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！

龙图腾网获悉南京航空航天大学申请的专利一种基于协同推理的无人机视觉目标检测在线联邦学习系统及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：CN115562341B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202211282223.2，技术领域涉及：G05D1/695；该发明授权一种基于协同推理的无人机视觉目标检测在线联邦学习系统及方法是由董超;吴飞宇;屈毓锛;孙浩;经宇骞;吴启辉;张磊设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本一种基于协同推理的无人机视觉目标检测在线联邦学习系统及方法在说明书摘要公布了：本发明公开了一种基于协同推理的无人机视觉目标检测在线联邦学习系统及方法，包括：无人机控制模块向无人机光学吊舱传递控制指令，控制无人机光学吊舱采集不同视角的图像；无人机协同推理模块通过多机协同推理的方式制作为在线样本；无人机客户端模块进行本地模型训练；无人机服务器模块通过模型聚合得到全局模型，对无人机光学吊舱采集到的图像数据进行目标检测；地面站向无人机控制模块传递控制指令，控制无人机的飞行参数，以及对目标检测结果进行实时监控并演示。实现了目标检测模型训练集的实时扩充，使得无人机能够在实际环境中进行更加准确的目标检测，同时有效避免了无人机将采集的待标注图像回传给地面站的损耗。

本发明授权一种基于协同推理的无人机视觉目标检测在线联邦学习系统及方法在权利要求书中公布了：1.一种基于协同推理的无人机视觉目标检测在线联邦学习系统，包括地面站1、无人机光学吊舱2、无人机控制模块3，其特征在于，还包括用于在线联邦学习的无人机协同推理模块4、无人机客户端模块5与无人机服务器模块6； 所述无人机控制模块3，用于向无人机光学吊舱2传递控制指令，控制无人机光学吊舱2的采集帧率、拍摄角度、变焦倍数，从而采集不同视角的图像； 所述无人机协同推理模块4，用于通过在无人机上搭载JetsonNX嵌入式计算机来添加边缘计算节点，将实时采集的图像利用单机难以执行的高精度复杂模型通过多机协同推理的方式制作为在线样本； 所述无人机客户端模块5，用于接收无人机协同推理模块4制作的在线样本，并进行本地模型训练； 所述无人机服务器模块6，用于接收无人机客户端模块5的本地模型，并通过模型聚合得到全局模型，对无人机光学吊舱2采集到的图像数据进行目标检测； 所述地面站1与无人机控制模块3和无人机服务器模块6通过无线网络通讯，分别用于向无人机控制模块3传递控制指令，控制无人机的飞行轨迹、飞行速度、滞空时间，以及对无人机服务器模块6得到的目标检测结果进行实时监控并演示； 所述无人机协同推理模块4部署协同推理程序，通过将单无人机机难以执行的高精度复杂模型拆分为多个子模型，并分配给各个无人机节点，在进行图像推理时各个无人机协同推理模块4按顺序对子模型进行推理，最终完成样本制作； 所述无人机协同推理模块4采用Fast-RCNN模型进行协同推理； 所述无人机客户端模块5与无人机服务器模块6采用Yolov5-Tiny模型进行目标检测，所述无人机服务器模块6设有模型加权模块，用于根据各个无人机客户端模块训练集的样本数量对本地模型进行加权聚合；所述无人机客户端模块5设有标注转换模块，用于将接收到的协同推理样本的标注数据由Fast-RCNN模型的左上角X、左上角Y、右下角X、右下角Y转换为Yolov4-Tiny模型的中心点X占比、中心点Y占比、长度占比、宽度占比； 根据所述系统实现的一种基于协同推理的无人机视觉目标检测在线联邦学习方法，包括： 1：地面站1向无人机控制模块3传递控制参数引导无人机飞行，并由无人机控制模块3将相关参数传递给无人机光学吊舱2进行实时图像采集； 2：无人机光学吊舱2将采集到的实时图像传递给无人机协同推理模块4，由无人机协同推理模块4制作在线样本； 3：无人机客户端模块5接收无人机协同推理模块4制作的在线样本，并将其加入本地训练集进行本地模型训练； 3中无人机客户端模块5针对本地训练集进行本地模型训练，其中包括多个客户端CK＝{1,2，…，K}，每个客户端k∈CK都配备本地数据集 其中是客户样本K的第i个数据，是相应的标注合集；此外，针对本地模型训练本系统定义一个向量w来表示联邦学习模型相关的参数，并定义一个损失函数来量化数据样本与其标注之间的误差；于是客户端k的局部损失函数的值定义为全局损失函数表示为 其中表示所有客户端的本地数据总量；本地训练的主要目标是找到一个最优的全局模型w以最小化全局损失函数Fθ； 4：无人机服务器模块6接收多个无人机客户端模块5上传的本地模型，通过模型聚合得到全局模型，并将全局模型下传给无人机客户端模块5开始新一轮本地模型训练； 4中无人机服务器模块6对本地模型进行了加权聚合操作，其中，wt,k代表第k个客户端在第t轮上传更新的本地模型，wt代表服务器在第t轮向客户端下传的全局模型，在本地训练过程中客户端k计算的梯度通过梯度更新本地模型表示为wt,k＝wt-1-μgk，其中μ为本地训练的学习率；在服务器聚合过程中聚合后的模型表示为 5：重复3、4实现在线联邦学习，直至模型收敛； 6：无人机光学吊舱2将采集的实时视频传递给无人机服务器模块6，无人机服务器模块6借助在线联邦学习得到的全局模型作为目标检测模型进行目标检测； 7：无人机服务器模块6将目标检测的结果传递给地面站1，由地面站1进行结果展示。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。