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！

龙图腾网获悉西南科技大学;哈尔滨工业大学;哈尔滨联合飞机科技有限公司申请的专利一种基于ANN转SNN的无人机飞行飞鸟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：CN119992600B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202510462362.0，技术领域涉及：G06V40/10；该发明授权一种基于ANN转SNN的无人机飞行飞鸟检测方法是由曹凯鸣;李林静;陈波;霍建文;谭立国;张新彬;田刚印;张华;翁浩翔设计研发完成，并于2025-04-14向国家知识产权局提交的专利申请。

本一种基于ANN转SNN的无人机飞行飞鸟检测方法在说明书摘要公布了：本发明公开了一种基于ANN转SNN的无人机飞行飞鸟检测方法，属于无人机目标检测的技术领域，其包括：获取低空飞行飞鸟的图像数据和飞鸟目标检测数据集；根据飞鸟目标检测数据集训练得到人工神经网络模型YOLOv5‑ANN；建立人工神经网络模型YOLOv5‑ANN的激活输出与脉冲神经元的脉冲频率之间的映射关系；将人工神经网络模型YOLOv5‑ANN转换为脉冲神经网络模型Spiking‑YOLOv5‑SNN，采用完成训练的脉冲神经网络模型Spiking‑YOLOv5‑SNN进行无人机飞行飞鸟检测。本发明结合人工神经网络模型YOLOv5的高效目标检测能力和脉冲神经网络模型的快速响应特性，能够在复杂背景下有效检测低空飞行飞鸟，提高无人机的安全性。

本发明授权一种基于ANN转SNN的无人机飞行飞鸟检测方法在权利要求书中公布了：1.一种基于ANN转SNN的无人机飞行飞鸟检测方法，其特征在于，包括以下步骤： S1、获取低空飞行飞鸟的图像数据； S2、对所述图像数据进行预处理，得到飞鸟目标检测数据集； S3、根据所述飞鸟目标检测数据集训练得到人工神经网络模型YOLOv5-ANN； S4、确定脉冲神经元，并建立人工神经网络模型YOLOv5-ANN的激活输出与脉冲神经元的脉冲频率之间的映射关系； S5、基于S4中的所述映射关系，将人工神经网络模型YOLOv5-ANN转换为脉冲神经网络模型Spiking-YOLOv5-SNN； S6、采用完成训练的所述脉冲神经网络模型Spiking-YOLOv5-SNN进行无人机飞行飞鸟检测； S4中采用积分-放电模型模拟脉冲神经元，在所述积分-放电模型中引进减法重置机制，当脉冲神经元放电时，超过激发阈值的电压部分将被保留； 其中，引进减法重置机制的积分-放电模型的动力学方程为： ； ； 式中，为积分-放电模型中第t个时间步长突触前膜电位，为积分-放电模型中第t个时间步长突触后膜电位，为积分-放电模型中第t-1个时间步长突触后膜电位，为第层神经元和第l层神经元之间的突触权重，为第l层神经元接收来自上一层的输入，为第l层的神经元所发放的脉冲，为第l层神经元的激发阈值； 神经元脉冲激发规则表示为： S4中的映射关系为： 将积分-放电模型中脉冲神经元的脉冲发射率等同于人工神经网络模型YOLOv5-ANN的激活值； 对所述动力学方程进行时间步长1~T的求和，得到两个相邻层之间神经元的脉冲发射率的关系为： ； 式中，为第l层神经元的脉冲发射率，表示第l层神经元的平均突触后电位；为第l-1层神经元的脉冲发射率，表示第l-1层神经元的平均突触后电位；T为总的时间步长；为初始突触后膜电位； 对所述动力学方程进行时间步长1~T的求和，包括： 将动力学方程进行结合表示： ； 对结合后的动力学方程进行时间步长1~T的求和： ； 其中，； S5包括以下分步骤： S51、将人工神经网络模型YOLOv5-ANN中的激活函数修改为ReLU激活函数； S52、将人工神经网络模型YOLOv5-ANN中所有步长为2的最大池化层修改为相同步长的卷积层，并移除步长为1的最大池化层； S53、将人工神经网络模型YOLOv5-ANN中的上采样层修改为反卷积层； S54、将人工神经网络模型YOLOv5-ANN中的批量归一化层的参数融入批量归一化层紧邻的前一层卷积层的权重中，得到脉冲神经网络模型Spiking-YOLOv5-SNN； 所述S2中将飞鸟目标检测数据集以7：2：1划分为训练集、验证集和测试集，并采用训练集、验证集和测试集训练得到人工神经网络模型YOLOv5-ANN； 其特征在于，S54中批量归一化层表达为： ； ； ； ； 式中，为一批次所有数据的平均值；m为一批次数据的个数；为一个批次即将进入激活函数的输入的第i个数据；为一批次所有数据的方差；为经过标准化后的数据；为常数；为经过归一化后的数据；为缩放因子；为偏移； S54中将人工神经网络模型YOLOv5-ANN中的批量归一化层的参数融入批量归一化层紧邻的前一层卷积层的权重中，具体表示为： ； ； 式中，为经过批量归一化层折叠处理后的权重；为第层神经元i的第j个突触权重；为第层神经元i的缩放因子，为第层神经元的方差；为经过批归一化层折叠处理后的偏移；为第层神经元的平均值；为第层神经元的批归一化偏移；为第层神经元的偏移； 对于一个脉冲神经元，其膜电位超过激发阈值，则该神经元将发放脉冲，如果第层的突触前神经元发出脉冲，则第层的突触后神经元接收为加权的突触后电位，其为输入值； 。

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西南科技大学;哈尔滨工业大学;哈尔滨联合飞机科技有限公司，其通讯地址为：621010 四川省绵阳市涪城区青龙大道59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。