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！

龙图腾网获悉中国科学院东北地理与农业生态研究所申请的专利基于局部像元增强的无人机热红外影像秸秆火点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：CN121213563B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511757596.4，技术领域涉及：G06T7/00；该发明授权基于局部像元增强的无人机热红外影像秸秆火点检测方法是由李晓峰;潘欣;朱黎设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本基于局部像元增强的无人机热红外影像秸秆火点检测方法在说明书摘要公布了：基于局部像元增强的无人机热红外影像秸秆火点检测方法，它属于图像识别技术领域。本发明解决了现有检测方法的漏检率高、虚警率高的问题。本发明通过构建的无人机距离尺度自适应像元感知模块，可以更有效地捕捉秸秆燃烧小火点的细微特征，提高对小目标的识别效果；通过构建的尺度一致局部像元激活模块能够在多层级特征表征的基础上，强化通道与空间信息的协同表达，以提高对特征尺度不一致性的适应能力，达到降低虚警率的目的。并基于无人机距离尺度自适应像元感知模块和尺度一致局部像元激活模块构建了目标检测模型，以实现对无人机热红外影像中火点的快速、准确识别，并大幅提升了对小火点的检出率，避免漏检。本发明方法可以应用于火点检测。

本发明授权基于局部像元增强的无人机热红外影像秸秆火点检测方法在权利要求书中公布了：1.基于局部像元增强的无人机热红外影像秸秆火点检测方法，其特征在于，所述方法具体包括以下步骤： 步骤一、获取秸秆的原始无人机热红外影像数据集，并基于原始无人机热红外影像数据集获得增强影像的数据集； 步骤二、构建尺度一致局部像元激活模块，并基于尺度一致局部像元激活模块构建无人机距离尺度自适应像元感知模块，无人机距离尺度自适应像元感知模块用于输出增强特征变量以及各尺度的融合特征； 所述尺度一致局部像元激活模块的工作过程为： 步骤S201、输入特征映射变量InputFeature； 步骤S202、计算下采样后的特征变量DownSampleFeature=对特征映射变量InputFeature执行步长为2且卷积核大小为3×3的卷积操作； 步骤S203、计算通道平均池化变量AvgPoolFeature=对下采样后的特征变量DownSampleFeature沿空间维度执行全局平均池化； 步骤S204、计算通道全连接压缩变量FcCompress=通道平均池化变量AvgPoolFeature经过全连接层的输出结果； 步骤S205、计算通道全连接扩展变量FcExpand=通道全连接压缩变量FcCompress经过全连接层的输出结果； 步骤S206、计算通道权重变量ChannelWeight=对通道全连接扩展变量FcExpand执行Sigmoid激活的结果； 步骤S207、计算通道增强特征变量SeOutput： SeOutput=InputFeature×ChannelWeight 其中，“×”表示通道维度的逐元素乘法； 步骤S208、计算空间卷积特征变量SpatialConv=对下采样后的特征变量DownSampleFeature执行步长为1且卷积核大小为7×7的卷积操作； 步骤S209、计算空间权重变量SpatialWeight=对空间卷积特征变量SpatialConv执行Sigmoid激活的结果； 步骤S210、计算空间增强特征变量LskaOutput： LskaOutput=InputFeature×SpatialWeight 步骤S211、拼接两个注意力分支的输出，得到拼接结果ConcatOutput： ConcatOutput=ConcatSeOutput,LskaOutput 其中，Concat为拼接操作； 步骤S212、对特征映射变量InputFeature和拼接结果ConcatOutput进行残差连接，得到残差连接增强特征： EnhanceOutput=InputFeature+ConcatOutput 其中，EnhanceOutput表示残差连接增强特征； 步骤S213、对EnhanceOutput执行tanh激活，得到激活结果tanhEnhanceOutput： tanhEnhanceOutput=α⋅tanhEnhanceOutput 其中，tanh表示tanh激活函数，α为系数； 步骤S214、将激活结果tanhEnhanceOutput与残差连接增强特征EnhanceOutput进行残差连接； FinalOutput=EnhanceOutput+tanhEnhanceOutput； 其中，FinalOutput表示增强特征变量； 步骤S215、输出增强特征变量FinalOutput； 所述无人机距离尺度自适应像元感知模块的工作过程为： 步骤S301、输入4个尺度的特征映射BackboneFeatures=[P2,P3,P4,EnhancedP5]，其中，P2、P3、P4和EnhancedP5为4个不同尺度的特征； 步骤S302、计算跨层动态融合权重wP5和wP4： [wP5,wP4]=Softmax[GAPUpsampleEnhancedP5,GAPP4] 其中，GAP代表全局平均池化操作；Upsample表示2倍上采样操作；Softmax表示激活函数； 步骤S303、动态加权融合： FusedP4=C3k2wP5⋅UpsampleEnhancedP5+wP4P4 其中，FusedP4表示融合特征，C3k2表示残差卷积； 步骤S304、对融合特征FusedP4进行上采样，并根据上采样结果计算融合权重： FusedP4up=UpsampleFusedP4 [wF4,wP3]=[Softmax[GAPFusedP4up,GAPP3]] 其中，FusedP4up表示对FusedP4的上采样结果，wF4和wP3均为融合权重； 步骤S305、通过动态加权融合得到融合结果FusedP3： FusedP3=C3k2wF4⋅FusedP4up+wP3P3 步骤S306、对融合结果FusedP3进行上采样，并根据上采样结果计算融合权重： FusedP3up=UpsampleFusedP3 [wF3,wP2]=[Softmax[GAPFusedP3up,GAPP2]] 其中，FusedP3up表示对FusedP3的上采样结果，wF3和wP2均为融合权重； 步骤S307、通过动态加权融合得到融合结果FusedP2： FusedP2=C3k2wF3⋅FusedP3up+wP2P2 步骤S308、将融合结果FusedP2输入尺度一致局部像元激活模块，得到尺度一致局部像元激活模块的输出TinyEnhanced： TinyEnhanced=CDYZJBGWXYJHBlockFusedP2 其中，CDYZJBGWXYJHBlock表示尺度一致局部像元激活模块； 步骤S309、输出增强特征变量TinyEnhanced、特征EnhancedP5以及融合特征变量FusedP4、FusedP3； 步骤三、基于尺度一致局部像元激活模块和无人机距离尺度自适应像元感知模块，构建用于无人机热红外影像秸秆火点检测的模型； 并利用增强影像的数据集对模型进行训练，获得训练好的模型； 步骤四、将待检测的秸秆无人机热红外影像输入训练好的模型，得到火点检测结果。

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科学院东北地理与农业生态研究所，其通讯地址为：130102 吉林省长春市高新北区盛北大街4888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。