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！

龙图腾网获悉武汉大学申请的专利一种基于阴影特征的侧扫声呐图像目标检测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：CN116740528B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202310619507.4，技术领域涉及：G06V10/82；该发明授权一种基于阴影特征的侧扫声呐图像目标检测方法及系统是由赵建虎;朱维强设计研发完成，并于2023-05-25向国家知识产权局提交的专利申请。

本一种基于阴影特征的侧扫声呐图像目标检测方法及系统在说明书摘要公布了：本发明提供一种基于阴影特征的侧扫声呐图像目标检测方法及系统，属于测绘工程技术领域，包括：采集侧扫声呐水下回波数据，根据侧扫声呐水下回波数据获取训练样本集；获取YOLOv5网络，在YOLOv5网络中增加阴影特征增强模块得到侧扫声呐原始目标检测模型，利用训练样本集训练侧扫声呐原始目标检测模型，得到侧扫声呐目标检测模型；将待检测侧扫声呐水下回波数据输入侧扫声呐目标检测模型，得到侧扫声呐目标检测结果。本发明通过在侧扫声呐图像目标检测网络模型所采用的YOLOv5网络模型中增加阴影特征增强模块，解决了特征提取不充分和未顾及侧扫声呐图像目标伴随阴影特点的问题，有效提高侧扫声呐图像目标检测的可靠性和准确性。

本发明授权一种基于阴影特征的侧扫声呐图像目标检测方法及系统在权利要求书中公布了：1.一种基于阴影特征的侧扫声呐图像目标检测方法，其特征在于，包括： 采集侧扫声呐水下回波数据，根据所述侧扫声呐水下回波数据获取训练样本集； 获取卷积神经网络YOLOv5网络，在所述YOLOv5网络中增加阴影特征增强模块得到侧扫声呐原始目标检测模型，利用所述训练样本集训练所述侧扫声呐原始目标检测模型，得到侧扫声呐目标检测模型； 将待检测侧扫声呐水下回波数据输入所述侧扫声呐目标检测模型，得到侧扫声呐目标检测结果； 其中，获取卷积神经网络YOLOv5网络，在所述YOLOv5网络中增加阴影特征增强模块得到侧扫声呐原始目标检测模型，利用所述训练样本集训练所述侧扫声呐原始目标检测模型，得到侧扫声呐目标检测模型，包括： 将所述训练样本集中的侧扫声呐瀑布图数据裁剪为预设固定尺寸子图像； 获取所述YOLOv5网络的骨干网络、颈部结构和头部结构，在所述颈部结构和所述头部结构之间增加所述阴影特征增强模块，形成所述侧扫声呐原始目标检测模型，包括： 所述骨干网络包括依次连接的卷积层Conv0、卷积层Conv1、卷积层CSP1、卷积层Conv2、卷积层CSP2、卷积层Conv3、卷积层CSP3、卷积层Conv4、卷积层CSP4和池化层SPPF； 所述颈部结构包括依次连接的卷积层Conv5、上采样层Upsample1、连接层Concat1、卷积层CSP5、卷积层Conv6、上采样层Upsample2、连接层Concat2、卷积层CSP6、卷积层Conv7、连接层Concat3、卷积层CSP7、卷积层Conv8、连接层Concat4和卷积层CSP8，所述连接层Concat1与所述卷积层CSP3相连接，所述连接层Concat2与所述卷积层CSP2相连接； 所述阴影特征增强模块包括第一阴影特征增强子模块、第二阴影特征增强子模块和第三阴影特征增强子模块，分别在所述卷积层CSP6之后连接所述第一阴影特征增强子模块，所述卷积层CSP7之后连接所述第二阴影特征增强子模块以及所述卷积层CSP8之后连接所述第三阴影特征增强子模块，利用所述阴影特征增强模块对所述预设固定尺寸子图像进行阴影特征增强； 所述头部结构中的卷积层Conv9与所述第一阴影特征增强子模块相连接，卷积层Conv10与所述第二阴影特征增强子模块相连接，卷积层Conv11与所述第三阴影特征增强子模块相连接，构成所述侧扫声呐原始目标检测模型； 利用所述预设固定尺寸子图像对所述侧扫声呐原始目标检测模型进行训练，得到所述侧扫声呐目标检测模型。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。