買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉寧波上航測繪股份有限公司申請的專利一種基于深度學習的管線淺剖圖像自動識別系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119992306B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510462333.4，技術領域涉及：G06V20/05；該發明授權一種基于深度學習的管線淺剖圖像自動識別系統是由倪冉;沈立祥;杜曉鵬;胡晴峰;姚未正;陳小康;徐劍輝設計研發完成，并于2025-04-14向國家知識產權局提交的專利申請。

本一種基于深度學習的管線淺剖圖像自動識別系統在說明書摘要公布了：本發明公開了一種基于深度學習的管線淺剖圖像自動識別系統及方法，包含引入模塊、模型改進模塊、數據采集模塊、訓練模塊和識別模塊。模型改進模塊在基礎模型中融入注意力特征金字塔網絡、目標檢測動態頭部結構和優化損失函數形成初始識別模型。注意力特征金字塔網絡動態調整特征圖提取權重；目標檢測動態頭部結構根據圖像復雜度調整參數；優化損失函數調整角度、尺度和長寬比的懲罰項。數據采集模塊采集形成訓練集、測試集和驗證集。訓練模塊基于訓練集數據訓練初始模型，通過驗證集調整超參數直至模型性能滿足預設條件。識別模塊使用優化模型對測試集圖像進行識別得到最終結果。本發明可有效提升管線淺剖圖像的自動識別精度與效率。

本發明授權一種基于深度學習的管線淺剖圖像自動識別系統在權利要求書中公布了：1.一種基于深度學習的管線淺剖圖像自動識別系統，其特征在于，包括： 引入模塊1，用于引入YOLOv8模型作為基礎模型； 模型改進模塊2，連接所述引入模塊1，用于在所述基礎模型中融入注意力特征金字塔網絡、目標檢測動態頭部結構和優化損失函數形成初始識別模型； 所述注意力特征金字塔網絡根據不同特征圖動態調整特征提取的權重，所述目標檢測動態頭部結構根據輸入圖像的特征復雜度自動調整檢測頭部的參數配置，所述優化損失函數動態調整角度、尺度和長寬比的懲罰項以優化檢測框的方向誤差； 數據采集模塊3，用于采集多張海底管線淺剖圖像，并標注形成管線淺剖圖像數據集，進而將所述管線淺剖圖像數據集劃分為訓練集、測試集和驗證集； 訓練模塊4，分別連接所述數據采集模塊3和所述模型改進模塊2，用于根據所述訓練集中的數據訓練所述初始識別模型，并根據所述驗證集中的數據在所述初始識別模型訓練過程中調整超參數，直至模型的性能參數滿足預設參數條件后將其作為優化識別模型輸出； 識別模塊5，連接所述訓練模塊4和所述數據采集模塊3，用于根據所述優化識別模型對所述測試集中的圖像數據進行識別，得到管線淺剖圖像識別結果； 還包括環境檢測模塊7，連接所述訓練模塊4，所述環境檢測模塊7用于檢測管線所處海底環境的光照亮度、光照均勻度，以及檢測與管線的相對距離； 所述訓練模塊4將所述光照亮度、所述光照均勻度、所述相對距離輸入預設的學習率優化公式計算得到優化學習率，以及將所述光照亮度、所述光照均勻度、所述相對距離輸入預設的權重優化公式計算得到優化權重衰減參數； 所述優化識別模型根據所述優化學習率和所述優化權重衰減參數對模型結構改進后輸出； 所述學習率優化公式配置為： ； 其中，用于表示所述優化學習率，用于表示所述優化識別模型的初始學習率，用于表示所述光照亮度對學習率的調整系數，用于表示所述光照亮度，用于表示所述光照亮度對學習率影響的指數調整系數，用于表示相對距離影響系數，用于表示所述光照均勻度，用于表示所述相對距離，用于表示距離因子調整系數； 所述權重優化公式配置為： ； 其中，用于表示所述優化權重衰減系數，用于表示所述優化識別模型的初始權重衰減系數，用于表示所述光照亮度對權重衰減的調整系數，用于表示所述光照亮度對衰減參數的影響指數，用于表示光照均勻度的調整系數，用于表示與所述管線距離相關的衰減參數調整系數，用于表示預設的時間衰減系數，用于表示時間變量，用于表示時間因素對衰減影響的調整系數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人寧波上航測繪股份有限公司，其通訊地址為：315299 浙江省寧波市鎮海區沿江東路221號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。