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！

龙图腾网获悉西北农林科技大学申请的专利一种基于偏振成像和深度学习的透明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：CN115424115B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202211118323.1，技术领域涉及：G06V10/82；该发明授权一种基于偏振成像和深度学习的透明目标检测方法是由任文艺;赵曼;于若宁;伍丹;解迎革;张社奇设计研发完成，并于2022-09-11向国家知识产权局提交的专利申请。

本一种基于偏振成像和深度学习的透明目标检测方法在说明书摘要公布了：本发明公开了一种基于偏振成像和深度学习的透明目标检测方法，包括以下步骤：步骤1，训练深度学习网络检测模型；步骤2，通过训练好的深度学习网络检测模型对透明目标进行目标检测：检测结果＝训练好的深度学习网络检测模型S0，DoLP，IE,L1。本发明实现了透明目标的精确、快速检测，在智能制造、智能驾驶等领域具有广泛的应用价值和前景。

本发明授权一种基于偏振成像和深度学习的透明目标检测方法在权利要求书中公布了：1.一种基于偏振成像和深度学习的透明目标检测方法，其特征在于，包括以下步骤： 步骤1，训练深度学习网络检测模型； 步骤11，搭建透明目标偏振图像数据采集系统； 步骤12，利用所述采集系统采集偏振图像数据，构建训练数据集； 步骤13，对训练数据集中的每一个原始偏振图像数据进行解马赛克得到相对应的四个角度的线偏振图像I0x,y,I45x,y,I90x,y和I135x,y； 步骤14，根据步骤13中每一个原始偏振图像数据得到的四个角度的线偏振图像I0x，y,I45x,y,I90x,y和I135x,y，依据偏振原理使用Stokes矢量、线偏振角、线偏振度公式构建每一个原始偏振图像数据相应的一组S0,DoLP,IE和L1图像，S0是探测总强度，是两个互交的线偏振图像之和，公式如下： S0＝I0x,y+I90x,y＝I45x,y+I135x,y#1； 线偏振度DoLP，反映出对物体偏振态的辐射特性差异，公式如下： S1是根据Stokes矢量参数对同一原始偏振图像数据的两幅偏振图像I0x,y、I90x,y进行计算得到的参数，表示水平方向上的光强与竖直方向上光强的差；S2是根据Stokes矢量参数对同一原始偏振图像数据的两幅偏振图像I45x,y、I135x,y进行计算得到的参数，表示45°方向上的光强与135°方向上光强的差； IE表示增强之后的线偏振图像，公式如下： AoLP表示线偏振角图像，更多的包含透明目标的边缘信息，公式如下： 为了解决AoLP中0和π的混叠问题，我们提出了L1，公式中ρ是DoLP，θ是AoLP： L1＝ρcos2θ＝S1S0#5； 步骤15，对训练数据集中的每一个原始偏振图像数据进行图像标注得到Mask掩码数据集； 根据Mask掩码数据集中的每一个Mask掩码图像制作相应的Edge边缘图像； 步骤16，将训练数据集中的每一组S0,DoLP,IE和L1表征图像输入深度学习网络检测模型，对深度学习网络检测模型进行训练，以训练数据集中相对应的原始偏振图像数据已标注的Mask掩码图像作为训练目标，用相应的Edge边缘图像在训练过程中进行边缘监督；直到将训练数据集中的全部原始偏振图像数据都使用一次，即完成一轮训练； 其中所述深度学习网络检测模型以ResNet-101网络或VGG网络为主干网络，其特征在于： 将S0,DoLP,IE,L1四幅表征图像输入深度学习网络检测模型；每个输入图像都通过一个唯一的骨干网，并且每一个输入都会得到五个侧路特征Conv1-2、Conv2-2、Conv3-3、Conv4-3、Conv5-3，丢弃侧路径Conv1-2，随后将Conv2-2、Conv3-3、Conv4-3、Conv5-3通过骨干网从第二层开始的每一层卷积出来的四张图片通过一个一对一的融合模块融合成一张图片；在Conv2-2侧路特征上添加Edge边缘监督，以获得更好的边缘特征；通过FPN将Conv2-2边缘监督后的边界特征集成到后续分支中的透明目标特征中；Conv3-3、Conv4-3、Conv5-3分支的融合特征图被相应的原始偏振图像数据的Mask掩码图像监督； 最后，将四个输入S0,DoLP,IE和L1分别通过相应的骨干网融合出来的四张图片输入到FPN网络中，融合出一个输出图片，该输出图片被相应的原始偏振图像数据的Mask掩码图像监督； 步骤17，设置训练轮数；重复步骤16，直到完成全部训练轮数，得到最终的深度学习网络检测模型； 步骤18，设置一个包含透明目标原始图像数据的测试集，使用两个评价指标MAE和S-measure来评估步骤17中得到的深度学习网络检测模型；测试合格，则获得训练好的深度学习网络检测模型；反之，则重复步骤16-17，对深度学习网络检测模型重新训练直到获得训练好的深度学习网络检测模型； 最终模型训练结果＝深度学习网络检测模型Mask,Edge,S0,DoLP,IE,L1； Mask：对原始偏振图像数据做相应的掩码标记得到的Mask掩码图像； Edge：即原始偏振图像数据的边缘图像，根据相应的原始偏振图像数据的Mask掩码图像计算得到； 步骤2，通过训练好的深度学习网络检测模型对透明目标进行目标检测： 检测结果＝训练好的深度学习网络检测模型S0,DoLP,IE,L1。

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西北农林科技大学，其通讯地址为：712100 陕西省咸阳市杨凌示范区西农路22号西北农林科技大学理学院；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”。