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！

龙图腾网获悉米塔碳(杭州)智能科技有限公司申请的专利一种多地表多分辨率的风机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：CN119625385B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411664650.6，技术领域涉及：G06V10/764；该发明授权一种多地表多分辨率的风机检测方法是由米浩;朱圣晨;王彬;马一鸣设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本一种多地表多分辨率的风机检测方法在说明书摘要公布了：本发明公开了一种多地表多分辨率的风机检测方法，包括S1：获取风机拼接图像数据；S2：对风机拼接图像数据进行图像处理，获取多地表多分辨率的风机数据集，并按预设比例将风机数据集划分为数据训练集与数据验证集；S3：构建风机检测网络模型；S4：基于数据训练集与数据验证集对风机检测网络模型进行模型训练与模型验证，以获取最优风机检测网络模型；S5：获取待检测风电厂遥感图像，并对其进行分割处理获取若干遥感子图像，基于最优风机检测网络模型对各遥感子图像进行风机特征检测获取输出检测图。解决了随着风电行业的快速发展，因各地区地质、气候环境以及风能总储量等因素的影响，使得风电装机呈区域化，集中化等趋势，导致各地区的风电发展差异显著，无法对区域风机进行高效识别的问题。

本发明授权一种多地表多分辨率的风机检测方法在权利要求书中公布了：1.一种多地表多分辨率的风机检测方法，其特征在于，包括以下步骤： S1：获取风机拼接图像数据； 所述风机拼接图像数据包括风电场瓦片坐标与风机轮廓特征； S2：对风机拼接图像数据进行图像处理，获取多地表多分辨率的风机数据集，并按预设比例将风机数据集划分为数据训练集与数据验证集； S3：构建风机检测网络模型； 所述风机检测网络模型包括用于对多地表多分辨率的风机特征进行不同尺度提取的YOLOv5骨干网络、用于对骨干网络提取的风机特征进行多尺度特征融合的改进YOLOv5颈部网络以及用于对多地表多分辨率的风机检测的预测端，且所述预测端设有用于对改进YOLOv5颈部网络输出特征进行自适应特征融合的ASFF-4模块； 所述改进YOLOv5颈部网络，即为在原YOLOv5颈部网络的上层增加用于对原YOLOv5颈部网络的输出特征图进行进一步采样操作的颈部端网络层； 所述颈部端网络层用于与YOLOv5骨干网络的输出特征进行融合； 所述预测端包括依次连接的用于自适应特征融合的多个ASFF-4模块与KeyDetect模块； 所述ASFF-4模块用于对改进YOLOv5颈部网络的输出特征图进行加权融合，获取不同尺度的自适应融合特征图； 其中，所述输出特征图包括在改进YOLOv5颈部网络中，与预测端连接的四个C3模块输出的四个不同尺度的特征图； 所述KeyDetect模块用于根据ASFF-4模块的输出，实现风机检测与风机关键点的定位； S4：基于数据训练集与数据验证集对风机检测网络模型进行模型训练与模型验证，以获取最优风机检测网络模型； 且所述模型训练包括：基于YOLOv5骨干网络对数据训练集中的多地表多分辨率的风机数据进行不同尺度风机特征的提取，获取多尺度风机特征图； 基于改进YOLOv5颈部网络对多尺度风机特征图进行特征融合训练获取不同尺度的风机融合特征图； 基于预测端中的ASFF-4模块对不同尺度的风机融合特征图进行自适应特征融合，获取自适应融合特征图，以用于实现对多地表多分辨率的风机检测训练； 所述模型验证包括：通过数据验证集对模型训练后的风机检测网络模型进行验证，以获取风机检测网络模型的最优权重参数并重构风机检测网络模型，获取最优风机检测网络模型； S5：获取待检测风电厂遥感图像，并对其进行分割处理获取若干遥感子图像，基于最优风机检测网络模型对各遥感子图像进行风机特征检测获取输出检测图。

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米塔碳(杭州)智能科技有限公司，其通讯地址为：311100 浙江省杭州市余杭区仓前街道欧美金融城2幢1910室1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。