Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 成都理工大学;成理智源科技(成都)有限公司欧鸥获国家专利权

成都理工大学;成理智源科技(成都)有限公司欧鸥获国家专利权

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!

龙图腾网获悉成都理工大学;成理智源科技(成都)有限公司申请的专利基于无人机影像的建筑物损坏识别及标记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:CN120472356B

龙图腾网通过国家知识产权局官网在2025-09-02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:202510986478.4,技术领域涉及:G06V20/17;该发明授权基于无人机影像的建筑物损坏识别及标记方法是由欧鸥;林源晨;冉畅;李建设计研发完成,并于2025-07-17向国家知识产权局提交的专利申请。

基于无人机影像的建筑物损坏识别及标记方法在说明书摘要公布了:本发明公开了一种基于无人机影像的建筑物损坏识别及标记方法,属于图像数据处理技术领域,包括步骤:构造包含损坏建筑物的数据集D;构造改进目标检测网络;选择损失函数为WIoU,并用数据集D以最小化WIoU训练改进目标检测网络至收敛,得到改进目标识别模型;由无人机搭载云台相机拍摄待识别的航拍图,输入改进目标识别模型,得到识别图,并定位到地图。本发明能精确从航拍图中识别受损的建筑物,并能利用无人机的POS信息和云台相机信息,直接标记出受损地方的世界坐标,并直接返回一张带标记的地图方便管理人员进行受灾地区的受损情况的实时评估,在通信受限地区可以快速得到结果。

本发明授权基于无人机影像的建筑物损坏识别及标记方法在权利要求书中公布了:1.一种基于无人机影像的建筑物损坏识别及标记方法,其特征在于,包括以下步骤; S1,构造包含损坏建筑物的数据集D; 获取多张不同场景下包含损坏建筑物的图像,对每张图像,将损坏建筑物作为目标进行标注得到样本,所有样本构成数据集D; S2,构造改进目标检测网络,包括S21~S24; S21,获取一YOLOv11目标检测网络,包括主干网络、颈部网络和头部网络,其中,主干网络从上到下包括四个C3K2模块,主干网络最后一层为SPPF层,且主干网络依次从第二个C3K2模块、第三个C3K2模块和SPPF层的输出端输出第一特征图~第三特征图; 所述颈部网络包括3个输入端和3个输出端,其中第i个输入端标记为第i输入端,对应输入第i特征图,1≤i≤3,3个输出端分别连接头部网络的3个检测头,所述检测头包括分类分支和回归分支; S22,复制一主干网络,将两个主干网络分别标记为B1和B2,并在两个第i特征图间设置通道拼接层,用于将两个第i特征图拼接为第i拼接图,输入颈部网络的第i输入端,1≤i≤3; S23,在C3K2模块中引入MLLA模型得到C3K2-MB模块,在C3K2模块中引入聚合注意力层得到C3K2-AggregatedAtt模块; S24,用C3K2-MB模块替换B1中的每个C3K2模块,用C3K2-AggregatedAtt模块替换B1中的数个C3K2模块,在分类分支和回归分支中增加HS-FPN,得到改进目标检测网络; S3,选择损失函数为WIoU,用数据集D以最小化WIoU训练改进目标检测网络至收敛,得到改进目标识别模型; S4,由无人机搭载云台相机拍摄待识别的航拍图,输入改进目标识别模型,得到识别图,并定位到地图; S23中,构造C3K2-MB模块的方法为: 获取一C3K2模块,包括多层堆叠的C3K模块,C3K模块内又包含多层堆叠的瓶颈层,用MLLA模型替换C3K2模块中的瓶颈层,得到C3K2-MB模块; 构造C3k2-AggregatedAtt模块的方法为; Sa1,构造C3k-AggregatedAtt模块: 获取C3k模块,包括卷积层、N个瓶颈层、通道拼接层、CBS层; 用聚合注意力层替换瓶颈层,N个聚合注意力层从上到下依次连接,且每个聚合注意力层的输出均连接通道拼接层,通道拼接层的输出端接CBS层,得到C3k-AggregatedAtt模块; Sa2,用C3k-AggregatedAtt模块替换C3K2模块中的瓶颈层,得到C3k2-AggregatedAtt模块; S24中,在分类分支和回归分支中增加HS-FPN,具体为; 所述分类分支包括依次连接的CBS层、深度可分离卷积层、CBS层、深度可分离卷积层、CBS层、HS-FPN层、二维卷积层、HS-FPN层,并通过最后一个HS-FPN层的输出计算分类损失; 所述回归分支包括依次连接的2个CBS层、HS-FPN层、二维卷积层、HS-FPN层,并通过最后一个HS-FPN层的输出计算边界框损失。

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成都理工大学;成理智源科技(成都)有限公司,其通讯地址为:610059 四川省成都市成华区二仙桥东三路1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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。