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！

龙图腾网获悉宁波上航测绘股份有限公司申请的专利一种基于深度学习的管线浅剖图像自动识别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：CN119992306B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510462333.4，技术领域涉及：G06V20/05；该发明授权一种基于深度学习的管线浅剖图像自动识别系统是由倪冉;沈立祥;杜晓鹏;胡晴峰;姚未正;陈小康;徐剑辉设计研发完成，并于2025-04-14向国家知识产权局提交的专利申请。

本一种基于深度学习的管线浅剖图像自动识别系统在说明书摘要公布了：本发明公开了一种基于深度学习的管线浅剖图像自动识别系统及方法，包含引入模块、模型改进模块、数据采集模块、训练模块和识别模块。模型改进模块在基础模型中融入注意力特征金字塔网络、目标检测动态头部结构和优化损失函数形成初始识别模型。注意力特征金字塔网络动态调整特征图提取权重；目标检测动态头部结构根据图像复杂度调整参数；优化损失函数调整角度、尺度和长宽比的惩罚项。数据采集模块采集形成训练集、测试集和验证集。训练模块基于训练集数据训练初始模型，通过验证集调整超参数直至模型性能满足预设条件。识别模块使用优化模型对测试集图像进行识别得到最终结果。本发明可有效提升管线浅剖图像的自动识别精度与效率。

本发明授权一种基于深度学习的管线浅剖图像自动识别系统在权利要求书中公布了：1.一种基于深度学习的管线浅剖图像自动识别系统，其特征在于，包括： 引入模块1，用于引入YOLOv8模型作为基础模型； 模型改进模块2，连接所述引入模块1，用于在所述基础模型中融入注意力特征金字塔网络、目标检测动态头部结构和优化损失函数形成初始识别模型； 所述注意力特征金字塔网络根据不同特征图动态调整特征提取的权重，所述目标检测动态头部结构根据输入图像的特征复杂度自动调整检测头部的参数配置，所述优化损失函数动态调整角度、尺度和长宽比的惩罚项以优化检测框的方向误差； 数据采集模块3，用于采集多张海底管线浅剖图像，并标注形成管线浅剖图像数据集，进而将所述管线浅剖图像数据集划分为训练集、测试集和验证集； 训练模块4，分别连接所述数据采集模块3和所述模型改进模块2，用于根据所述训练集中的数据训练所述初始识别模型，并根据所述验证集中的数据在所述初始识别模型训练过程中调整超参数，直至模型的性能参数满足预设参数条件后将其作为优化识别模型输出； 识别模块5，连接所述训练模块4和所述数据采集模块3，用于根据所述优化识别模型对所述测试集中的图像数据进行识别，得到管线浅剖图像识别结果； 还包括环境检测模块7，连接所述训练模块4，所述环境检测模块7用于检测管线所处海底环境的光照亮度、光照均匀度，以及检测与管线的相对距离； 所述训练模块4将所述光照亮度、所述光照均匀度、所述相对距离输入预设的学习率优化公式计算得到优化学习率，以及将所述光照亮度、所述光照均匀度、所述相对距离输入预设的权重优化公式计算得到优化权重衰减参数； 所述优化识别模型根据所述优化学习率和所述优化权重衰减参数对模型结构改进后输出； 所述学习率优化公式配置为： ； 其中，用于表示所述优化学习率，用于表示所述优化识别模型的初始学习率，用于表示所述光照亮度对学习率的调整系数，用于表示所述光照亮度，用于表示所述光照亮度对学习率影响的指数调整系数，用于表示相对距离影响系数，用于表示所述光照均匀度，用于表示所述相对距离，用于表示距离因子调整系数； 所述权重优化公式配置为： ； 其中，用于表示所述优化权重衰减系数，用于表示所述优化识别模型的初始权重衰减系数，用于表示所述光照亮度对权重衰减的调整系数，用于表示所述光照亮度对衰减参数的影响指数，用于表示光照均匀度的调整系数，用于表示与所述管线距离相关的衰减参数调整系数，用于表示预设的时间衰减系数，用于表示时间变量，用于表示时间因素对衰减影响的调整系数。

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宁波上航测绘股份有限公司，其通讯地址为：315299 浙江省宁波市镇海区沿江东路221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”。