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！

龙图腾网获悉东北林业大学申请的专利一种基于双流特征集成网络的无人机遥感枯立木检测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：CN119540801B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411685620.3，技术领域涉及：G06V20/17；该发明授权一种基于双流特征集成网络的无人机遥感枯立木检测方法是由黄建平;王广来;宋文龙;莫冲;李永康设计研发完成，并于2024-11-23向国家知识产权局提交的专利申请。

本一种基于双流特征集成网络的无人机遥感枯立木检测方法在说明书摘要公布了：一种基于双流特征集成网络的无人机遥感枯立木检测方法，属于无人机图像处理技术领域。本发明通过融合不同层次的特征，显著提升了对小目标及图像边缘区域目标的识别精度。此外，本发明还引入DBB模块。DBB模块包含多个不同尺度和复杂度的分支，增强了卷积块的特征表达能力，有效减少了密集树冠遮挡区域的漏检率。同时，双分支特征融合主干和DBB模块的有效组合充分挖掘了枯立木的特征，增强了特征在网络中的传播，克服了小样本的问题。此外，考虑到枯枝落叶后树冠稀疏，大量背景信息的引入降低了检测准确率，引入了SEAM。SEAM模块通过增强对枯立木细节特征的关注，如颜色、棱角和纹理等，有效提高了模型对冠层中枯枝特征的识别能力，减少背景信息的干扰。

本发明授权一种基于双流特征集成网络的无人机遥感枯立木检测方法在权利要求书中公布了：1.一种基于双流特征集成网络的无人机遥感枯立木检测方法，其特征在于：所述方法为： 步骤1：通过无人机获取枯立木图像，使用标注软件结合实地调查对枯立木进行标注； 步骤2：构建一个枯立木检测数据集，数据集包括采集的数据集和公开数据集，将采集的数据集划分为训练集、验证集和测试集，同时在训练过程中采用在线数据增强的方式对训练集进行数据扩充以增强模型的泛化性能，公开数据集作为额外的测试集验证模型的泛化性能； 步骤3：使用多元分支模块DBB替换传统卷积模块充分挖掘枯立木特征；利用分离与增强注意力模块SEAM对主干提取的浅层特征进行处理，增强对枯立木细节特征的关注，得到增强后的特征FSEAM；结合CBLinear和CBFuse构建双分支结构主干网络，网络的左侧主干负责基本特征的提取，而右侧主干不仅提取特征，还集成并融合左侧主干的特征，最终得到特征F；特征融合的过程具体为： 1特征提取与初步融合：左侧主干用于提取基本特征FL，并通过CBLinear将每一层的特征分割，用于后续融合，其中i=1，3，5，7，9；右侧主干首先通过一个卷积层和SEAM注意力机制处理图像，以增强关键特征的表示，得到特征FSEAM；随后，通过CBFuse模块，将FSEAM与左侧主干的五个关键层级，即第1，3，5，7，9层的特征进行初步融合，产生特征FF1； 2进一步的特征融合：FF1经过一个DBB模块进行进一步特征提取，然后通过CBFuse模块与左侧主干的第3，5，7，9层的特征进行第二次融合，得到特征FF2；FF2通过另一个c2f和DBB模块后，与左侧主干的第5，7，9层的特征进行第三次融合，生成特征FF3；此过程持续进行，FF3通过c2f和DBB模块后，与左侧主干的第7，9层的特征进行第四次融合，得到FF4；最后，FF4经过c2f和DBB模块后，与左侧主干的第9层特征进行第五次融合，生成特征FF5；FF5经过最后一个c2f模块后，进入网络的Neck部分，再次进行特征融合，以最大化特征的利用效率，得到特征F； 步骤4：将步骤3得到的特征F送入模型检测头中，通过训练模型以减少预测结果与真实标签之间的差异，并在验证集上评估模型的检测性能，以确保模型不仅学习到了数据的特征，也能够泛化到未见过的数据，得到最优模型； 步骤5：将训练好的模型应用于新的图像，进行实时的枯立木检测，最终得到包含候选框和置信度的输出图像。

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东北林业大学，其通讯地址为：150040 黑龙江省哈尔滨市香坊区和兴路26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”。

以上内容由龙图腾AI智能生成。