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！

龙图腾网获悉南京三万物联网科技有限公司;南京师范大学申请的专利基于深度学习的无人船集群水面分区协同分类打捞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：CN119472658B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202411547026.8，技术领域涉及：G05D1/43；该发明授权基于深度学习的无人船集群水面分区协同分类打捞方法是由王军;马磊;陈相伟;唐文来设计研发完成，并于2024-11-01向国家知识产权局提交的专利申请。

本基于深度学习的无人船集群水面分区协同分类打捞方法在说明书摘要公布了：基于深度学习的无人船集群水面分区协同分类打捞方法，旨在解决大面积水域悬浮物回收问题。利用SLAM技术构建水域三维地图，实现环境感知，并合理划分区域，进行重叠补偿，提升作业覆盖率和效率；利用A*算法对各分区进行全覆盖路径规划，优化路径长度。巡航时，无人船集群获取动态环境信息，利用DWA算法进行避障；同时应用深度学习算法监测和分类悬浮物。通过DeepSORT算法追踪已识别悬浮物，计算其等效移动速度和位置偏移量，预测未来位置，并根据优先级利用DWA算法规划最短路径，进行打捞。打捞后，依据船体数据判断运行状态，动态调整任务。

本发明授权基于深度学习的无人船集群水面分区协同分类打捞方法在权利要求书中公布了：1.基于深度学习的无人船集群水面分区协同分类打捞方法，其特征在于：包括； S1：将经过自行构建数据集训练并经验证的深度学习模型部署到无人船集群边缘计算平台； 在不同水域、不同天气、不同时间条件下拍摄水面悬浮物图像，并采用数据增强技术扩充数据集；利用可视化操作界面对数据集图像进行标注，并经预处理后，选择适合任务的深度学习模型进行训练，通过mAP指标评估模型性能，当模型达到预期精度后，将其部署到无人船边缘计算平台上，实现对水面悬浮物的实时检测与分类； S2：利用SLAM技术实现水域三维地图构建，并存储为全局地图，以实现环境感知； 使用SLAM技术构建一个结合SLAM模块、传感器模块和定位模块的数据系统，根据提取的障碍物的运动速度，判断障碍物是静态还是动态物体，进而构建包含静态障碍物位置的全局三维地图，为后续路径规划及水域划分提供空间信息； S3：根据全局地图和水域复杂程度，对水域进行区域划分，并对分区内部边界进行重叠补偿； S4：A*算法对各子分区进行全覆盖路径规划； S5：无人船集群在各子分区沿规划路径巡航时，利用SLAM传感器数据更新地图，并利用DWA算法对SLAM技术识别到的障碍进行避障路径规划； S6：巡航时，利用图像传感器实时采集无人船周围水面的图像信息，并通过深度学习算法对图像进行处理，实现对水面悬浮物的监测和分类； S7：利用DeepSORT算法对已识别的悬浮物进行追踪，通过多传感器数据融合，根据多个历史时刻的位置坐标信息，计算悬浮物的等效移动速度和位置偏移量； S8：依据等效移动速度和位置偏移量，预测悬浮物在未来时刻的可能位置，并根据设定的悬浮物的打捞优先级，驱动无人船前往该优先悬浮物的预测位置； S9：利用DWA算法规划前往该优先悬浮物的预测位置最短路径； 利用DWA算法规划前往该优先悬浮物的预测位置最短路径，通过在重叠区域建立虚拟力场，避免可能发生的冲突，提升安全性、可靠性和作业效率； S10：打捞作业； S11：打捞作业后，依据传感器数据判断运行状态，当分类回收仓未满且电量充足时，继续作业，若当前子分区未完全遍历，则根据无人船当前所在位置、障碍物信息及已巡航路径，对当前子分区未遍历区域利用A*算法进行全覆盖路径规划，若当前子分区已全部遍历，则根据无人船当前所在位置和障碍物信息，对当前子分区重新利用A*算法进行全覆盖路径规划； S12：若分类回收仓已满或电量低于预设阈值，则使用A*算法规划前往最近倾倒点或充电站的路径； 若分类回收仓已满或电量低于预设阈值，则使用A*算法规划前往最近倾倒点或充电站的路径; S13：若该无人船邻接分区有其他无人船存在，则将未完成的打捞任务动态分配给邻接分区中负载最轻的无人船，并对合并后的分区重新利用A*算法进行全覆盖路径规划，若该无人船邻接分区无其他无人船存在，则结束打捞。

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南京三万物联网科技有限公司;南京师范大学，其通讯地址为：210000 江苏省南京市玄武区玄武大道699-1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”。

以上内容由龙图腾AI智能生成。