La solicitud de patente es una de las formas importantes de proteger los logros de innovación que tienen un gran valor comercial para las empresas; es el primer paso para que las empresas establezcan la trayectoria de desarrollo empresarial, así como un medio poderoso para proteger su competitividad central. La aparición de una gran cantidad de datos de patentes dificulta la detección efectiva de los mismos, y los casos de infracción de patentes ocurren con frecuencia. La medición manual en la detección de patentes es lenta, costosa y subjetiva, y solo puede desempeñar un papel auxiliar en la medición de la validez de las patentes. Proteger los logros inventivos de los titulares de patentes y lograr una detección de patentes más precisa y efectiva fueron los temas explorados por académicos. Hay cinco métodos principales para medir la similitud de patentes: método basado en agrupamiento, método basado en el modelo de espacio vectorial (VSM), método basado en la estructura sujeto-acción-objeto (SAO), método basado en aprendizaje profundo y método basado en la estructura de patentes. Para resolver este problema, este documento propone un método de cálculo para fusionar la similitud del texto y la imagen de la patente. En primer lugar, se utiliza la técnica de extracción de estructura SAO para el texto de la patente para obtener el contenido efectivo del texto, y se compara la estructura SAO para la similitud; en segundo lugar, se extrae y compara la información de la imagen de la patente; finalmente, se obtiene la similitud de la patente fusionando los dos aspectos de la información. La viabilidad y efectividad del esquema se demuestran al estudiar una gran cantidad de casos de similitud de patentes en el campo de las estructuras mecánicas.