Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 哈苏无人机科技(苏州)有限公司王少海获国家专利权

哈苏无人机科技(苏州)有限公司王少海获国家专利权

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!

龙图腾网获悉哈苏无人机科技(苏州)有限公司申请的专利基于深度学习的低空无人机智能巡检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:CN119739190B

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:202411911643.1,技术领域涉及:G05D1/46;该发明授权基于深度学习的低空无人机智能巡检系统及方法是由王少海;王乐辉;张明涛;庄永泰设计研发完成,并于2024-12-24向国家知识产权局提交的专利申请。

基于深度学习的低空无人机智能巡检系统及方法在说明书摘要公布了:本发明公开了基于深度学习的低空无人机智能巡检系统及方法,涉及无人机智能控制技术领域,通过预先收集无人机信息集合以及任务信息集合,基于任务信息集合,构建异常检测模型,收集无人机实时飞行参数数据,基于异常检测模型、实时飞行参数数据和无人机信息集合,构建参数调整优化模型,求解输出飞行参数调整策略,向无人机发送飞行参数调整策略,并实时采集无人机飞行过程中收集的异常检测信息,基于异常检测信息和无人机信息集合,进行动态参数调整;显著提高了无人机巡检的智能化水平和操作效率。

本发明授权基于深度学习的低空无人机智能巡检系统及方法在权利要求书中公布了:1.基于深度学习的低空无人机智能巡检方法,其特征在于,包括以下步骤: 步骤一:预先收集无人机信息集合以及任务信息集合; 步骤二:基于任务信息集合,构建异常检测模型;选择YOLO模型或YOLOv3模型为异常检测模型; 步骤三:收集无人机实时飞行参数数据,基于异常检测模型、实时飞行参数数据和无人机信息集合,构建参数调整优化模型,求解输出飞行参数调整策略;飞行参数调整策略包括异常影响因子、异常距离因子和路径调整比例系数; 根据异常检测模型输出的置信度、异常位置的实际覆盖面积,计算异常影响因子e,异常影响因子e的计算公式为:,其中,c为置信度、s为实际覆盖面积,t为预设的巡检任务类型的影响权重; 根据无人机的实时位置和异常位置,计算异常距离因子d;所述异常距离因子d的计算公式为:zc,zc为无人机飞行高度; 根据无人机当前的实时飞行速度和飞行高度,计算路径调整比例系数;所述路径调整比例系数的计算公式为:;其中,k为预设的灵敏度常量,h为无人机的实时高度,v为无人机实时的飞行速度; 步骤四:向无人机发送飞行参数调整策略,并实时采集无人机飞行过程中收集的异常检测信息; 步骤五:基于异常检测信息和无人机信息集合,进行动态参数调整; 所述基于异常检测信息和无人机信息集合,进行动态参数调整的方式为: 若异常检测模型实时检测的置信度与上一单位时刻的置信度之间的差值大于预设的置信度差值阈值,或者实时的异常位置覆盖的区域面积与上一单位时刻的异常位置覆盖的区域面积之间的差值大于预设的区域差值阈值,则动态调节飞行速度和飞行高度;所述异常位置为巡检场景中发生异常的位置; 将飞行速度调整为;其中,为取最小值函数,vmax为无人机的最大飞行速度,为置信度的差值,为区域面积之间的差值;v为无人机实时的飞行速度,t为预设的巡检任务类型的影响权重; 将飞行高度调整为;其中,cr为实时图像的分辨率,为预设的比例系数,zc为无人机飞行高度。

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哈苏无人机科技(苏州)有限公司,其通讯地址为:215100 江苏省苏州市吴中区越溪街道南官渡路12号8号厂房202室;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”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。