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！

龙图腾网获悉国网江苏省电力有限公司苏州供电分公司申请的专利一种基于级联层级检出与自比对的小目标识别方法及系统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：CN120356125B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510820955.X，技术领域涉及：G06V20/17；该发明授权一种基于级联层级检出与自比对的小目标识别方法及系统是由耿玲;黄逸帆;李智;顾艳;张智坤;邱幸帆设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本一种基于级联层级检出与自比对的小目标识别方法及系统在说明书摘要公布了：本发明公开了一种基于级联层级检出与自比对的小目标识别方法及系统，方法包括：采集无人机巡检的航拍图像，并对航拍图像进行标注；将标注好的图像输入至设备识别模块中进行设备区域检测及图片裁剪，获得只包含存在小目标的区域图片；将区域图片输入至级联的小目标缺陷识别模块中进行缺陷识别，并对识别出的小目标缺陷进行特征编码，得到编码后的缺陷特征；计算缺陷特征与特征库当前更新的历史小目标缺陷特征的欧几里得距离，如果其欧几里得距离大于预设阈值，则代表该缺陷特征为误检，将被剔除；如果不大于预设阈值则表示该缺陷特征正确，输出其对应小目标缺陷识别结果，并将该缺陷特征缓存至特征库中。本发明提升了对小目标缺陷检测的识别效果。

本发明授权一种基于级联层级检出与自比对的小目标识别方法及系统在权利要求书中公布了：1.一种基于级联层级检出与自比对的小目标识别方法，其特征在于，方法包括： 采集无人机巡检的航拍图像，并对航拍图像进行标注； 将标注好的图像输入至设备识别模块中进行设备区域检测及图片裁剪，获得只包含存在小目标的区域图片； 将所述区域图片输入至级联的小目标缺陷识别模块中进行缺陷识别，并对识别出的小目标缺陷进行特征编码，得到编码后的缺陷特征； 计算所述缺陷特征与特征库当前更新的历史小目标缺陷特征的欧几里得距离，如果其欧几里得距离大于预设阈值，则代表该缺陷特征为误检，将被剔除；如果不大于预设阈值则表示该缺陷特征正确，输出其对应小目标缺陷识别结果，并将该缺陷特征缓存至特征库中； 所述设备识别模块和小目标缺陷识别模块均由YOLOv8s网络组成； 基于标注好的历史图像构建设备图像样本集来对所述YOLOv8s网络进行训练优化得到所述设备识别模块，并输出对应的只包含存在小目标的区域图片数据集； 基于所述区域图片数据集构建小目标图像样本集来对所述YOLOv8s网络进行训练优化得到所述小目标缺陷识别模块； 所述YOLOv8s网络是将YOLOv8网络中neck颈部网络的C2f特征融合模块替换成基于注意力机制的C2f-att模块得到的； 所述C2f-att模块包括依次连接的Conv1第一卷积层、分割层、EMA注意力层、Bottleneck深度特征提取模块、Concat连接层和Conv2第二卷积层； 所述C2f-att模块在处理图像特征时的流程如下： 对于输入到C2f-att模块的特征T，首先输入进Conv1第一卷积层进行通道的调整，得到调整后的特征；分割层将调整后的特征进行通道划分成两部分，得到特征和特征；将特征输入到EMA注意力层中提取多尺度特征信息，输出特征；Bottleneck深度特征提取模块通过多层Bottleneck对特征进行多次堆叠，得到深度特征；Concat连接层将特征与深度特征进行拼接后得到特征；Conv2第二卷积层将特征进行卷积操作，从而调整回通道数，输出最终的特征F； 所述EMA注意力层包括第三卷积层和第四卷积层、Concat连接层、GAP池化层、第一全连接层FC1、第一全连接层FC2和Multiply加权网络层； 所述第三卷积层和第四卷积层分别将分割层输出的特征进行不同尺度的特征变换后分别得到对应的特征图和；Concat连接层将特征图和进行拼接后得到特征Y；通过GAP池化层、第一全连接层FC1和第一全连接层FC2对特征Y进行通道注意力的计算，得到通道注意力权重向量；最后利用Multiply加权网络层对特征Y进行通道重加权，得到注意力增强后的特征。

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国网江苏省电力有限公司苏州供电分公司，其通讯地址为：215004 江苏省苏州市姑苏区劳动路555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”。