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！

龙图腾网获悉深圳市锐明像素科技有限公司申请的专利基于深度学习的路面抛洒检测方法、装置、电子设备及程序产品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：CN121121507B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511671718.8，技术领域涉及：G06V20/10；该发明授权基于深度学习的路面抛洒检测方法、装置、电子设备及程序产品是由王鹏;刘加美;徐垚凡;张凯设计研发完成，并于2025-11-14向国家知识产权局提交的专利申请。

本基于深度学习的路面抛洒检测方法、装置、电子设备及程序产品在说明书摘要公布了：本申请公开了一种基于深度学习的路面抛洒检测方法、装置、电子设备及程序产品。该方法通过训练完成的检测模型实现，模型采用LMSADet检测头，在任务分支中引入多尺度特征提取与空间注意力机制，将多尺度建模从骨干网络和颈部网络中解耦并集成于检测头，以贴合检测任务直接优化抛洒目标的局部细节和尺度差异。为抑制背景干扰并提升模糊边界的识别效果，颈部网络加入MSHA模块，以高效捕捉抛洒物与背景的语义关系，增强区域理解能力。骨干网络引入C3ESP模块，通过堆叠深度可分离卷积提取深层特征，并结合残差优化融合，避免信息丢失；同时引入PEMA注意力机制，动态调整不同感受野特征的重要性，使模型聚焦关键特征，更全面捕捉数据信息，从而显著提升检测性能。

本发明授权基于深度学习的路面抛洒检测方法、装置、电子设备及程序产品在权利要求书中公布了：1.一种基于深度学习的路面抛洒检测方法，其特征在于，包括： 基于预先训练完成的路面抛洒检测模型的骨干网络对待检测图像进行特征提取，得到图像特征；所述待检测图像包括路面； 基于所述路面抛洒检测模型的颈部网络对所述图像特征进行融合，得到目标融合特征； 基于所述路面抛洒检测模型的检测网络对所述目标融合特征进行检测，得到所述待检测图像中路面抛洒的检测结果； 其中，所述检测网络包括LMSADet检测头，所述LMSADet检测头基于多尺度融合和基于空间注意力对目标融合特征进行增强，并对增强后的所述目标融合特征检测，得到所述检测结果； 在所述待检测图像中包括路面抛洒的情况下，所述检测结果包括路面抛洒的预测边界框以及预测抛洒类别； 其中，所述LMSADet检测头包括用于输出所述预测边界框的边界框回归检测分支，以及用于输出预测抛洒类别的类别预测分支，所述边界框回归检测分支和所述类别预测分支的分支网络结构相同；所述分支网络结构包括多尺度卷积结构、第一拼接层、空间注意力结构、通道融合结构、第二拼接层、第一DWCBS层、第二DWCBS层以及第一卷积层；所述第一DWCBS层和所述第二DWCBS层均包括深度可分离卷积、归一化以及SiLU函数；针对输入所述边界框回归检测分支或者所述类别预测分支的目标融合特征： 通过所述多尺度卷积结构对所述目标融合特征执行至少两个尺度下串联卷积操作，得到各尺度对应的串联卷积特征；所述串联卷积操作包括依次执行的深度可分离卷积操作和普通卷积操作； 通过所述第一拼接层将各尺度对应的特征进行通道维度的拼接，得到第一拼接特征； 通过所述空间注意力结构对所述第一拼接特征依次执行通道压缩操作、通道扩展操作以及归一化操作，得到每个尺度对应的空间注意力权重； 针对每个尺度，通过所述通道融合结构将对应的空间注意力权重与对应的串联卷积特征进行加权融合，得到对应的空间增强特征； 通过所述第二拼接层将各尺度的空间增强特征进行拼接，得到注意力感知特征； 通过所述第一DWCBS层、第二DWCBS层以及第一卷积层对所述注意力感知特征依次执行两次DWCBS操作以及一次卷积操作，得到所述预测边界框或者所述预测抛洒类别； 其中，所述边界框回归检测分支对应的第一卷积层设置的输出通道数为，所述类别预测分支对应的第一卷积层设置的输出通道数为nc，所述表示预测边界框的输出通道数，4表示边界框的四个回归分量，reg_max表示每个回归分量对应的离散回归区间最大值；所述nc表示预测抛洒类别的类别数量。

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深圳市锐明像素科技有限公司，其通讯地址为：518000 广东省深圳市南山区桃源街道长源社区学苑大道1001号B1栋2001；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。