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！

龙图腾网获悉南昌工程学院申请的专利一种面向复杂背景干扰的红外图像自适应检测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：CN120298679B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510787283.7，技术领域涉及：G06V10/25；该发明授权一种面向复杂背景干扰的红外图像自适应检测方法及系统是由曾兵;周志豪;付佳晨;刘邦;巫平强;谢云敏;曾赟;李得志;万好;华威;陈美熙;文毅欣;刘嘉;梁兴;刘剑冰;陈显彪;杨小品;张文华设计研发完成，并于2025-06-13向国家知识产权局提交的专利申请。

本一种面向复杂背景干扰的红外图像自适应检测方法及系统在说明书摘要公布了：本发明公开了一种面向复杂背景干扰的红外图像自适应检测方法及系统，方法包括：构建YOLO‑CCA网络模型，YOLO‑CCA网络模型包括主干网络、颈部网络以及头部网络；获取至少一个历史变电设备红外图像，并对至少一个历史变电设备红外图像进行标注，得到与至少一个历史变电设备红外图像相对应的标注信息；将至少一个历史变电设备红外图像和标注信息输入至YOLO‑CCA网络模型中进行迭代训练，得到自适应检测模型；将获取的实时变电设备红外图像输入至自适应检测模型中，输出得到与实时变电设备红外图像相对应的检测结果。通过灵活设置损失权重实现定位和分类任务的协同优化，从整体上解决变电设备在复杂背景下分类与定位预测不一致的问题。

本发明授权一种面向复杂背景干扰的红外图像自适应检测方法及系统在权利要求书中公布了：1.一种面向复杂背景干扰的红外图像自适应检测方法，其特征在于，包括： 构建YOLO-CCA网络模型，所述YOLO-CCA网络模型包括主干网络、颈部网络以及头部网络，其中，所述头部网络中的目标损失函数的表达式为： ， 式中，为目标损失函数，为动态调节指数质量焦点损失函数的融合权重系数，为动态调节指数质量焦点损失函数，为噪声鲁棒型焦点损失函数的融合权重系数，为噪声鲁棒型焦点损失函数； 所述动态调节指数质量焦点损失函数的表达式为： ， ， ， 式中，为YOLO-CCA网络模型输出的logit值，即未经激活的原始预测值，为sigmoid激活函数，用于将logit值映射到[0,1]区间，其中，为真实置信度标签，取值范围为[0,1]，为二值交叉熵损失函数，衡量与真实标签之间的差距，为自适应调制指数，为初始调制指数，设为1～2，为调节动态范围的超参数，默认为1，表示当真实标签=0时的二元交叉熵损失，为代表的真实标签=0时的调制指数； 所述噪声鲁棒型焦点损失函数的表达式为： ， 式中，为标签置信度，，反映标签是否准确或为伪标签，为真实类别标签，，1表示正类，0表示负类，为正类样本的基本权重参数，默认为1，用于平衡正负样本比例，为降低漏检率的调节参数，默认为1，为经过sigmoid激活后的预测概率，其中，为预测概率与真实标签一致的部分，其中，若，则，若，则，为常数，取值为，为正则化项的权重超参数，z为模型输出的logit值，即未经激活的原始预测值； 所述主干网络包括：Conv卷积模块以及C2MFPPC模块； 在所述主干网络中，输入图像经过两次Conv卷积模块操作将图像缩小至160×160大小，通道数为128；其次，依次经过3个C2MFPPC模块操作、1个Conv卷积模块操作、6个C2MFPPC模块操作、1个Conv卷积模块操作、3个C2MFPPC模块操作、1个Conv卷积模块操作以及3个C2MFPPC模块操作； 所述C2MFPPC模块包括Conv卷积模块、split模块以及MFPPC模块，其中，输入特征通过一次Conv卷积模块操作，随后，连接一个split模块用于通道分割，得到两个输出特征，将两个特征分别经过Conv卷积模块操作、2个MFPPC模块操作，并将两次操作得到的特征进行通道堆叠，最后，经过Conv卷积模块操作，得到最终输出结果； 所述颈部网络包括：CFC注意力机制模块、SPPF空间金字塔模块、Upsample上采样模块、Concat堆叠模块、Conv卷积模块以及自适应多尺度特征融合网络； 所述CFC注意力机制模块包括Conv卷积模块、FWA模块以及Concat通道堆叠模块，其中，输入特征依次经过Conv卷积模块操作和2个FWA模块操作，得到三个特征；根据Concat通道堆叠模块对三个特征进行通道堆叠得到新的特征；将新的特征经过Conv卷积模块模型操作得到输出结果； 获取至少一个历史变电设备红外图像，并对所述至少一个历史变电设备红外图像进行标注，得到与所述至少一个历史变电设备红外图像相对应的标注信息； 将所述至少一个历史变电设备红外图像和所述标注信息输入至所述YOLO-CCA网络模型中进行迭代训练，得到自适应检测模型； 将获取的实时变电设备红外图像输入至所述自适应检测模型中，所述自适应检测模型输出得到与所述实时变电设备红外图像相对应的检测结果。

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工程学院，其通讯地址为：330000 江西省南昌市高新区天祥大道289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”。