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！

龙图腾网获悉西安电子科技大学申请的专利一种基于轻量级无锚检测模型的可见光森林火灾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：CN115423998B 。

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：202211027153.6，技术领域涉及：G06V10/20；该发明授权一种基于轻量级无锚检测模型的可见光森林火灾检测方法是由周慧鑫;王珂;宋江鲁奇;李欢;王瑛琨;张嘉嘉;张喆;腾翔;于跃;王炳健;张伟鹏;罗云麟;甘长国;杨庆友;李翀钰设计研发完成，并于2022-08-25向国家知识产权局提交的专利申请。

本一种基于轻量级无锚检测模型的可见光森林火灾检测方法在说明书摘要公布了：一种基于轻量级无锚检测模型的可见光森林火灾检测方法，标注红外森林火灾图像数据集各图像中火焰的位置和类别信息，得到火焰数据集，并划分训练集、验证集和测试集；构建改进的轻量级无锚检测神经网络，利用主干特征提取网络MobileNetv3g及多尺度最大池化操作提取火灾特征，利用D‑PANet对特征层由深至浅对火灾的特征进行加强特征融合；之后传入ASFF模块进行自适应空间特征融合，使用解耦头解码预测的火焰目标类别信息和位置回归信息进行多尺度预测，得到预测结果；将预测结果进行得分排序和非极大值抑制筛选，筛选出一定区域内得分最高并满足置信度的预测框，由此得到最终的火灾预测结果，本发明具有良好的检测效果。

本发明授权一种基于轻量级无锚检测模型的可见光森林火灾检测方法在权利要求书中公布了：1.一种基于轻量级无锚检测模型的森林火灾检测方法，其特征在于，包括以下步骤： 步骤1，获取红外森林火灾图像数据集，标注各图像中火焰的位置和类别信息，得到火焰数据集，对标注后的每幅图像进行预处理，并划分训练集、验证集和测试集； 步骤2，构建改进的轻量级无锚检测模型，利用主干特征提取网络MobileNetv3g对输入图像进行火灾特征提取，得到三个有效特征层Feature1、Feature2与Feature3；所述改进的轻量级无锚检测模型，是以无锚检测模型YOLOX作为基本框架，首先将YOLOX的主干网络替换为轻量级网络MobileNetv3；然后，结合高效通道注意力网络和GhostNet思想对MobileNetv3网络进行改进，构建主干特征提取网络MobileNetv3g，使得在模型轻量化的同时保留多尺度特征信息；最后，使用深度可分离卷积简化路径聚合网络，进一步减少模型的计算量，并引入自适应空间特征融合模块，以减轻不同尺度特征图之间的不一致性；所述MobileNetv3g是对MobileNetv3的改进，首先使用一维卷积替换压缩激励网络注意力机制模块的全连接层，然后在深度可分离卷积前加入一个普通卷积模块，并将两者的输出结果结合起来，从而充分获得语义信息，使得检测结果更加准确； 步骤3，对有效特征层Feature3通过空间金字塔池化模块SPP进行多尺度最大池化处理； 步骤4，将有效特征层Feature1、Feature2与Feature3输入到加强特征提取网络D-PANet，对特征层由深至浅进行加强特征融合，然后使用下采样将浅层的位置信息传递到深层特征中，与深层的语义信息相融合，输出特征层Level1、Level2与Level3； 步骤5，将特征层Level1、Level2与Level3传入自适应空间特征融合模块ASFF进行自适应空间特征融合，然后使用1×1卷积压缩到原来的通道数，输出特征层ASFF-1、ASFF-2与ASFF-3； 步骤6，将特征层ASFF-1、ASFF-2与ASFF-3输入到预测网络中，进行多尺度预测，使用解耦头解码预测的目标类别信息和位置回归信息，得到预测结果； 步骤7，将预测结果进行得分排序和非极大值抑制筛选，筛选出一定区域内得分最高并满足置信度的预测框，由此得到最终的火灾预测结果。

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安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。