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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利基于深度学习的浒苔遥感图像检测方法及系统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：CN120510528B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202510651215.8，技术领域涉及：G06V20/13；该发明授权基于深度学习的浒苔遥感图像检测方法及系统是由王春晓;周智伟;张俭;李传涛;禹定峰;刘玥;徐艳;李锦涛;王雨欣;刘振阳;耿文雯设计研发完成，并于2025-05-20向国家知识产权局提交的专利申请。

本基于深度学习的浒苔遥感图像检测方法及系统在说明书摘要公布了：本发明涉及图像处理技术领域，提出了一种基于深度学习的浒苔遥感图像检测方法及系统，包括如下步骤：针对获取的待检测遥感图像，进行边缘梯度提取与小目标增强处理，得到边缘增强与小目标特征增强后的第一特征图；将第一特征图传输至由多级Ep‑VSSblock模块级联组成的U型主干网络，进行多级特征提取，基于最后一级Ep‑VSSblock模块输出的特征图得到浒苔遥感图像的检测结果；本发明通过边缘增强、小目标敏感检测、多尺度纹理提取及空间上下文建模，实现了边界精确分割和长程依赖建模，提高了浒苔遥感监测的准确性、实时性和可靠性。

本发明授权基于深度学习的浒苔遥感图像检测方法及系统在权利要求书中公布了：1.基于深度学习的浒苔遥感图像检测方法，其特征在于，包括如下步骤： 针对获取的待检测遥感图像，进行边缘梯度提取与小目标增强处理，得到边缘增强与小目标特征增强后的第一特征图； 将第一特征图传输至由多级Ep-VSSblock模块级联组成的U型主干网络，进行多级特征提取，基于最后一级Ep-VSSblock模块输出的特征图得到浒苔遥感图像的检测结果； 每一级Ep-VSSblock模块包括两个处理分支，其中一个处理分支基于深度可分离卷积网络提取输入特征图的多尺度纹理特征；另一个处理分支通过状态空间注意力机制，对输入特征图的中长距离依赖的空间上下文信息进行建模；两个分支的输出结果与当前级Ep-VSSblock模块的输入特征图叠加，得到当前级Ep-VSSblock模块的输出特征图，输入至下一级Ep-VSSblock模块继续进行特征提取；所述Ep-VSSblock模块，包括： 第一层归一化模块，被配置为采用层归一化对输入Ep-VSSblock模块的输入特征图进行预处理； 局部特征增强分支，被配置为基于深度可分离卷积网络提取输入图像中的多尺度纹理特征；包括一个或多个局部特征增强单元，每个局部特征增强单元包括依次连接的第一深度可分离卷积网络、第一批归一化、点卷积、第二批归一化以及SiLU激活模块，对预处理后的特征以及进行深度卷积操作、批归一化操作、点卷积操作、批归一化操作以及激活操作，得到多尺度纹理特征； 远程建模分支，用于建模图像中长距离依赖的空间上下文信息；包括依次连接的第一线性层、SiLU激活层、第二深度可分离卷积网络、自适应浒苔状态空间二维扫描模块、第二层归一化模块以及旁路分支； 第三融合模块，用于对局部特征增强分支与远程建模分支的输出与输入Ep-VSSblock模块的输入特征图进行加权融合，得到Ep-VSSblock模块的输出特征图； 所述自适应浒苔状态空间二维扫描模块，被配置为执行以下过程： 针对输入的二维特征图，进行多个设定方向上的扫描展平后得到多个扫描扩展后一维序列； 将扫描扩展后每个方向的一维序列采用状态空间模型进行建模，基于当前观测与前一时刻的隐状态信息进行动态融合，得到每个时刻的输出序列； 对得到的输出序列利用扫描合并机制将多方向输出序列融合为统一全局特征图，包括： 对每个方向的输出序列进行全局平均池化，以提取出浒苔每个方向的全局特征向量； 对各方向的全局特征向量进行归一化处理，生成一组自适应方向权重； 对各方向输出序列，按对应的自适应方向权重进行加权求和，形成综合的全局特征表示。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250353 山东省济南市长清区大学路3501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。