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！

龙图腾网获悉广东海洋大学申请的专利一种轻量化旋转目标检测方法、系统及介质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：CN120635212B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202511124884.6，技术领域涉及：G06T7/73；该发明授权一种轻量化旋转目标检测方法、系统及介质是由林聪;羊子鸣;连松炜;薛忠;邹利兰设计研发完成，并于2025-08-12向国家知识产权局提交的专利申请。

本一种轻量化旋转目标检测方法、系统及介质在说明书摘要公布了：本发明涉及机器视觉技术领域，具体涉及一种轻量化旋转目标检测方法、系统及介质，方法包括：建立MCFONet模型，通过MCFONet模型中的骨干特征提取网络对输入特征图进行特征提取，得到多张不同目标维度的局部空间特征图；通过多尺度特征融合网络对多张局部空间特征图进行上采样，得到多张上采样特征图；通过旋转检测头对多张上采样特征图进行几何回归、角度预测与特征分类，得到最终角度参数；通过数据集对MCFONet模型进行训练，得到训练好的MCFONet模型；获取待检测的目标图像，将目标图像输入训练好的道路提取模型，得到该目标图像的旋转角度；本发明能够在资源受限设备上对果实姿态实现高精度识别。

本发明授权一种轻量化旋转目标检测方法、系统及介质在权利要求书中公布了：1.一种轻量化旋转目标检测方法，其特征在于，所述方法包括以下步骤： 建立MCFONet模型，所述MCFONet模型包括骨干特征提取网络、多尺度特征融合网络及旋转检测头；通过骨干特征提取网络对输入特征图进行特征提取，得到多张不同目标维度的局部空间特征图；通过多尺度特征融合网络对多张局部空间特征图进行上采样，得到多张上采样特征图；通过旋转检测头对多张上采样特征图进行几何回归、角度预测与特征分类，得到最终角度参数； 获取数据集，通过所述数据集对MCFONet模型进行训练，得到训练好的MCFONet模型；其中，所述数据集包含多个不同标注密度的样本图像，所述样本图像标注有类别信息、旋转边界框和旋转角度； 获取待检测的目标图像，将目标图像输入训练好的道路提取模型，得到该目标图像的旋转角度； 所述样本图像的旋转角度通过以下方式得到： 确定样本图像的原始边界框坐标，建立以样本图像的中心为基准的椭圆参数化模型； 在目标感兴趣区域内，采用高斯核对样本图像进行多尺度平滑，通过Canny算子计算梯度幅值，并结合双阈值筛选显著边缘点，得到样本图像的轮廓点集； 采用基于周长的排序策略从轮廓点集中保留主导轮廓，通过最小二乘法对主导轮廓拟合得到样本图像的主轴方向向量； 基于主轴方向向量确定样本图像的主轴方向，对轮廓点集在主轴方向上的投影方差进行最小化求解，通过中心矩的代数组合计算得出样本图像的旋转角度； 所述骨干特征提取网络包括主干网络和UIB模块，所述主干网络包括多层阶段，所述UIB模块嵌入在主干网络中位于较高层的多层目标阶段； 所述通过骨干特征提取网络对输入特征图进行特征提取，得到多张不同目标维度的局部空间特征图，包括： 通过UIB模块对输入特征图的通道维度进行扩展，在扩展后的通道维度对输入特征图进行深度卷积操作，提取输入特征图的扩展空间特征图； 通过逐点卷积将扩展空间特征图的通道数压缩至多层目标阶段的目标维度，在每层目标阶段输出对应目标维度的局部空间特征图； 所述通过旋转检测头对多张上采样特征图进行几何回归、角度预测与特征分类，得到最终角度参数，包括： 对多张上采样特征图进行卷积操作，输出每张上采样特征图对应的角度偏移量，将角度偏移量约束至设定区间； 采用分布焦点损失对每张上采样特征图的坐标进行离散概率建模，得到估计的椭圆位置，对估计的椭圆位置与真实椭圆位置的差值进行加权求和，得到位置差值； 通过轻量化卷积层对位置差值进行估计，输出角度偏移量，将角度偏移量进行非线性变换后生成旋转角度； 通过双层深度可分离卷积提取上采样特征图的类别信息。

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广东海洋大学，其通讯地址为：524000 广东省湛江市麻章区海大路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。