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！

龙图腾网获悉江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心);江西水利电力大学申请的专利融合实例分割和密度聚类算法的水库漫溢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：CN121459329B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202512045531.3，技术领域涉及：G06V20/60；该发明授权融合实例分割和密度聚类算法的水库漫溢检测方法是由许小华;王海菁;包学才;张秋祥;王晓珍;袁小松;温鑫;谢文奇设计研发完成，并于2025-12-31向国家知识产权局提交的专利申请。

本融合实例分割和密度聚类算法的水库漫溢检测方法在说明书摘要公布了：本发明公开了一种融合实例分割和密度聚类算法的水库漫溢检测方法，该方法包括两阶段：第一阶段，将包含堤坝漫溢现象的图像输入到训练好的实例分割算法中，对堤坝、水面和跌水三类目标进行分割；第二阶段，将第一阶段得到的输出实例分割图像输入到提出的基于多尺度密度特征的自适应空间密度聚类算法中聚类分析，并进行矫正并过滤孤立噪声点，形成更为清晰边界的实例分割图像。最后，针对矫正处理后的实例分割图像，利用基于实例分割的类型以及堤坝与水体关系，通过三级递进判别方式对水库漫溢的不同情况进行检测判断。本发明将计算机视觉技术、深度学习和图像处理技术有机结合，实现了多种情况下的水库漫堤风险的自动化高精度检测和识别。

本发明授权融合实例分割和密度聚类算法的水库漫溢检测方法在权利要求书中公布了：1.融合实例分割和密度聚类算法的水库漫溢检测方法，其特征是，方法步骤如下： 步骤S1、针对不同水库检测场景获取大量漫溢的图片，采用人工标定的方式对分类和筛选后的图片进行处理，得到漫溢分割数据集； 步骤S2、利用标定好的漫溢分割数据集对改进的YOLOv11-seg分割算法进行训练，训练完成后，选择mAP50值最高的权重文件作为最优权重； 步骤S3、通过训练改进YOLOv11-seg分割算法获得漫溢分割模型，获得用于分割堤坝、水体和跌水三个类别的漫溢分割模型； 步骤S4、将待检测的水库漫溢视频输入步骤S3中的漫溢分割模型中，对漫溢视频的数据流进行逐帧处理，获取第一阶段的初步分割图像； 步骤S5、基于多尺度密度特征的自适应空间密度聚类算法对步骤S4输出的第一阶段的初步分割图像进行矫正并过滤孤立噪声点，优化分割结果，识别各种类别存在的位置； 步骤S6、判定最终分割结果：对步骤S5中的优化分割结果进行分析，以判定最终的漫溢情况；对分割结果中存在的类别与位置进行分析，对各种漫溢情况给出对应的判定，得到第二阶段的检测结果； 步骤S3中改进YOLOv11-seg分割算法，具体改进如下： 步骤S31，对YOLOv11-seg分割算法网络的Conv卷积模块进行改进； 步骤S311，对输入YOLOv11-seg分割算法网络的特征图进行自适应平均池化降低空间维度，通过1*1卷积变换后与输入的特征图相加得到新特征图； 步骤S312，将步骤S311得到的新特征图分为两部分，一部分新特征图利用3*3卷积提取局部特征，另一部分新特征图通过大卷积核提取更广泛的特征，引入动态门控机制生成特征图权重，将两部分新特征图输出按动态门控机制获取的特征图权重进行融合，得到融合后的特征图； 步骤S313，对融合后的特征图进行自适应平均池化，并通过1*1卷积变换后与融合后的特征图相加，得到改进轻量化下采样卷积模块EMConv； 步骤S32，将改进轻量化下采样卷积模块EMConv替换YOLOv11-seg分割算法网络中骨干网络Backbone第1,3,5,7层和检测头Head部分的第17和20层的Conv卷积模块，得到改进的骨干网络Backbone； 步骤S33，重构C3k2模块；通过1*1卷积对输入C3k2模块的特征图进行通道扩展，将通道扩展后的特征图划分为两个部分；一部分通道扩展后的特征图保持原始信息直接传递特征，另一部分通道扩展后的特征图进行轻量化处理且动态调整卷积核分布特征，将直接传递特征和处理后的特征进行拼接，得到动态可分离卷积DSC3k2模块； 步骤S34，在改进的骨干网络Backbone中引入动态可分离卷积DSC3k2模块，通过多层次的分布偏移卷积结构有效提取和融合特征； 步骤S35，改进检测头Head； 步骤S351，将检测头Head中的卷积与无参注意力机制SimAM结合，得到改进的注意力检测模块SIMHead模块； 步骤S352，改进注意力检测模块SIMHead模块通过空间和通道维度的统计信息生成注意力权重，并通过自适应特征增强机制突出重要特征抑制无关特征。

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江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心);江西水利电力大学，其通讯地址为：330000 江西省南昌市青山湖区北京东路1038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。