一种多模光纤图像传输方法、系统、设备及介质技术方案

技术编号:45944193 阅读:14 留言:0更新日期:2025-07-25 18:10
本发明专利技术涉及数据传输领域,具体涉及一种多模光纤图像传输方法、系统、设备及介质。方法包括通过输电线路作业机器人的图像采集设备获取目标区域的原始图像;将原始图像转换为光信号并通过多模光纤传输,生成具有空间扰动特征的散斑图像;将散斑图像输入至基于滑动窗口自注意力机制构建的神经网络模型进行图像重构;将重构后的图像输出至输电线路状态分析系统进行实时监测;滑动窗口自注意力块通过交替设置的窗口多头自注意力和滑动窗口多头自注意力机制,在固定尺寸窗口内计算局部自注意力特征,并通过滑动窗口机制实现相邻窗口间的特征交互。本发明专利技术提高了抗干扰能力、动态环境适应性、降低计算复杂度及提高模型泛化能力。

【技术实现步骤摘要】

本专利技术涉及数据传输领域,具体涉及一种多模光纤图像传输方法、系统、设备及介质


技术介绍

1、输电线路带电作业机器人是电力系统中重要的维护设备,应用于输电线路的带电作业、故障检测和维修任务。这些机器人能够在高压环境下安全、高效地完成各种操作,确保电力系统的稳定运行。带电作业机器人的图像传输技术是其关键组成部分,能够实时传输高分辨率的图像,帮助操作人员远程监控和控制机器人,确保作业的安全性和准确性。目前的实现输电线路作业机器人图像传输的方法,包括以下几种:基于卷积神经网络的多模光纤图像传输。基于自注意力机制的多模光纤图像传输。

2、现有的对输电线路作业机器人图像传输的方法存在以下缺点:

3、基于卷积神经网络(cnn)的多模光纤图像传输技术虽然在图像重构质量上取得了一定的成果,但仍面临几个主要问题。首先,cnn模型在多模光纤受到扰动(如弯曲、振动、温度变化等)时,抗干扰能力弱,导致图像重构质量显著下降,这使得模型在实际应用中需要频繁重新训练或校准,增加了操作复杂性和成本。其次,cnn模型需要大量的训练数据来学习复杂的映射关系,数据采集本文档来自技高网...

【技术保护点】

1.一种多模光纤图像传输方法,其特征在于,包括以下步骤,

2.根据权利要求1所述的一种多模光纤图像传输方法,其特征在于,所述神经网络模型的处理流程包括:

3.根据权利要求1所述的一种多模光纤图像传输方法,其特征在于,所述滑动窗口自注意力块的工作过程包括:

4.根据权利要求1所述的一种多模光纤图像传输方法,其特征在于,所述神经网络模型的训练方法包括:

5.根据权利要求1所述的一种多模光纤图像传输方法,其特征在于,所述实时监测包括:

6.根据权利要求1所述的一种多模光纤图像传输方法,其特征在于,所述多模光纤传输过程中:

...

【技术特征摘要】

1.一种多模光纤图像传输方法,其特征在于,包括以下步骤,

2.根据权利要求1所述的一种多模光纤图像传输方法,其特征在于,所述神经网络模型的处理流程包括:

3.根据权利要求1所述的一种多模光纤图像传输方法,其特征在于,所述滑动窗口自注意力块的工作过程包括:

4.根据权利要求1所述的一种多模光纤图像传输方法,其特征在于,所述神经网络模型的训练方法包括:

5.根据权利要求1所述的一种多模光纤图像传输方法,其特征在于,所述实时监测包括:

6.根据权利要求1所述的一种多模光纤图像传输方法,其特征在于,所述多模光纤传输过程中:

【专利技术属性】
技术研发人员:依阳周子健刘洪吉康淑丰刘海峰李刚涛杨雨吴涛
申请(专利权)人:国网河北省电力有限公司超高压分公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1