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！

龙图腾网获悉广东海洋大学申请的专利基于改进YOLOv11算法的多尺度岸滩垃圾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：CN121415057B 。

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：202512001014.6，技术领域涉及：G06V10/25；该发明授权基于改进YOLOv11算法的多尺度岸滩垃圾检测方法是由朱道恒;何星龙;方澳琳;张永滋;肖秀春;李声师设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本基于改进YOLOv11算法的多尺度岸滩垃圾检测方法在说明书摘要公布了：本发明公开了一种基于改进YOLOv11算法的多尺度岸滩垃圾检测方法，属于海岸环境监测与保护领域，包括：构建海滩垃圾检测数据集，海滩垃圾检测数据集包括训练集、验证集和测试集；构建改进YOLOv11网络模型，其中，在骨干网络和颈部网络的下采样层中采用ECASPDConv模块，在骨干网络的预设C3k2模块位置采用C3k2DualAFE模块，在颈部网络的预设C3k2模块位置采用C3k2Dual模块，并在模型头部增加高分辨率检测头；采用训练集对改进YOLOv11网络模型进行训练得到目标检测模型；将测试集输入目标检测模型得到岸滩垃圾检测结果。本发明能够实现更准确的垃圾识别与定位。

本发明授权基于改进YOLOv11算法的多尺度岸滩垃圾检测方法在权利要求书中公布了：1.一种基于改进YOLOv11算法的多尺度岸滩垃圾检测方法，其特征在于，包括以下步骤： 采集海滩垃圾图像构建海滩垃圾检测数据集，所述海滩垃圾检测数据集包括训练集、验证集和测试集； 构建改进YOLOv11网络模型，其中，所述改进YOLOv11网络模型的改进过程包括：在改进YOLOv11网络模型的骨干网络和颈部网络的下采样层中采用ECASPDConv模块，在骨干网络的预设C3k2模块位置采用C3k2DualAFE模块，在颈部网络的预设C3k2模块位置采用C3k2Dual模块，并在模型头部增加基于深层特征上采样并与浅层特征拼接融合形成的高分辨率检测头； 采用所述训练集对改进YOLOv11网络模型进行训练，并采用所述验证集进行性能评估得到目标检测模型； 将所述测试集输入所述目标检测模型得到岸滩垃圾检测结果； 所述改进YOLOv11网络模型包括：骨干网络、颈部网络和头部网络；所述骨干网络包括：普通卷积层、ECASPDConv模块、C3k2DualAFE模块和空间金字塔池化快速层； 在骨干网络的预设C3k2模块位置采用C3k2DualAFE模块进行特征提取的过程包括： 对输入特征图进行卷积操作得到第一特征图； 基于所述第一特征图分割得到两个通道数减半的第二特征图和第三特征图； 将所述第三特征图传递至自适应特征增强瓶颈模块依次进行双分支卷积操作和普通卷积操作得到第四特征图； 将所述第四特征图与第三特征图进行残差连接操作得到第五特征图； 将所述第五特征图与第二特征图在通道维度上进行拼接得到第六特征图； 对所述第六特征图进行卷积操作得到多尺度特征图； 在所述自适应特征增强瓶颈模块中进行双分支卷积操作的过程包括： 采用并行的3×3分组卷积和1×1卷积对所述第三特征图进行并行卷积； 将3×3分组卷积的输出特征图与1×1卷积的输出特征图进行逐元素相加得到双分支卷积的输出； 所述颈部网络包括上采样层、特征拼接层、C3k2Dual模块、ECASPDConv模块； 在颈部网络的预设C3k2模块位置采用C3k2Dual模块对骨干网络输出的多尺度特征图进行跨层融合的过程包括： 对骨干网络输出的多尺度特征图进行卷积操作得到第七特征图； 对所述第七特征图分割得到两个通道数减半的第八特征图和第九特征图； 将所述第九特征图传递至双分支瓶颈模块依次进行双分支卷积操作和普通卷积操作得到第十特征图； 将所述第十特征图与第九特征图进行残差连接操作得到第十一特征图； 将所述第十一特征图与第八特征图在通道维度上进行拼接得到第十二特征图； 对所述第十二特征图进行卷积操作得到最终输出特征图； 所述骨干网络和颈部网络的下采样层中采用ECASPDConv模块进行特征分层提出的过程包括： 将所述海滩垃圾检测数据集中的图像经普通卷积层处理后输入ECASPDConv模块得到主分支特征图和残差分支特征图； 依次采用双分支卷积模块和空间到通道卷积模块对主分支特征图进行卷积处理得到空间到通道卷积输出的特征图； 采用高效通道注意力机制对空间到通道卷积输出的特征图进行加权得到最终主分支输出特征图； 对残差分支特征图依次进行平均池化操作和1×1卷积操作得到最终残差分支输出特征图； 将所述最终主分支输出特征图和所述最终残差分支输出特征图进行逐元素相加得到最终的融合特征图。

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广东海洋大学，其通讯地址为：524000 广东省湛江市麻章区海大路1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。