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基于深度学习图像方法的飞行轨迹点行为模式分析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：CN115713542B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202211428383.3，技术领域涉及：G06T7/20；该发明授权基于深度学习图像方法的飞行轨迹点行为模式分析方法是由周鹏;曹杰;殷奇缘设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本基于深度学习图像方法的飞行轨迹点行为模式分析方法在说明书摘要公布了：本发明公开了基于深度学习图像方法的飞行轨迹点行为模式分析方法，包括以下步骤：步骤一、将飞行轨迹点的经纬度使用通用横向墨卡托UniversalTransversMercator方法转换为图像上的x，y坐标；步骤二、使用rol‑traj‑yolov5算法自适应旋转框检测新算法来预测具体特定轨迹的位置与轨迹的模式识别；步骤三、通过分析轨迹的具体行为模式分析出形成该轨迹的飞机的具体型号，具体实行任务或航行路线。本发明通过识别出该飞行轨迹点的具体区域的轨迹模式可以分析出该飞机的型号与目前所执行的任务或航行路线等有用信息。

本发明授权基于深度学习图像方法的飞行轨迹点行为模式分析方法在权利要求书中公布了：1.基于深度学习图像方法的飞行轨迹点行为模式分析方法，其特征在于，包括以下步骤： 步骤一、将飞行轨迹点的经纬度使用通用横向墨卡托UniversalTransversMercator方法转换为图像上的x，y坐标； 步骤二、使用rol-traj-yolov5算法自适应旋转框检测新算法来预测具体特定轨迹的位置与轨迹的模式识别； 步骤三、通过分析轨迹的具体行为模式分析出形成该轨迹的飞机的具体型号与具体实行任务和航行路线信息； 所述步骤二中的rol-traj-yolov5算法是基于YOLOv5-DOTA-OBB算法进行改进的一个旋转目标框算法；该算法采用one-stage算法模型，以yolov5x为基准模型进行修改，rol-traj-yolov5算法由backbone，neck，yolo_head组成； 所述backbone为rol-traj-yolov5算法主干部分，主体使用了CSPDarnet53结构，并且使用了focus结构，Focus层将w-h平面上的信息转换到通道维度，再通过卷积的方式提取不同特征，采用这种方式可减少下采样带来的信息损失； 在所述neck结构中，首先是将SPP换成了SPPF，两者的作用是一样的，但后者在保持同样特征提取效果的同时大大减少了模型的计算量，加速了模型的推理过程； SPPF结构采用了感受野机制，将SPP结构中的三个不同尺寸的池化层并联转换为尺寸单一的5x5的池化层，SPPF结构通过三个5x5尺寸的池化层串联得到了与SPP结构通过5x5，9x9，13x13尺寸池化层相同大小的感受野，并且缩小了池化层尺寸因而减少了计算量； 在所述neck结构中还有NewCSP-PAN，在特征融合模块PAN结构中加入了CSP网络残差模块使网络在计算特征梯度时不会有冗余信息，并且在搭建PAN的上采样中分别加入了CBAM注意力机制，在通道和空间两个独立维度依次推断图片的注意力，将注意图乘以输入特征图，使得rol-traj-yolov5算法在提取特征时更加聚焦于感兴趣的目标区域，更好的对背景噪声进行过滤； 所述yolo_head为： 在网络的检测头部分使用Double-Head模块，此模块有一个专注于分类的全连接头和一个用于边界框回归的卷积头，因为fc-head比conv-head具有更高的空间敏感性，因此，fc-head具有更强的区分完整目标和部分目标的能力，但对回归整个目标并不鲁棒，因此使用Double-Head将坐标与类别分开预测可使检测结果更加具有鲁棒性。

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。