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！

龙图腾网获悉武汉大学申请的专利基于改进深度学习模型的地月空间非合作目标识别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：CN120047794B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202510179130.4，技术领域涉及：G06V10/82；该发明授权基于改进深度学习模型的地月空间非合作目标识别方法及系统是由鄢建国;苗丁锐博;卢润松;周家庆设计研发完成，并于2025-02-18向国家知识产权局提交的专利申请。

本基于改进深度学习模型的地月空间非合作目标识别方法及系统在说明书摘要公布了：本发明公开一种基于改进深度学习模型的地月空间非合作目标识别方法及系统，应用于空间碎片、废弃卫星等非合作目标在复杂背景下的检测与匹配。本发明首先构建了一个高保真度的深空非合作目标仿真数据集，通过模拟多种传感器在地月空间环境下的观测数据，并对数据进行精确标注。其次，在YOLOv5模型基础上，引入自注意力机制和空间注意力模块，针对非合作目标与背景恒星的相似性问题，通过双流网络架构处理光学成像数据和激光测距数据，并引入跨模态注意力机制，优化了特征提取与目标匹配过程，增强了模型对低信噪比条件下的鲁棒性。并且，通过自监督对比学习增强特征学习能力，能够在弱信号环境中有效区分非合作目标与背景，提升实时监测与预警能力。

本发明授权基于改进深度学习模型的地月空间非合作目标识别方法及系统在权利要求书中公布了：1.基于改进深度学习模型的地月空间非合作目标识别方法，其特征在于，包括： 获取空间碎片图像； 将获取的空间碎片图像输入训练后的空间非合作目标匹配识别模型，输出识别出的非合作目标；其中，所述空间非合作目标匹配识别模型的训练，包括： 构建空间碎片数据集； 在深度学习模型YOLOv5基础上，引入自注意力机制和空间注意力模块，还引入多模态数据融合和跨模态注意力机制，形成改进后的空间非合作目标匹配识别模型；引入自注意力机制和空间注意力模块，还包括：通过自注意力机制计算特征图中各位置的相关性，动态调整特征权重，增强关键区域的表示能力；通过空间注意力模块增强目标特征的提取，强化模型对目标区域的关注，使得在复杂环境下对微小目标的识别更加准确； 引入自监督对比学习，对改进后的空间非合作目标匹配识别模型进行高效特征提取和轻量化模型设计，形成优化的空间非合作目标匹配识别模型； 根据设计的损失函数，在构建的空间碎片数据集上对优化的空间非合作目标匹配识别模型进行训练，得到训练好的空间非合作目标匹配识别模型。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。