CN120259101A 输变电设备的巡检红外图像与可见光图像融合方法及系统 （南昌工程学院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120259101A(43)申请公布日2025.07.04

(21)申请号202510740867.9

(22)申请日2025.06.05

(71)申请人南昌工程学院

地址330000江西省南昌市高新区天祥大

道289号

(72)发明人曾兵巫平强谢云敏周志豪

刘邦李得志万好曾赟华威陈美熙文毅欣卢婧付佳晨

陈昱璋陈显彪杨小品张文华

(74)专利代理机构南昌贤达专利代理事务所(普通合伙)36136

专利代理师金一娴

(51)Int.CI.

GO6T5/50(2006.01)

GO6T5/90(2024.01)

GO6T5/60(2024.01)

GO6V10/143(2022.01)

GO6V10/42(2022.01)

GO6V10/56(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

权利要求书4页说明书10页附图6页

(54)发明名称

输变电设备的巡检红外图像与可见光图像融合方法及系统

(57)摘要

CN120259101A本发明公开了一种输变电设备的巡检红外图像与可见光图像融合方法及系统，方法包括：获取包含输变电设备的至少一个历史目标图像；将至少一个历史目标图像输入至预设的IVATFusion网络中，对IVATFusion网络进行迭代训练，得到图像融合模型，其中，IVATFusion网络中包含基础特征提取模块、多尺度特征提取模块、注意力加权融合模块、RGB信息提取模块、可变形卷积对齐模块、深度特征融合模块、精细特征融合模块以及特征转化模块；获取包含某一输变电设备的某一实时目标图像，将某一实时目标图像输入至图像融合模型中，图像融合模型输出得到包含某一输变电设备的融合图像。能够适应

CN120259101A

获取包含输变电设备的至少一个历史目标图像，其中，一

获取包含输变电设备的至少一个历史目标图像，其中，一个历史目

标图像中包含一个历史巡检红外图像以及与所述一个历史巡检红外

图像相对应的一个历史可见光图像

将所述至少一个历史目标图像输入至预设的IVATFusion网络中，对

所述IVATFusion网络进行迭代训练，得到图像融合模型，其中，所

述IVATFusion网络中包含基础特征提取模块，多尺度特征提取模块

、注意力加权融合模块、RGB信息提取模块、可变形卷积对齐模块

、深度特征融合模块、精细特征融合模块以及特征转化模块

获取包含某一输变电设备的某一实时目标图像，将所述某一实时目

标图像输入至所述图像融合模型中，所述图像融合模型输出得到包

含所述某一输变电设备的融合图像

S101

S102

S103

CN120259101A权利要求书1/4页

2

1.一种输变电设备的巡检红外图像与可见光图像融合方法，其特征在于，包括：

获取包含输变电设备的至少一个历史目标图像，其中，一个历史目标图像中包含一个历史巡检红外图像以及与所述一个历史巡检红外图像相对应的一个历史可见光图像；

将所述至少一个历史目标图像输入至预设的IVATFusion网络中，对所述IVATFusion网络进行迭代训练，得到图像融合模型，其中，所述IVATFusion网络中包含基础特征提取模块、多尺度特征提取模块、注意力加权融合模块、RGB信息提取模块、可变形卷积对齐模块、深度特征融合模块、精细特征融合模块以及特征转化模块；

根据所述基础特征提取模块和所述多尺度特征提取模块获取可见光图像中的可见光图像特征，以及红外图像中的红外图像特征；

所述注意力加权融合模块将所述可见光图像特征和所述红外图像特征进行注意力加权融合，得到融合特征；

所述RGB信息提取模块对所述红外图像进行RGB信息提取，得到高温区域RGB特征；

所述可变形卷积对齐模块将所述融合特征与所述高温区域RGB特征进行可变形卷积对齐，并通过所述深度特征融合模块和所述精细特征融合模块将对齐后的融合特征和高温区域RGB特征进行特征融合，得到目标融合特征；

所述特征转化模块将所述目标融合特征转化为融合图像；

获取包含某一输变电设备的某一实时目标图像，将所述某一实时目标图像输入至