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！

龙图腾网获悉南京航空航天大学申请的专利一种基于改进SSD模型的实时性机坪目标检测和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：CN118887433B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202410858360.9，技术领域涉及：G06V10/762；该发明授权一种基于改进SSD模型的实时性机坪目标检测和识别方法是由薛金凯;汪雪婷;陆轶;康鸣翠;黄晨昱;刘宇轩;严锦添;崔节轩设计研发完成，并于2024-06-28向国家知识产权局提交的专利申请。

本一种基于改进SSD模型的实时性机坪目标检测和识别方法在说明书摘要公布了：本发明提供了一种基于改进SSD模型的实时性机坪目标检测和识别方法。通过将预处理后的数据集输入改进的SSD模型进行训练，得到训练好的模型。改进的SSD模型采用RFB‑Net300作为骨干网络，加入了batch‑normalization层，使用sub‑pixelconvolutionlayer代替上采样，并通过MFPN模型融合低层和高层特征信息。通过引入CIoU损失函数改进了原有的损失函数。生成预测框的过程中，通过K‑means聚类算法优化先验框的大小，并计算目标物体间的距离。MFPN模型通过构建特征金字塔，实现多尺度特征融合，增强了对不同尺寸目标的检测能力。CIoU损失函数综合评估预测框与实际框之间的相似度，考虑了重叠区域、中心点距离、宽高比和尺度。通过上述改进，本发明显著提升了机坪目标检测和识别的实时性和准确性。

本发明授权一种基于改进SSD模型的实时性机坪目标检测和识别方法在权利要求书中公布了：1.一种基于改进SSD模型的实时性机坪目标检测和识别方法，其特征在于，包括： 获取机场场面运行数据集，所述机场场面运行数据集包括航空器、地面保障作业车辆及场面工作人员发生运动行为的视频数据，以及交互过程中航空器关键部位的监视视频数据；所述地面保障作业车辆包括登机廊桥、飞机牵引车、客梯车、供水车、加油车，所述场面工作人员包括机务维修人员、交通管制人员、货物装卸人员、旅客服务人员，所述运动行为包括单一目标运动行为和多目标交互行为，所述单一目标运动行为包括航空器进港和离港，所述多目标交互行为包括地面保障作业车辆、场面工作人员与航空器的对接和分离，所述航空器关键部位包括机头、机尾、翼尖、发动机进气道； 将所述机场场面运行数据集预处理，标定每一帧场面图像，对图像进行标准化和归一化处理，预处理后的图像包括机场场面运行维护过程中各个目标框位置和目标类别信息； 将所述预处理后的机场场面运行数据集输入改进目标识别算法SSD模型进行训练，获取训练好的改进SSD模型；所述改进SSD模型使用RFB-Net300作为SSD算法的骨干网络，在额外添加层中加入batch-normalization，使用sub-pixelconvolutionlayer来代替上采样，并加入MFPN模型融合低层与高层特征信息；引入损失函数来改进原来的损失函数； 将预测结果输入到训练好的改进SSD模型，得出目标检测结果； 所述生成预测框的步骤包括： 考虑到RFB-Net基于人为经验来设定先验框大小，过度依赖经验,为此采用K-means聚类算法来设置最佳先验框； 确定目标物体间距离计算公式，初始化所需个数的聚类中心； 依次比较每一个实际位置框到每一个聚类中心的距离d，将实际位置框分配到距离最近的聚类中心的簇中； 在分配完成后，重新计算每个簇的聚类中心点，也就是计算簇中所有实际位置框的长和宽的平均值； 重复上述步骤，直到聚类中心变化很小； 将最终计算的聚类中心点设置为特征图上先验框的大小； 所述的改进SSD模型RFB-Net、Sub-pixelconvolutionlayer和MFPN模型，所述的RFB-Net300主干网络上用两个RFB结构替换SSD原本新增的两层，且conv4_3和conv7_fc在接预测层之前分别接RFB-s和RFB结构，BN层位于卷积层Conv4_3和Relu之间，对特征图进行归一化处理，所述Sub-pixelconvolutionlayer来代替上采样，将低分辨率的特征图通过卷积和多通道间的重组从而得到高分辨率的特征图，所述MFPN模型融合一个自底向上、一个自顶向下的线路横向连接的特征金字塔网络FPN结构； 其中SSD原始的Conv4_3层的3×3卷积核步距修改为1，将预处理后300×300×3的图像输入其中，特征层经过Conv4_3层所对应的一系列残差结构后,得到38×38×256的特征矩阵；剩余卷积层均通过convolution、batchnormalization、RELU来进行生成，RFB层通过使用1×1、3×3、5×5三个不同尺寸卷积核构成多分枝结构，同时引入3个dilated卷积层来进行生成； 所述损失函数不仅考虑了边界框的重叠区域IoU，还考虑了边界框的中心点距离、宽高比以及尺度，以实现更全面的边界框评估； 损失函数的表达式为 （1） （2） （3） （4） 其中表示输出预测框Ａ和实际框Ｂ相交重叠的部分比两个预测框集合部分的结果，表示预测框Ａ与实测框Ｂ中心点在图像中的距离，表示预测框Ａ和实际框Ｂ都包含在由表示的最小边界框中的斜距长度，表示预测框与实际框的长宽比的相似度，、表示预测框Ａ和实际框Ｂ的长度，、表示预测框Ａ和实际框Ｂ的高度，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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。