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！

龙图腾网获悉中国安能集团第三工程局有限公司;成都理工大学申请的专利基于YOLO的雪崩监测自完善系统及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：CN121482659B 。

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：202610026232.7，技术领域涉及：G06V20/17；该发明授权基于YOLO的雪崩监测自完善系统及方法是由覃壮恩;王向鹏;贺宁波;陈思源;周亚宁;刘洋君设计研发完成，并于2026-01-09向国家知识产权局提交的专利申请。

本基于YOLO的雪崩监测自完善系统及方法在说明书摘要公布了：本发明公开一种基于YOLO的雪崩监测自完善系统及方法，属于地质灾害智能监测技术领域。该方法通过无人机、卫星遥感采集多源图像数据，经YOLO实现初始雪崩检测；利用时序一致性验证机制筛选高置信度伪标签，结合动态时间衰减权重策略构建增强训练集；当伪标签累积或性能下降时自动触发模型再训练，通过性能评估决策模型更新或回滚，形成自学习闭环。本发明创新性地将YOLO检测与自动伪标签蒸馏、物理参数反演、边缘端蔓延推演深度融合，实现检测‑推演‑预警‑优化的全链条自完善。本发明检测精度持续提升，人工标注量减少，支持复杂地形与强反光、动态模糊等极端环境，预警延迟降低至毫秒级。

本发明授权基于YOLO的雪崩监测自完善系统及方法在权利要求书中公布了：1.基于YOLO的雪崩监测自完善方法，其特征在于，包括以下步骤： 步骤S1：通过无人机、卫星遥感系统采集目标区域的多源图像数据，构建初始训练数据集； 步骤S2：基于YOLO架构训练初始雪崩检测模型，初始雪崩检测模型输出目标框、置信度及雪崩类别信息； 步骤S3：将所述初始雪崩检测模型部署至边缘设备或云端，对实时采集的图像进行推理，生成检测结果； 步骤S4：对检测结果中的高置信度样本进行伪标签标注，设定双阈值筛选机制，其中初始迹象类伪标签采用低阈值θlow∈[0.65,0.75]，流动雪体类伪标签采用高阈值θhigh∈[0.85,0.95]；对所述伪标签进行时序一致性验证，同一地理坐标在连续不少于3期影像中均被检出且位置偏差小于5%确认为有效伪标签；对低阈值筛选出的初始迹象样本，增设几何形态约束条件：微裂缝类伪标签的边界框长宽比需大于3，局部沉降类伪标签的边界框圆度需大于0.7；不满足几何形态约束或时序一致性验证的样本，其权重在增强训练集中按系数β=0.3降权处理； 步骤S5：将有效伪标签样本与原始标注样本按动态时间衰减权重策略混合，形成增强训练集，所述权重策略为：新采集样本权重αt随时间t指数衰减，αt=e-λt，其中λ∈[0.01,0.1]； 步骤S6：当伪标签数量超过预设阈值N=500条或检测性能下降超过Δ=5%时，自动触发模型再训练，生成新版本模型Vt+1； 步骤S7：在验证集上对比新、旧版本模型性能，若新版本模型Vt+1的平均精度值mAP提升超过阈值Δ'，则替换为主模型；否则执行版本回滚，维持旧版本模型Vt； 步骤S8：将优化后的模型自动分发至监测节点，实现模型的自完善闭环。

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安能集团第三工程局有限公司;成都理工大学，其通讯地址为：610000 四川省成都市金牛区茶店子安蓉路4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。