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！

龙图腾网获悉中联德冠科技(北京)有限公司申请的专利一种基于轻量化卷积神经网络的无人机快速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：CN120431527B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510873192.5，技术领域涉及：G06V20/52；该发明授权一种基于轻量化卷积神经网络的无人机快速识别方法及系统是由娄山良;杨连臣;李小彤;孙亚宾;杨谕黔;陈传旺;方厚章设计研发完成，并于2025-06-27向国家知识产权局提交的专利申请。

本一种基于轻量化卷积神经网络的无人机快速识别方法及系统在说明书摘要公布了：本申请提供一种基于轻量化卷积神经网络的无人机快速识别方法及系统。其中，本申请首先获取动态视频流数据并提取动态视频流数据中的连续帧图像，接着对连续帧图像进行优化，生成优化连续帧图像，然后将优化连续帧图像输入轻量化卷积神经网络，生成特征向量集合，接着对特征向量集合进行跨通道特征融合，提取旋转不变性特征及动态形变特征，最后结合动态视频流数据的实时传输速率，通过自适应决策模块调整轻量化卷积神经网络的参数响应优先级，以输出识别结果；本申请提供的技术方案不仅实现复杂环境下无人机姿态的毫秒级自适应识别，还解决固定权重机制在速率波动场景下的误判与漏检问题。

本发明授权一种基于轻量化卷积神经网络的无人机快速识别方法及系统在权利要求书中公布了：1.一种基于轻量化卷积神经网络的无人机快速识别方法，其特征在于，包括： 获取目标无人机在低空复杂背景下的动态视频流数据，并提取所述动态视频流数据中包含飞行轨迹的连续帧图像； 根据所述连续帧图像中目标无人机的飞行特性，通过图像预处理模块对所述连续帧图像的背景干扰区域进行动态模糊抑制优化，同时增强所述连续帧图像中运动目标的边缘纹理特征，以生成优化连续帧图像； 将所述优化连续帧图像输入轻量化卷积神经网络，利用所述轻量化卷积神经网络中的压缩参数模块对所述优化连续帧图像进行逐层特征映射，生成包含无人机多角度轮廓的特征向量集合； 通过轻量化卷积神经网络中的多尺度并行结构对所述特征向量集合进行跨通道特征融合，提取融合结果中目标无人机的旋转不变性特征及动态形变特征； 基于所述旋转不变性特征及动态形变特征，结合所述动态视频流数据的实时传输速率，通过自适应决策模块调整所述轻量化卷积神经网络的参数响应优先级，以输出与所述无人机的飞行姿态匹配的识别结果； 通过轻量化卷积神经网络中的多尺度并行结构对所述特征向量集合进行跨通道特征融合，提取融合结果中目标无人机的旋转不变性特征及动态形变特征，包括： 将特征向量集合输入多个独立分支，每个独立分支使用不同尺寸的接收域处理特征向量，生成多尺度特征； 将所述多尺度特征在通道维度上拼接，并通过加权求和操作融合不同通道的多尺度特征，生成融合特征； 从所述融合特征中，提取不随无人机旋转角度变化而改变的特征分量作为所述旋转不变性特征，并提取随无人机运动轨迹变化而变化的特征分量作为所述动态形变特征； 基于所述旋转不变性特征及动态形变特征，结合所述动态视频流数据的实时传输速率，通过自适应决策模块调整所述轻量化卷积神经网络的参数响应优先级，以输出与所述无人机的飞行姿态匹配的识别结果，包括： 根据动态视频流数据的实时传输速率，计算轻量化卷积神经网络的处理时间阈值； 基于所述处理时间阈值，对所述旋转不变性特征及动态形变特征分配权重系数； 使用所述权重系数调整所述轻量化卷积神经网络中各层特征的贡献度，生成加权特征，所述贡献度为网络不同层级特征对最终决策的影响强度； 将所述加权特征映射到预设的飞行姿态类别，输出与所述无人机的飞行姿态匹配的识别结果； 基于所述处理时间阈值，对所述旋转不变性特征及动态形变特征分配权重系数，包括： 根据所述处理时间阈值的大小，将所述实时传输速率划分为多个区间； 为每个区间设定所述旋转不变性特征和动态形变特征的权重比例，其中所述权重比例随区间变化而反向关联； 根据所述实时传输速率所属的区间，确定所述旋转不变性特征的第一权重系数和所述动态形变特征的第二权重系数； 当所述实时传输速率处于相邻区间的边界值时，根据所述边界的相邻区间对应的权重比例，通过线性插值法动态调整所述第一权重系数和所述第二权重系数的数值，生成动态调整后的第一权重系数和动态调整后的第二权重系数。

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中联德冠科技(北京)有限公司，其通讯地址为：100032 北京市西城区阜成门外大街31号5层506A；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”。