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！

龙图腾网获悉南京理工大学申请的专利一种结合去雾算法的改进Yolov5枯死木检测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：CN116912569B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310847756.9，技术领域涉及：G06V10/764；该发明授权一种结合去雾算法的改进Yolov5枯死木检测方法是由姜苗苗;彭富明;方斌;王勇;张子祥设计研发完成，并于2023-07-11向国家知识产权局提交的专利申请。

本一种结合去雾算法的改进Yolov5枯死木检测方法在说明书摘要公布了：本发明公开了一种结合去雾算法的改进Yolov5枯死木检测方法，该方法包括：无人机航拍采集林木正射影像图，通过边缘计算平台进行初步筛选，再将图像数据输入改进的YOLOv5模型中，检测出枯死木；其中，改进的Yolov5模型有机结合MSCNNHE去雾算法，打破以往仅仅将去雾作为预处理过程，将去雾网络与目标检测网络进行有机结合，通过中间层信息通信以及联合训练微调的方法将去雾算法融合为目标检测模型的一部分，从而提高目标检测模型在有雾图像上的检测效果与检测速度。本发明将目标检测模型与去雾算法网络有机的结合，使其在面向有雾图像时依然能够保持比较高的目标检测精度。

本发明授权一种结合去雾算法的改进Yolov5枯死木检测方法在权利要求书中公布了：1.一种结合去雾算法的改进Yolov5枯死木检测方法，其特征在于，包括以下步骤： 步骤100，无人机航拍采集林木正映射图像，制作有雾图像的目标检测数据集； 步骤200，对制作的数据集进行Mosaic数据增强并进行扩充； 步骤300，设计结合MSCNNHE去雾算法的改进Yolov5检测模型，包括以下步骤： 步骤301，多尺度特征提取，整个模型输入图像I，通过一个由粗尺度卷积神经网络、细尺度卷积神经网络与整体边缘引导网络组成的多尺度特征提取模块；不同尺度的网络特征提取输出将与Yolov5中前3个ResBlock的输出进行叠加； 步骤302，多尺度目标检测，经过多尺度特征处理后，网络模型最终在三个不同尺度上进行目标检测；其中，在76×76大小的特征上检测大尺寸目标，38×38的特征上检测中型尺度的目标，最后在19×19大小的尺度上检测小尺寸的目标； 步骤303，去雾算法的损失函数拟采用两种损失函数的线性组合，目标检测精度则采用Yolov5本身的损失函数；整个网络的目标函数描述为如下公式： 其中， LRF＝1-λL1+λ*L2 L2＝1-MSSSIMp 式中，LRF和LOB分别代表去雾网络的损失函数与目标检测的目标函数，α与β是用于平衡去雾图像质量与目标检测之间的权重；x表示真实去雾图片，表示去雾网络输出图片；y代表真实目标检测标签，表示目标检测网络的预测结果；L1表示图像复原损失函数，L2表示贴合人眼视觉的图像亮度和结构的损失函数，N表示训练样本个数；MSSSIMp是多尺度图像质量评估指标，M表示减小宽度和高度的参数，βj和γj表示两项之间的重要性，μx和为图像像素平均值，σx和为方差，为x和的协方差，cx和c2为常数参数用来维持稳定，λ是平衡去雾算法两个损失函数的参数； 步骤400，结合去雾网络的目标检测模型训练； 步骤500，通过机载边缘计算方法进行枯死木检测，包括以下步骤： 步骤501，读取无人机机载摄像头拍摄的图像，传输给边缘计算模块，设置目标检测阈值为0.5，进行粗粒度检测，以过滤无变色树木； 步骤502，如果检测到异常数据，将图像及地理位置信息保存并发送至地面存储处理模块；如果没有检测到异常数据，则自动删除数据； 步骤503，在地面端采用部署训练好的改进Yolov5模型进行细粒度检测，从而明确是否包含枯死木目标；如果检测到枯死木，则该图像及其位置信息将被保存至数据库； 步骤504，重复步骤501，直至所研究林区检测完成。

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理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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。