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！

龙图腾网获悉西北工业大学申请的专利一种基于多任务学习的机场跑道线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：CN119723424B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510166279.9，技术领域涉及：G06V20/40；该发明授权一种基于多任务学习的机场跑道线检测方法是由刘小雄;胡彦超;高博阳;薛万晗;黄歆伟;杨楠设计研发完成，并于2025-02-14向国家知识产权局提交的专利申请。

本一种基于多任务学习的机场跑道线检测方法在说明书摘要公布了：本发明属于计算机视觉技术领域，具体公开了一种基于多任务学习的机场跑道线检测方法，包括如下步骤：获取跑道图像数据；将跑道图像数据输入YOLOv8目标检测模块，通过YOLOv8目标检测模块对跑道图像数据进行跑道线检测，提取跑道图像数据中的待检测区域；将待检测区域输入粗定位区域跟踪模块，输出待检测区域中的目标跑道区域；将目标跑道区域输入跑道特征检测模块，通过跑道特征检测模块输出跑道图像数据对应的跑道信息。本发明可以提高跑道在复杂场景中的识别准确度。解决了现有技术在复杂的场景中不够鲁棒的问题。

本发明授权一种基于多任务学习的机场跑道线检测方法在权利要求书中公布了：1.一种基于多任务学习的机场跑道线检测方法，其特征在于，所述方法包括： S1、获取跑道图像数据； 所述跑道图像数据为连续的视频帧图像； S2、将所述跑道图像数据输入YOLOv8目标检测模块，通过所述YOLOv8目标检测模块对所述跑道图像数据进行跑道线检测，提取所述跑道图像数据中的待检测区域； 所述YOLOv8目标检测模块包括第一特征提取模块、第一特征融合模块和检测头； 所述第一特征提取模块用于对所述跑道图像数据进行特征提取并对提取到的特征图进行融合，得到初始融合特征图； 所述第一特征融合模块用于对所述融合特征图进行进一步融合，得到融合特征图； 所述检测头用于对所述融合特征图进行检测，输出待检测区域； S3、将所述待检测区域输入粗定位区域跟踪模块，通过所述粗定位区域跟踪模块确定初始帧中的待检测区域中的待跟踪目标，基于所述待跟踪目标对初始帧之后的待检测区域进行跑道目标跟踪，输出所述待检测区域中的目标跑道区域； 所述粗定位区域跟踪模块的算法为核相关滤波目标跟踪算法； S4、将所述目标跑道区域输入跑道特征检测模块，通过所述跑道特征检测模块输出所述跑道图像数据对应的跑道信息； 所述跑道特征检测模块包括第二特征提取模块、第二特征融合模块、语义分割分支和目标检测分支； 所述第二特征提取模块用于提取目标跑道区域的不同分辨率的特征图； 所述第二特征融合模块用于对不同分辨率的特征图进行融合，得到不同尺度的融合特征； 所述语义分割分支用于对不同尺度的融合特征进行分割并识别，得到跑道线识别结果； 所述目标检测分支用于对不同尺度的融合特征进行输出降采样，并进行进一步的融合与识别，得到跑道号码识别结果和跑道入口标志识别结果； 所述第二特征提取模块包括Focus模块、C2f模块、CBS模块和SPPF模块； 所述第二特征融合模块采用了SPPF模块和FPN网络； 所述跑道特征检测模块的损失函数包括边界框预测损失、分类损失、置信度损失、像素分割类别损失和像素分割CloU损失； 所述边界框预测损失为： 其中，表示一帧图像中的检测到的目标数量，表示预测目标框与真实目标框的交并比，表示第个预测目标框的位置，表示第个预测目标框的位置的真值，表示二值交叉熵损失； 所述分类损失为： 其中，表示第个预测目标框的类别，表示第个预测目标框的类别的真值； 所述置信度损失为： 其中，表示第个预测目标框的置信度，表示第个预测目标框的置信度的真值，表示平衡系数，用于平衡正负样本的贡献，且，表示训练步数为时的平衡系数，表示初始平衡系数，和分别表示训练步数为时的正负样本数量，表示训练步数，表示总训练步数； 所述像素分割类别损失为： 其中，表示交叉熵损失，表示语义分割预测结果，表示语义分割标注真值，表示交叉熵损失与Dice损失的平衡因子； 所述像素分割CloU损失为： 其中，表示语义分割预测结果与语义分割标注真值的交并比，表示语义分割预测区域与语义分割标注区域的形状差异度量，表示参考面积，表示语义分割预测区域与语义分割标注区域的边缘差异度量，表示参考周长，表示权重系数。

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北工业大学，其通讯地址为：710068 陕西省西安市友谊西路127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”。