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！

龙图腾网获悉安徽大学;安徽博微广成信息科技有限公司申请的专利一种基于语义分割与图像异常检测的水面漂浮物识别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：CN116824352B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202310894099.3，技术领域涉及：G06V20/00；该发明授权一种基于语义分割与图像异常检测的水面漂浮物识别方法是由唐俊;李运生;郑向宏;王国庆;葛新科;张艳设计研发完成，并于2023-07-20向国家知识产权局提交的专利申请。

本一种基于语义分割与图像异常检测的水面漂浮物识别方法在说明书摘要公布了：本发明公开了一种基于语义分割与图像异常检测的水面漂浮物识别方法，其步骤包括：1、水面漂浮物图像数据的收集与预处理；2、构建水面分割网络，分割出水面和背景；3、构建水面异常检测网络，检测出水面中的漂浮物区域；4、构建图像分类网络并识别漂浮物具体类别；5、利用训练好的模型对水面漂浮物图像进行识别。本发明通过语义分割模型分割出水面漂浮物图像中的水面部分，能消除背景部分对漂浮物识别的干扰，然后由异常检测模型检测出水面中的漂浮物区域，再利用图像分类模型识别出漂浮物具体类别，从而能大大提高漂浮物识别的全面性和精确度。

本发明授权一种基于语义分割与图像异常检测的水面漂浮物识别方法在权利要求书中公布了：1.一种基于语义分割与图像异常检测的水面漂浮物识别方法，其特征在于，包括以下步骤： 步骤1、获取水面漂浮物图像数据集并依次进行筛选、标准化、尺寸调整的预处理，得到预处理后的水面漂浮物图像样本数据集X＝{X1，...，Xn，...，XN}，Xn表示第n幅水面漂浮物图像，N表示样本总数；从Xn中划分出的水面区域作为Xn的标签，记为Yn；且Yn∈C，C表示类别集合；标注所述水面漂浮物图像样本数据集X，得到其对应的mask掩码集S＝{S1，...，Sn，...，SN}；其中，Sn表示Xn中每个像素点的真实类别信息； 步骤2、搭建基于特征金字塔FPN的水面分割网络，用于对第n幅水面漂浮物图像Xn进行处理，并得到水面漂浮物图像Xn的水面图像Pn； 利用式4构建水面分割网络的损失函数Lα： Lα＝Lce+λLls4 式4中，λ是权重参数；Lls表示Lovasz-SoftMax损失；Lce表示交叉熵损失； 步骤3、搭建基于单分类算法的水面异常检测网络，用于对第n个水面图像Pn进行处理，并得到Xn的漂浮物区域图像Zn； 利用式7构建水面异常检测网络的损失函数Lβ： 式7中，μ是权重参数；Lθ表示编码损失，表示分类损失； 步骤4、搭建基ResNet的图像分类网络，依次包括骨干网络模块和分类模块： 步骤4.1、所述骨干网络模块是在ResNet101网络后添加一个平均池化层； Xn的漂浮物区域图像Zn输入所述骨干网络模块，并提取后三层卷积层输出的特征图并进行特征融合，再经过平均池化层的降维处理后，得到Zn的特征向量Tn； 步骤4.2、所述分类模块由全连接层和Softmax激活函数依次构成，并将特征向量Tn输入所述分类模块中，得到第n幅水面漂浮物图像Xn对第m种类别的预测分类标签M为漂浮物类别的总数，从而根据预测分类标签与漂浮物类别的对应关系，从而得到漂浮物的类别结果； 步骤4.3、利用式8构建图像分类网络的损失函数Lγ： 式8中，Jn，m表示Xn对第m种类别的真实类别标签； 步骤5、基于水面漂浮物图像样本数据集X＝{X1，...，Xn，...，XN}，利用梯度下降法对水面分割网络、水面异常检测网络和图像分类网络进行训练，并计算损失函数Lα、Lβ和Lγ，以更新网络参数，直到损失函数收敛为止，从而得到训练好的水面分割模型、水面异常检测模型和图像分类模型，其中，水面分割模型用于对实时采集到的水面漂浮物图像进行分割，得到水面图像；异常检测模型对水面图像进行异常检测，得到漂浮物区域，再输入训练好的图像分类模型中，得到漂浮物的预测类别，最终输出漂浮物所在区域集及漂浮物的类别。

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安徽大学;安徽博微广成信息科技有限公司，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。