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！

龙图腾网获悉四川轻化工大学申请的专利一种专属化学习的停车场车牌检测方法及系统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：CN120808330B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202511315542.2，技术领域涉及：G06V20/62；该发明授权一种专属化学习的停车场车牌检测方法及系统是由唐宇峰;郑江;代云中;刘铭煊;屈朝阳;刘湘凯;阿海木沙;林佳鑫设计研发完成，并于2025-09-15向国家知识产权局提交的专利申请。

本一种专属化学习的停车场车牌检测方法及系统在说明书摘要公布了：本发明提供了一种专属化学习的停车场车牌检测方法及系统，属于计算机视觉与边缘计算技术领域。方法包括：在各出入口边缘设备部署轻量级检测主模型进行实时检测并筛选低置信度难例样本；样本上传后，中央处理端利用高性能教师模型生成高质量伪标签，并采用融合检测损失、蒸馏损失及难例专注损失的混合损失函数训练专属学生模型；最后计算权重差值并量化生成轻量级增量更新包，定向推送至边缘设备完成无感知热更新。系统相应包括边缘处理单元与中央处理单元。本发明解决了通用模型无法适配多出入口差异化场景的问题，实现了模型个性化精准优化与高效轻量更新的统一，显著提升了车牌检测在复杂场景下的准确率与可靠性。

本发明授权一种专属化学习的停车场车牌检测方法及系统在权利要求书中公布了：1.一种专属化学习的停车场车牌检测方法，其特征在于，包括以下步骤： 步骤一：差异化模型初始化：针对每个停车场出入口处，分别执行以下边缘处理步骤：加载轻量化的预训练车牌检测主模型，获取当前出入口场景的车辆图像，并利用所述主模型对所述车辆图像执行实时车牌检测，输出车牌检测框及对应置信度；建立所有出入口与一个中央处理端的双向数据通信链路；所述中央处理端维护有统一的高性能教师模型，并为每个出入口分别初始化一个独立的学生模型； 所述通信链路支持双向数据传输，可实现出入口向中央处理端传输筛选后的样本数据，以及中央处理端向对应出入口推送模型增量更新包；所述教师模型相较于主模型具有更高的检测精度，其网络规模、参数量或复杂度高于主模型，用于为各出入口的学生模型生成高置信度伪标签并提供知识蒸馏基准；而每个学生模型唯一关联一个出入口，且初始化的模型结构和参数与关联出入口的主模型一致； 步骤二：分布式边缘样本筛选与上传：每个出入口的边缘处理步骤仅对自身采集的场景图像执行实时检测结果分析，筛选表征本出入口场景难例的低置信度车牌样本并独立缓存；当缓存样本量满足预设的样本上传阈值时，通过所述双向数据通信链路将该出入口的样本批量传输至中央处理端并清空缓存，且传输数据仅标记该出入口的唯一标识； 所述低置信度车牌样本，其筛选条件为：车牌检测框的最大置信度处于0.3至0.7的阈值范围内；所述预设的样本上传阈值为50-200张之间，具体可根据边缘处理步骤的存储资源和双向数据通信链路的传输带宽动态调整； 步骤三：中央处理端并行化专属学习：中央处理端将各出、入口上传的样本存入对应的专属待训练库，当某出、入口的专属待训练库样本量达到预设训练启动阈值时，通过教师模型对该专属待训练库中样本进行重新检测，基于预设置信度阈值筛选样本并生成高置信度的专属伪标签；基于筛选后的含专属伪标签的样本，通过混合损失函数训练该出、入口关联的学生模型； 步骤四：轻量化差分增量推送：中央处理端计算训练后的学生模型与对应出入口主模型的权重差值，经量化压缩后生成该出、入口专属的轻量级增量更新包，通过所述双向数据通信链路仅定向推送增量更新包至对应的出入口； 步骤五：边缘侧无感知热更新：各出入口的边缘处理步骤接收并验证标记自身唯一标识的增量更新包；验证通过后，在后台启动更新进程，完成增量更新包的反量化处理并与本地主模型权重合并生成新模型；通过热切换机制实现本地主模型的无感知迭代，且不影响其他出入口的检测服务。

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四川轻化工大学，其通讯地址为：643000 四川省自贡市自流井区汇东学苑街180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。