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！

龙图腾网获悉中国铁塔股份有限公司江苏省分公司申请的专利基于水面图像的水面漂浮物检测方法、装置、系统及存储介质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：CN121095888B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202511640206.5，技术领域涉及：G06V20/52；该发明授权基于水面图像的水面漂浮物检测方法、装置、系统及存储介质是由陆亮;胥立鹏;杨少杰;薛楠;宁业栋设计研发完成，并于2025-11-11向国家知识产权局提交的专利申请。

本基于水面图像的水面漂浮物检测方法、装置、系统及存储介质在说明书摘要公布了：本申请公开关于一种基于水面图像的水面漂浮物检测方法、装置、系统及存储介质，涉及图像处理技术领域。该方法包括：将待测水域的待测图像输入至预设二阶模型，以采用预设二阶模型执行如下操作：调用预设二阶模型中超分辨模型对待测图像进行处理，得到第一图像；调用预设二阶模型中目标检测模型，对待测图像中待测水域的水域特征分布进行识别，并基于特征分布识别结果，对第一图像中差异化水域特征分布进行域对齐调整，并对域对齐调整后的第一图像中异常检测对象进行识别；预设二阶模型是对超分辨模型与目标检测模型进行协同训练后得到的。

本发明授权基于水面图像的水面漂浮物检测方法、装置、系统及存储介质在权利要求书中公布了：1.一种基于水面图像的水面漂浮物检测方法，其特征在于，所述方法包括： 将待测水域的待测图像输入至预设二阶模型，以采用所述预设二阶模型执行如下操作：调用所述预设二阶模型中超分辨模型对所述待测图像进行处理，得到第一图像；调用所述预设二阶模型中目标检测模型，对所述待测图像中所述待测水域的水域特征分布进行识别，并基于特征分布识别结果，对所述第一图像中差异化水域特征分布进行域对齐调整，并对域对齐调整后的所述第一图像中异常检测对象进行识别；所述第一图像的分辨率高于所述待测图像；所述超分辨模型与所述目标检测模型串联连接设置在所述预设二阶模型； 其中，所述预设二阶模型是对所述超分辨模型与所述目标检测模型进行协同训练后得到的；在协同训练过程中，所述超分辨模型的第一模型参数是以所述目标检测模型的检测训练损失与超分辨质量损失为约束目标，进行修正的；所述检测训练损失包括检测损失、对比损失和最大均值差异损失；所述目标检测模型的第二模型参数是以检测训练损失为约束目标，进行修正的；所述质量损失包括分辨度损失；所述检测损失表征所述目标检测模型输出的预测边界框与真实标签之间的损失；所述对比损失表征与同一对象类别的正样本之间的相似度正相关以及与不同对象类别的负样本之间的相似度负相关构成的损失值，其中，正样本与负样本基于类别置信度确定的；所述最大均值差异损失表征同一检测对象在不同水域中特征分布差异构建的损失，所述不同水域包括河域、湖域和海域； 所述方法还包括： 基于原始水域图像对串联设置的初始超分辨模型和初始检测模型进行协同训练，得到所述超分辨模型和所述目标检测模型； 所述协同训练包括反复执行如下操作：将原始水域图像输入至初始超分辨模型，得到增强后的正样本图像，以及确定所述原始水域图像与所述正样本图像之间的质量损失；将所述原始水域图像和所述正样本图像输入至初始检测模型，得到输出预测结果，确定所述输出预测结果与所述原始水域图像上标记的预设样本框之间差异的检测损失，以及确定所述输出预测结果中正样本的正相关度和负样本的负相关度之间差异的对比损失，以及确定所述输出预测结果的特征分布与所述原始水域图像的特征分布之间差异的最大均值差异损失，以得到检测训练损失；将所述检测训练损失后向传播至所述初始超分辨模型，以基于所述检测训练损失和所述质量损失，确定超分辨损失，并基于所述超分辨损失对所述初始超分辨模型的第一模型参数进行更新，得到更新后的所述初始超分辨模型，以及基于所述检测训练损失，对所述初始检测模型的第二模型参数进行更新，得到更新后的所述初始检测模型； 直至所述超分辨损失和所述检测训练损失分别达到对应的预设损失条件，将达到对应的预设损失条件的第一模型参数和第二模型参数下的所述初始超分辨模型和所述初始检测模型，分别确定为所述超分辨模型和所述目标检测模型。

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中国铁塔股份有限公司江苏省分公司，其通讯地址为：210018 江苏省南京市玄武区领智路56号2栋1-2层、5-8层；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。