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！

龙图腾网恭喜南昌航空大学申请的专利一种基于深度学习二分法的直升机桨叶振动量监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：CN119991675B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202510474085.5，技术领域涉及：G06T7/00；该发明授权一种基于深度学习二分法的直升机桨叶振动量监测方法是由熊邦书;黄建平;欧巧凤;陈九九;余磊;饶智博设计研发完成，并于2025-04-16向国家知识产权局提交的专利申请。

本一种基于深度学习二分法的直升机桨叶振动量监测方法在说明书摘要公布了：本申请涉及一种基于深度学习二分法的直升机桨叶振动量监测方法，它包括如下步骤：建立二维像素坐标到三维世界坐标的映射关系；采集实时桨叶振动图像；构建改进的YOLOv8n网络，使用深度学习二分法完成桨叶标记点圆形检测，具体包括使用改进的YOLOv8n网络定位桨叶标记点和使用椭圆分割网络分割桨叶标记点，得到桨叶标记点的圆心像素坐标；采集桨叶标记点的初始位置；实时解算桨叶振动量。本发明能够解决传统视觉监测方法在复杂环境适应性差、定位精度低以及实时处理性能不足的问题，实现了毫米级振动量的高鲁棒实时监测，为直升机桨叶全寿命周期疲劳评估提供了可靠的技术手段。

本发明授权一种基于深度学习二分法的直升机桨叶振动量监测方法在权利要求书中公布了：1.一种基于深度学习二分法的直升机桨叶振动量监测方法，其特征在于，包括如下步骤： 步骤S1：建立二维像素坐标到三维世界坐标的映射关系； 步骤S2：采集实时桨叶振动图像； 步骤S3：构建改进的YOLOv8n网络，使用轻量化的卷积模块替换YOLOv8n网络中所有Bottleneck模块中的传统卷积模块，并删除YOLOv8n网络的大目标检测头；使用深度学习二分法完成桨叶标记点圆形检测，具体包括使用改进的YOLOv8n网络定位桨叶标记点和使用椭圆分割网络分割桨叶标记点，得到桨叶标记点的圆心像素坐标；所述椭圆分割网络包括编码网络D1、解码网络D2和输出网络D3三部分；所述编码网络D1包括输入层和编码层，所述编码层包括交替设置的三个双层卷积层和三个池化层；所述解码网络D2包括交替设置的三个上采样层和三个双层卷积层，并且每个上采样层与编码网络D1中的双层卷积层进行跳跃连接；所述输出网络D3包括逐点卷积层；其中，所述双层卷积层包括输入层、相互交替设置的两个卷积层、两个批量归一化层和两个激活函数层以及输出层； 步骤S4：采集桨叶标记点的初始位置； 步骤S5：实时解算桨叶振动量。

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南昌航空大学，其通讯地址为：330063 江西省南昌市红谷滩新区丰和南大道696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”。