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！

龙图腾网获悉北京工业大学申请的专利基于多尺度目标检测网络的城市洪涝积水深度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：CN120451509B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202510603197.6，技术领域涉及：G06V10/25；该发明授权基于多尺度目标检测网络的城市洪涝积水深度检测方法是由刘鹏宇;袁博文;安紫明;袁乐乐;王佳琪设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本基于多尺度目标检测网络的城市洪涝积水深度检测方法在说明书摘要公布了：本发明公开了基于多尺度目标检测网络的城市洪涝积水深度检测方法，属于图像识别与深度学习领域；包含：选取用于城市洪涝积水深度检测的参照物；构建城市洪涝区域参照物目标检测网络；训练参照物目标检测模型；获取参照物目标检测结果并计算参照物像素高度；根据参照物像素高度变化与实际高度映射关系定量计算积水深度。本方法充分发挥深度学习在图像识别与检测领域的优势，设计包含多分支堆叠模块与特征金字塔结构的目标检测网络，解决了传统目标检测算法对多尺度目标特征提取能力弱、特征融合效果差的问题。在保持模型计算复杂度较低的条件下提升模型检测精度，提升积水深度计算精度，为基于视觉的非接触式洪涝积水深度检测提供技术可能性。

本发明授权基于多尺度目标检测网络的城市洪涝积水深度检测方法在权利要求书中公布了：1.基于多尺度目标检测网络的城市洪涝积水深度检测方法，其特征在于：该方法包含以下具体步骤： 步骤1：深度检测参照物选取； 在洪涝积水检测区域内，针对多维度检测需求，选取交通锥和共享单车两种垂直于地面且高度相对固定的物体作为深度检测的参照物，并记录参照物实际高度； 步骤2：构建参照物目标检测网络； 城市洪涝区域参照物目标检测网络由主干特征提取网络、加强特征提取网络以及检测头构成；加强特征提取网络以主干特征提取网络中三个深层特征模块的输出特征图作为输入，通过由特征金字塔结构与过渡模块构成的架构实现更深入的特征提取，并输出三个包含更深层语义信息的特征图：其中，特征金字塔结构对输入特征图分别进行大小为5×5、9×9与13×13的池化降采样，将多尺度池化结果按通道维度拼接以扩大检测网络的感受野，并对拼接结果进行3×3卷积与批量归一化操作，最终通过残差链接思想与输入特征图进行拼接以缓解网络退化问题；过渡模块包含池化下采样与卷积下采样两个分支，池化下采样由2×2最大池化层与3×3卷积层构成，卷积下采样由两个3×3卷积层构成，最终将两个下采样分支的输出特征图进行堆叠以达到特征融合的目的；特征金字塔与过渡模块的设计通过多尺度池化扩展感受野、残差连接保留原始特征信息、双分支下采样增强特征交互，实现浅层高分辨率细节特征与深层语义抽象特征之间的跨层融合，构建层次化、高鲁棒性的特征表示空间； 步骤3：训练参照物目标检测网络模型； 洪涝区域参照物目标检测模型的训练流程包括模型预训练、多源数据采集、模型训练优化及性能测试四个环节： 步骤4：获取目标检测结果并计算参照物像素高度； 将同一监测区域内无水态与积水态下的参照物图像序列分别输入至训练完成的洪涝区域参照物目标检测模型，洪涝区域参照物目标检测模型将输出一组包含检测框的检测结果图像，经改进、训练后的洪涝区域参照物目标检测模型具备高精度检测能力，实现检测框与参照物边缘的像素级贴合；分别计算检测框的像素高度：无水时的参照物高度记为，有水时的参照物高度记为； 步骤5：积水深度定量计算； 根据步骤4的得到的数据：参照物实际高度，无水条件下参照物像素高度，有水条件下的参照物像素高度，积水深度D表示为： 。

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北京工业大学，其通讯地址为：100024 北京市朝阳区平乐园100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。