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！

龙图腾网获悉中国建筑第五工程局有限公司申请的专利基于深度学习的塔式起重机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：CN120931658B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202511463342.1，技术领域涉及：G06T7/00；该发明授权基于深度学习的塔式起重机检测方法及系统是由刘家军;黄书舟;刘剑;陈胜凯;吴卷立;黄易平;谭武;邹传峰;彭斌;樊荣;颜礼;刘振宇;王小卫设计研发完成，并于2025-10-14向国家知识产权局提交的专利申请。

本基于深度学习的塔式起重机检测方法及系统在说明书摘要公布了：本发明公开了基于深度学习的塔式起重机检测方法及系统，方法包括图像采集、初次图像优化、细节增强、聚合修正、建立塔式起重机检测模型和塔式起重机检测。本发明属于塔机检测领域，具体是指基于深度学习的塔式起重机检测方法及系统，本方案针对性调适衰减通道，提升图像颜色真实性；采用全域分区域延展与局域分布增强策略，基于聚合修正，减少因信息缺失导致的误检漏检；量化组内特征离散度，引入环境自适应惩罚设计优化损失函数，动态调整环境干扰惩罚；引入散度矩阵和遮挡惩罚系数，量化塔机特征的全域分布离散度，处理塔机遮挡、部件缺失导致的特征变异，避免误判遮挡，降低漏检率；进而提高检测效果。

本发明授权基于深度学习的塔式起重机检测方法及系统在权利要求书中公布了：1.基于深度学习的塔式起重机检测方法，其特征在于：该方法包括以下步骤： 步骤S1：图像采集；获取塔机图像； 步骤S2：初次图像优化；基于颜色通道统计特征计算动态权重系数，调适衰减通道对塔机图像进行初次图像优化； 步骤S3：细节增强；采用先全域分区域延展，再局域分布增强的策略，对初次图像优化的塔机图像进行细节增强； 步骤S4：聚合修正；将初次优化和细节增强后的塔机图像投影到最大化离散度的主成分空间，进行聚合修正，得到塔机检测图像集； 步骤S5：建立塔式起重机检测模型；基于得到塔机检测图像集，通过计算动态最小包络球范围参数、优化组内距离比和特征分布，训练塔式起重机检测模型； 步骤S6：塔式起重机检测；基于塔式起重机检测模型对待检测图像进行塔式起重机检测； 在步骤S2中，所述初次图像优化是设塔机图像为Itx,y，分解为：红色通道IR、绿色通道IG和蓝色通道IB；定义高光主导场景为，、和是各通道像素平均值；是场景阈值；定义阴影主导场景为；计算动态权重系数，包括：各通道统计值，；；；M和N分别是图像的高度和宽度；C∈{R,G,B}；其中，、和分别是通道C的像素最小值、最大值和平均值；{R,G,B}是三通道表示的集合；是C通道像素；x和y是像素的坐标位置；高光主导场景统计值，；；；其中，、和分别是基于通道均值、最小值和最大值得到的红通道调适系数；、、和是蓝绿通道的像素最大值和最小值；是平滑项；调适后红通道；是原始红通道像素；阴影主导场景统计值，调适黄红安全色，抑制蓝通道噪声，；；和分别是绿色调适系数和蓝色调适系数；调适后绿通道和蓝通道分别表示为；； 在步骤S5中，建立塔式起重机检测模型具体包括以下内容： 步骤S51：模型架构设计；采用MobileNetV3作为基础骨干，移除最后3层卷积；在第3、5、7卷积块后添加多尺度特征映射，输出16×16、32×32和64×64特征图；在骨干网络与全连接层之间增加特征聚合颈部，采用轻量级特征金字塔，将多尺度特征图通过上采样及逐点卷积聚合，输出聚合特征图；聚合特征图经全域平均池化压缩为128维向量，替代传统全连接层；并通过线性映射层输出特征向量；特征向量后接入分类头完成二分类映射；是第i个塔机检测图像样本；是网络权重参数； 步骤S52：塔机组内分离；具体包括： 步骤S521：计算塔机特征动态最小包络球范围参数，用塔机样本特征的最大成对距离近似最小包络球范围参数R；塔机样本的最大成对距离D表示为：；是惩罚系数；是第j个塔机检测图像样本的特征；i和j是样本索引；和是样本标签，等于1表示塔机样本，等于0表示非塔机样本； 步骤S522：塔机组内距离比优化；最大化塔机与非塔机的组内距离；最小化塔机特征范围参数；引入环境自适应惩罚；定义优化损失函数，表示为：；；是环境干扰系数；是样本背景边缘像素占比；是最终确定的分类超平面法向量；；b是偏置项；是候选分类超平面法向量； 步骤S53：塔机特征分布优化；通过塔机散度矩阵量化塔机特征的分布离散程度，塔机散度矩阵表示为：；C是塔机检测图像集中正样本的特征集；是塔机特征的均值向量；定义分类距离，引入遮挡惩罚系数，塔机距离损失函数表示为：；总损失函数L表示为：；是平衡系数；是损失权重；U是样本总数； 步骤S54：模型训练；将塔机检测图像集划分为测试集和训练集；选用Adam优化器更新模型参数；采用余弦退火策略进行学习率调度；基于召回率、精确率和F1分数评估塔式起重机检测模型性能。

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中国建筑第五工程局有限公司，其通讯地址为：410007 湖南省长沙市雨花区中意一路158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。