法获得红外图像和可见光图像的边缘信息具体为： 步骤2.1、依据人眼对于RGB三个分量的敏感度计算权值，并按每个分量的权重加权平均得到电力设备红外图像和可见光图像的预处理图像； 步骤2.2、利用各像素之间相似度和距离邻近度的两方同时滤波方法去除预处理图像中的噪声； 步骤2.3、计算像素点梯度的大小和方向； 步骤2.4、将每一像素点的梯度值与该点梯度方向上相邻两个像素的梯度值比较来确定边缘候选点； 步骤2.5、利用最大类间方差法找到符合图像自身特征的自适应高阈值T1和低阈值T2； 步骤2.6、遍历整幅图像，获取图像中所有像素点的梯度幅值，根据所有像素点的梯度幅值分别找到梯度值G0和G1，使得整幅图像中98%的像素点的梯度幅值都小于G0，其中，G1为整幅图像中像素点梯度幅值的最大值； 步骤2.7、利用下式对自适应高阈值T1和低阈值T2进行优化，得到更加适合图像特征的高低阈值： 式中，为优化高阈值，为优化低阈值，利用结合梯度幅值的优化阈值和再次进行两种阈值下的边缘检测，从而选取更精确的边缘点； 步骤3、利用GSIFT算法提取红外图像和可见光图像中特征点的特征描述符，并完成红外图像和可见光图像的特征点匹配； 步骤4、利用随机采样一致性算法对特征点匹配结果进行筛选，得到准确的匹配特征点； 步骤5、利用两重ResNet深度学习网络对匹配准确的红外图像和可见光图像进行融合，输出融合图像； 步骤6、使用labelImg软件分别对红外图像、可见光图像和融合图像中的电力设备进行标注，生成xml文件，制作带标签的数据集； 步骤7、设置深度学习网络YOLOv5训练参数，利用带标签的数据集训练深度学习网络YOLOv5，利用训练好的深度学习网络YOLOv5进行三组实验，分别进行可见光图像目标检测、红外图像目标检测和融合图像目标检测，检测出三组实验各自的目标检测精度，验证融合红外图像和可见光图像的必要性。

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南京工程学院，其通讯地址为：211167 江苏省南京市江宁区科学园弘景大道1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。