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！

龙图腾网获悉杭州师范大学申请的专利一种基于多尺度动态特征融合的无人机水面漂浮垃圾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：CN120823532B 。

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：202511325167.X，技术领域涉及：G06V20/17；该发明授权一种基于多尺度动态特征融合的无人机水面漂浮垃圾检测方法及系统是由周斌;王星月;叶霞;王振;王钧;张淑晴;李国栋;刘海波设计研发完成，并于2025-09-17向国家知识产权局提交的专利申请。

本一种基于多尺度动态特征融合的无人机水面漂浮垃圾检测方法及系统在说明书摘要公布了：本发明公开了一种基于多尺度动态特征融合的无人机水面漂浮垃圾检测方法及系统，该无人机水面漂浮垃圾检测方法构建了适用于无人机视角的水面漂浮垃圾检测的数据集以及垃圾检测模型。本发明的垃圾检测模型包括主干网络、细节增强块、颈部网络和检测头；在垃圾检测模型的主干网络中引入可变形卷积来构建可变形特征提取模块以增强对垃圾目标形变和复杂背景的适应性；同时，在垃圾检测模型的特征融合部分设计重参数化结构的颈部网络以获得更丰富的尺度信息，进而提高模型检测精度。此外，在垃圾检测模型的颈部网络和检测头之间串联多尺度协调注意力模块来提升模型聚焦重要目标特征的能力，并减少背景噪声带来的干扰。

本发明授权一种基于多尺度动态特征融合的无人机水面漂浮垃圾检测方法及系统在权利要求书中公布了：1.一种基于多尺度动态特征融合的无人机水面漂浮垃圾检测方法，其特征在于：该方法包括： 采集包含水面漂浮垃圾的原始图像，并构建数据集；对数据集中的原始图像进行预处理，获取增强图像； 构建垃圾检测模型；所述垃圾检测模型包括主干网络、细节增强块、颈部网络和检测头；所述主干网络包括串联的四层特征提取层； 所述主干网络中的第一层特征提取层包括串联的两个卷积层和一个深度特征提取模块；除第一层特征提取层外，其余特征提取层的结构相同，均包括串联的一个卷积层和一个深度特征提取模块；第一层特征提取层和第三层特征提取层中的深度特征提取模块采用动态特征提取模块；第二层特征提取层和第四层特征提取层中的深度特征提取模块采用可变形特征提取模块； 所述动态特征提取模块和可变形特征提取模块中均包括瓶颈层；所述动态特征提取模块中的瓶颈层依次通过两个卷积层对瓶颈层的输入特征图进行处理，并将处理结果与瓶颈层的输入特征图进行融合，得到瓶颈层的输出特征图； 所述可变形特征提取模块中的瓶颈层依次通过卷积层和可变形卷积网络v2对瓶颈层的输入特征图进行处理，并将处理结果与瓶颈层的输入特征图进行融合，得到瓶颈层的输出特征图； 所述颈部网络包括并列的第一分支和第二分支；所述第一分支和第二分支均采用非对称式结构融合不同尺度的输出特征图；所述第一分支包括串联的三个特征融合模块，用于融合主干网络的输出特征图；所述第二分支包括串联的两个特征优化模块，用于融合第一分支的输出特征图； 所述特征融合模块和特征优化模块均采用跨阶融合模块；在跨阶融合模块中，依次通过一个卷积层和三个重参数化特征提取模块对跨阶融合模块的输入特征图进行处理，并将卷积层和各重参数化特征提取模块的输出特征图进行融合，通过一个卷积层对融合结果进行处理，得到跨阶融合模块的输出特征图；所述重参数化特征提取模块包括重参数化卷积层和常规卷积层； 以第三个特征融合模块以及两个特征优化模块的输出特征图作为颈部网络的输出特征图，并输入至检测头中，获取垃圾检测模型的输出结果； 使用数据集训练垃圾检测模型，并使用训练后的垃圾检测模型对被测图像进行垃圾检测。

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杭州师范大学，其通讯地址为：311121 浙江省杭州市余杭区仓前街道余杭塘路2318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。