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！

龙图腾网获悉中国人民解放军联勤保障部队第九六〇医院;中国人民解放军北部战区总医院申请的专利基于人工智能的战场医疗无人机避障识别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：CN120656144B 。

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：202510762136.4，技术领域涉及：G06V20/58；该发明授权基于人工智能的战场医疗无人机避障识别方法及设备是由薛钰;陈臻;石磊平;田竟;张贺设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本基于人工智能的战场医疗无人机避障识别方法及设备在说明书摘要公布了：本发明涉及一种基于人工智能的战场医疗无人机避障识别方法及设备，属于人工智能与数据处理技术领域。其包括以下步骤：获取战场图像数据并进行标注，得到战场图像数据集；对数据集中图像进行自适应光照归一化与动态去雾增强，得到增强的战场图像数据集；构建卷积神经网络模型，模型包括3个不同的分支和特征融合模块，分支2在卷积过程中采用动态核生成机制，特征融合模块引入注意力门控机制；通过增强的战场图像对卷积神经网络模型进行训练；采用损失函数对训练过程进行优化，得到训练好的模型；待检测战场图像输入到训练好的模型中，将图像中的不同障碍物进行识别与分类。本发明能够提高战场医疗无人机避障识别分类的准确性和鲁棒性。

本发明授权基于人工智能的战场医疗无人机避障识别方法及设备在权利要求书中公布了：1.一种基于人工智能的战场医疗无人机避障识别方法，其特征在于，包括以下步骤： S1.获取战场图像数据并进行标注，得到战场图像数据集； S2.对数据集中图像进行自适应光照归一化与动态去雾增强，得到增强的战场图像数据集； S3.构建卷积神经网络模型，所述模型包括3个不同的分支和特征融合模块，分支1采用1×1尺寸卷积核；分支2采用3×3尺寸卷积核，并在卷积过程中采用动态核生成机制；分支3采用身份映射，所述身份映射将输入的特征图直接通过网络传递，保持不变，保留原始信息；所述特征融合模块引入注意力门控机制；通过增强的战场图像数据集中图像对卷积神经网络模型进行训练；采用损失函数对训练过程进行优化，得到训练好的模型；具体内容包括： 所述特征融合模块采用基于注意力门控机制的特征融合方法，动态加权各分支贡献，通过通道级相关性计算，使模型在烟雾遮挡时依赖分支3的原始特征，清晰场景则侧重分支2和分支1的深层次特征；公式表示如下： ， ， 其中，表示Sigmoid激活函数；表示由两个1×1卷积层组成的压缩－激励模块；为第分支的注意力权重；为分支1输出的特征图；为分支2输出的特征图；为分支3输出的特征图；表示对、和进行通道拼接操作；为融合后的多尺度特征图；为分支1的注意力权重；为分支2的注意力权重；为分支3的注意力权重；表示逐通道相乘； 卷积神经网络模型采用透射率－通道联合门控分类器函数，通过融合特征与透射率图和光照系数的跨模态交互，动态重构分类权重，最终输出类别概率，具体包括： 透射率感知通道增强：构建可学习的烟雾敏感通道选择矩阵，通过透射率图与特征通道的跨注意力计算高频补偿权重，得到通道增强注意力权重；公式表示如下： ， 其中，为通道增强注意力权重；为Softmax函数，进行沿通道维度的归一化操作；为融合后的多尺度特征图；为的转置；为全局最大池化操作；为全局平均池化操作；为可学习的空间透射率适配矩阵；为融合后的多尺度特征图的通道数；表示透射率图； 光照鲁棒性通道抑制：设计光照－通道协方差矩阵，抑制高光照变化下的噪声通道响应，通过外积计算光照系数与特征全局统计量的相关性，实现通道级动态抑制；公式表示如下： ， 其中，为通道抑制系数；表示张量外积，表示局部光照补偿系数； 将增强与抑制后的特征进行跨模态交互，生成动态分类权重矩阵，通过双线性池化融合透射率与光照感知特征，并采用门控机制平衡高频补偿与噪声抑制，最终输出类别概率；公式表示如下： ， ， ， ， 其中，为透射率增强后的特征图；表示通道拼接操作；为光照抑制后的特征图；为动态生成的分类权重矩阵；为的转置；为分类偏置；为最终类别概率分布，表示种障碍物类别；为Softmax函数； 所述损失函数采用对比损失增强类内紧凑性，通过采用透射率感知对比损失项，结合烟雾密度和光照变化动态调整对比损失权重，实现模型在烟雾遮挡和光照变化下的鲁棒特征学习，迫使同类障碍物在特征空间聚集，异类分离，公式表示如下： ， 其中，为对比损失函数；为单批次训练样本数量；为与第个样本同类的正样本集；为第i个样本经过多分支的卷积神经网络提取的特征向量；为第i个输入到多分支的卷积神经网络的战场图像样本；为第p个样本，即同类样本，经过多分支的卷积神经网络提取的特征向量；为第p个输入到多分支的卷积神经网络的战场图像样本；为第n个样本经过多分支的卷积神经网络提取的特征向量；为第n个输入到多分支的卷积神经网络的战场图像样本，为异类样本特征向量；为与第个样本不同类的负样本集；为平衡系数；，表示通过特征距离约束实现同类样本特征空间聚集；为取最大值函数；为透射率感知对比损失项； S4.待检测战场图像输入到训练好的模型中，将图像中的不同障碍物进行识别分类。

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人民解放军联勤保障部队第九六〇医院;中国人民解放军北部战区总医院，其通讯地址为：250031 山东省济南市天桥区师范路25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。