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！

龙图腾网获悉福建亿榕信息技术有限公司;国网信息通信产业集团有限公司申请的专利一种面向电力遥感数据的轻量级风险目标检测方法及设备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：CN119723059B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202411890025.3，技术领域涉及：G06V10/25；该发明授权一种面向电力遥感数据的轻量级风险目标检测方法及设备是由程明;张富林;李一;杨玉霞;李怡珂;王鹏设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种面向电力遥感数据的轻量级风险目标检测方法及设备在说明书摘要公布了：本发明涉及一种面向电力遥感数据的轻量级风险目标检测方法及设备，包括如下步骤：采集电力遥感图像并进行标注；对标注后的图像进行预处理；构建风险目标预测模型：基于YOLOv5模型，在其主干网络引入深度可分离卷积机制；将图像划分成若干网格后输入预测模型，预测落入网格的目标的边界框位置和类别，每个网格预测出多个边界框；基于CIoU的非极大抑制算法，对每个网格的多个预测边界框进行筛选，得到筛选出的最佳边界框，确定目标的位置及类别。本发明优点：通过优化YOLOv5模型的网络结构和损失函数，减少模型的计算量和参数量，提高实时性和部署效率。引入基于CIoU的非极大值抑制算法，优化目标检测的精度和定位准确性。

本发明授权一种面向电力遥感数据的轻量级风险目标检测方法及设备在权利要求书中公布了：1.一种面向电力遥感数据的轻量级风险目标检测方法，其特征在于：包括如下步骤： 采集电力遥感图像数据并在图像上对风险信息进行标注； 对标注后的图像进行预处理，使图像具有多样性； 构建风险目标预测模型：基于YOLOv5模型，在其主干网络引入深度可分离卷积机制，以对图像进行特征提取和特征融合； 将图像划分成若干网格后输入所述风险目标预测模型，风险目标预测模型预测落入网格的目标的边界框位置和类别，每个网格预测出多个边界框； 采用基于CIoU的非极大抑制算法，对每个网格的多个预测边界框进行筛选，过滤重叠的预测边界框，得到筛选出的最佳边界框，然后，确定目标的位置及类别； 所述风险目标预测模型输出的预测边界框包括如下属性信息：、w,h、置信度s、目标的多个类别以及各类别概率；其中表示预测边界框中心相对于网格单元的坐标，w,h表示预测边界框的宽度和高度，置信度s反映边界框内是否存在目标以及预测边界框的准确程度，类别表示识别到的电力设施的风险等级； 基于CIoU的非极大抑制算法的预测边界框筛选，并在考虑中心点距离和长宽比的条件下，根据重叠程度筛选出最佳的边界框，表达式如下： ； ； 其中，代表风险目标预测模型输出的每个预测边界框的置信度，为置信度最高的预测边界框，为剩余候选的预测边界框中的一个，为设定的阈值，表示候选预测边界框与真实边界框的交并比，表示置信度最高的预测边界框和候选边界框的交并比，表示置信度最高的预测边界框和候选预测边界框的中心点之间的欧氏距离，是置信度最高的预测边界框和候选预测边界框的最小外接矩形对角线的欧式距离，是权重参数，用来度量置信度最高预测边界框与候选预测边界框的长宽比相似性，、是置信度最高的预测边界框的宽和高，、是候选预测边界框的宽和高； 采用多任务损失函数优化所述风险目标预测模型，包括分类损失、置信度损失和预测框回归损失，所述风险目标预测模型的总损失函数公式为：，其中，，分别为模型训练预设的第一权重值、第二权重值和第三权重值，通过电力遥感图像数据集训练风险目标预测模型，计算损失函数，不断进行模型训练和优化；所述置信度损失表示为下式： ； 其中，为置信度，取值介于，为真实标签对应的目标存在情况，取值只有0或1，是固定的权重系数，越大表明正样本提供的贡献增加，负样本贡献降低，为对概率大小自适应的衰减系数。

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福建亿榕信息技术有限公司;国网信息通信产业集团有限公司，其通讯地址为：350000 福建省福州市鼓楼区软件大道89号G区20号楼；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。