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！

龙图腾网获悉中北大学申请的专利一种基于深度学习的水位智能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：CN116843965B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202310797838.7，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的水位智能检测方法是由孙传猛;王文博;原玥;武志博;王宇;孔祥年;陈嘉欣;马铁华;裴东兴设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本一种基于深度学习的水位智能检测方法在说明书摘要公布了：本发明涉及水位检测技术领域，具体公开了一种基于深度学习的水位智能检测方法，首先，提出强化小尺度特征的多层级特征融合方法来改进深度学习YOLOv5算法，强化算法对水尺刻度此类小目标的捕捉能力；然后，融合改进压缩激活网络RankSENet模块与BottleneckTransformer模块进一步提升对水尺刻度的感知能力；最后，提出一种全新的水位高程解算方案，仅需利用部分水尺刻度锚框信息即可获得准确的水位高程信息，极大提升了检测方法的鲁棒性。

本发明授权一种基于深度学习的水位智能检测方法在权利要求书中公布了：1.一种基于深度学习的水位智能检测方法，其特征在于：包括如下步骤： 步骤1、采集水位图像，通过实地隔时采集各类水位图像，制作数据集； 步骤2、选取标志物并标注，其中，各类标注类型具有不同的功能： E类标志，分为正E0、反E1，根据配置E的高程信息，获得垂向上每个实际高度与像素高度的粗略比率； 数字类标志，根据配置水尺最顶部完整数字对应E的刻度信息，联系像素坐标与世界坐标；具体的，数字类包含数字0~9，分别记为N0~N9； 水位类标志，获得水位线和水位线在垂直方向的图像坐标，进而换算出实际高程；具体的，水位标注框中心贴合水位线，标注框之间保持连续，记为W； 水尺类标志，判断E类、数字类对象是否合法；具体的，水尺标注框水平向正好包含水尺，垂向全包括，记为R； 并将标注图像按比例分为训练集Ⅰ和测试集Ⅱ； 步骤3、将标注完成的训练集Ⅰ输入目标检测神经网络进行训练，提取训练模型；利用测试集Ⅱ测试训练模型的性能； 所述目标检测神经网络选用YOLOv5网络结构作为深度学习主干网络，并融合RankSENet模块与Bottleneck Transformer模块； 具体为：YOLOv5网络结构分为输入层、基准网络层、颈部特征融合网络层、检测头四个部分； 其中：输入层负责图像预处理，包含图像自适应缩放、Mosaic数据增强、自适应锚框计算操作； 基准网络层采用CSPDarknet53结构作为基准，同时引入Focus结构对图像进行切片，然后在通道方向拼接，并在基准网络层末端CSP模块后引入RankSENet模块，在SPP模块后引入Bottleneck Transformer模块，数据经过基准网络层末端CSP模块后，依次经过RankSENet模块、SPP模块和Bottleneck Transformer模块，接着传入颈部特征融合网络层； 颈部特征融合网络层的中尺度特征映射和大尺度特征映射两个传递节点汇入到小尺度特征映射通道，对小尺度特征映射进行紧密、充分融合； 检测头主体部分为三个检测器，每个检测器利用网格中设定的先验框在不同尺度的特征映射上进行目标检测，最终将三个检测器中概率评分最高的先验框选定为最终预测框； 所述RankSENet模块包括SENet网络结构，对于输入通道数为C的特征图进行压缩、激活、特征重标定三个操作；其中，压缩操作时，将求秩运算和SENet网络的全局平均池化操作相结合； 步骤4、将实际检测任务中采集到的数据集输入到步骤3中训练完成的目标检测神经网络，提取网络输出的矩形锚框信息；从而获取实际水位高程换算前的各类参数：取水尺中任意一个非最顶部的E类标志记为x1，记x1中心实际高度为Htop，x1纵坐标为，最顶部E和x1之间E类标志的个数a；取相邻两个合法正E0、反E1目标之间的中心横坐标，记为，记水位线纵坐标为；实测获取水尺中每个E类标志的实际高度he和水尺最顶端完整搭配数字的E类标志的实际刻度htop； 步骤5、将实际检测任务中采集到的数据集输入到步骤3中训练完成的目标检测神经网络，获取网络检测到的水尺R的水平横坐标最小值Rxmin和最大值Rxmax，判断除水位类W以外的其它检测对象是否合法，即判断检测目标水平横坐标是否存在于Rxmin，Rxmax之间，在此区域内为合法对象，否则为非法对象，非法对象不进行计算；如果没有检测到R目标，系统继承上一次R对象坐标信息； 步骤6、将实际检测任务中采集到的数据集输入到步骤3中训练完成的目标检测神经网络，获取网络检测到的水位线预测框并对中心坐标进行采样，然后进行最小二乘法拟合，即获得水位线的表达公式；然后检测数字类N目标是否存在，存在便进行下一步骤，如未检测到N类目标或W类目标，系统继承上一次水位实际高程值，操作结束； 其中，水位线表达公式为，其中，是拟合直线的斜率，是拟合直线的截距； 最小二乘法拟合，拟合公式为，，其中，、是水位线预测框的中心坐标，是水位线预测框的数量，、是水位线预测框的中心坐标均值； 步骤7、将实际检测任务中采集到的数据集输入到步骤3中训练完成的目标检测神经网络，获取网络检测到的E类标志的信息，利用单个E实际高度和E像素高度得到实际高度与像素高度之间的映射关系，即粗略比率；如未检测到E类目标，系统利用单个N类目标实际高度与其像素高度进行计算； 步骤8、将实际检测任务中采集到的数据集输入到步骤3中训练完成的目标检测神经网络，获取网络检测到的N类目标的信息，并判断N类对象数量，如果数量大于1个，则计算顶端N类对象与底端N类对象之间实际长度与像素长度的比值，即精确比率；如果数量只有1个，则以粗略比例代替精确比例； 步骤9、获取拟合水位线的基准计算坐标，将相邻两个合法正E0、反E1目标之间的中心横坐标代入水位线的表达公式，求得当前水位线纵坐标； 步骤10、计算水尺最顶部E和x1之间E类标志的个数a，利用最顶部E实际刻度htop和E类标志实际高度he，计算x1中心实际高度Htop，计算公式为，进而计算水位实际高程H； 水位高程值H计算公式为:，其中，为x1对应纵坐标；为精确比率，Htop为x1中心实际高程。

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中北大学，其通讯地址为：030051 山西省太原市尖草坪区学院路3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。