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！

龙图腾网获悉南通电力设计院有限公司;国网江苏省电力有限公司南通供电分公司申请的专利一种用于输电线路工程勘测任务的地物识别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：CN118379655B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202410545081.7，技术领域涉及：G06V20/17；该发明授权一种用于输电线路工程勘测任务的地物识别方法及系统是由徐浚哲;严玉立;胡楠;贲树俊;杨朋朋;袁贝尔;李娜;张小祥;邓达;成焱韬;华雷;胡东康;李健东设计研发完成，并于2024-05-06向国家知识产权局提交的专利申请。

本一种用于输电线路工程勘测任务的地物识别方法及系统在说明书摘要公布了：本发明属于图像处理技术领域，具体涉及一种用于输电线路工程勘测任务的地物识别方法及系统。该方法以高分辨率倾斜航拍影像为数据源，利用集成大模型算法标注工具生成房屋、道路、树木等典型地物要素的基础样本数据集。同时，设计了适用于高分辨率倾斜航拍影像的地物识别的基础实例分割网络HRFI‑YOLO网络，并通过训练生成航拍影像地物识别模型，该模型能够提取遥感影像中的房屋、道路、树木等地物目标。本发明在降低工作量的同时确保标签数据的可用性和深度学习模型的稳定性。通过构建深度学习网络模型，实现对地物的自动提取，减少人为主观因素的影响，具有较强的通用性，提升了对地物提取的泛化能力。

本发明授权一种用于输电线路工程勘测任务的地物识别方法及系统在权利要求书中公布了：1.一种用于输电线路工程勘测任务的地物识别方法，其特征在于，该方法包括以下步骤： S1使用ISAT半自动标注软件制作高分辨率倾斜航拍数据集； S2设计基于深度学习的地物识别基础实例分割网络，记为HRFI-YOLO网络； 其中，基于深度学习的地物识别的HRFI-YOLO网络包括： 主干网络：采用改进的Darknet-53网络作为主干网络，引入C2f模块和CBAM模块，具体包括： 依次串联第一CBS模块、第二CBS模块、第三C2f_SE模块、第四CBS模块、第五C2f_SE模块、第六CBS模块、第七C2f_SE模块、第八CBS模块、第九C2f_SE模块和CBAM_SPPF模块，所述CBAM_SPPF模块在特征图组输入到SPPF模块前在主干网络中引入CBAM注意力机制，其中，SPPF模块包含多个小尺寸池化层和一个合并连接层，CBAM包含两个关键模块：通道注意力模块和空间注意力模块； 颈部网络：采用改进的FPN-PAN网络结构作为基本颈部网络结构，并融合GFPN网络结构思想和CSP模块，从而构建多层特征融合颈部网络； 检测分割头：包括四个不同尺度的检测头，新增一个针对小型地物目标的检测头； S3对高分辨率倾斜航拍数据集进行数据增强，并在数据集上训练HRFI-YOLO网络； S4使用训练好的地物识别网络模型提取地物目标； S5将提取结果以设计平台所需的格式进行对接； 所述颈部网络包括：从CBAM_SPPF模块输出的特征图经过第三CBS模块后输入到第一连接层，所述第一连接层还接收从第五CBS模块输出的特征图，经过第一连接层的处理后输入到第一CSP模块； 所述第五CBS模块的数据来自第七C2f_SE模块，从第七C2f_SE模块输出的特征图还输出给第二连接层，所述第一CSP模块和第二连接层之间还设置有第一上采样，第二连接层接收三方数据：即第一上采样输出数据，第七C2f_SE模块输出数据以及第五C2f_SE模块输出数据经过第七CBS模块后的特征图； 第二连接层将数据处理后输出给第二CSP模块，后经过第二上采样后输出给第三连接层，所述第三连接层还接收来自第五C2f_SE模块的数据，并同时输出数据给第三CSP模块和第三上采样，所述第三上采样传输数据给第四连接层，第四连接层还接收来自第三C2f_SE模块的特征图，并将输出数据传输给第四CSP模块； 第四CSP模块将数据传输给第九CBS模块后，进入第五连接层，第五连接层还接收来自第三CSP模块的数据，经过连接层的处理后，数据进入到第五CSP模块，后经过第十CBS模块后进入第六连接层，同时第六连接层还接收来自第二CSP模块的数据，经过连接后进入第五CSP模块和第十一CBS模块，其与从第二CSP模块经过第十二CBS模块后的数据一起进入到第七连接层，最后经过第六CSP模块进入到检测分割头。

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通电力设计院有限公司;国网江苏省电力有限公司南通供电分公司，其通讯地址为：226000 江苏省南通市紫琅路120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”。