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！

龙图腾网获悉国家能源集团东台海上风电有限责任公司申请的专利一种基于深度学习人工智能图像识别算法的无人机巡航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：CN120976795B 。

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：202511073206.1，技术领域涉及：G06V20/17；该发明授权一种基于深度学习人工智能图像识别算法的无人机巡航方法及系统是由姜坤;王国栋;王大元;唐朝;傅翔;姚季秋设计研发完成，并于2025-08-01向国家知识产权局提交的专利申请。

本一种基于深度学习人工智能图像识别算法的无人机巡航方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习人工智能图像识别算法的无人机巡航方法及系统。该方法通过搭载改进YOLOv7‑SwinT目标识别模型的无人机采集巡检区域实时图像数据，该模型融合了YOLOv7的单阶段目标检测架构和SwinTransformer的视觉特征提取网络，采用三级识别架构实现渐进式目标检测：基于轻量化CNN的初级异常检测、结合注意力机制的中级精确定位和多传感器数据融合的高级目标分类。系统根据识别结果结合无人机电量、环境条件和任务优先级，通过自适应路径规划算法生成动态巡检路径，并利用智能任务分配算法实现多机协同作业。在巡检过程中，通过边缘计算设备实时处理传感器数据，并采用智能能源管理系统优化充电调度。本发明显著提升了无人机在复杂环境下的目标识别精度和巡航效率，适用于电力巡检、安防监控等应用场景。

本发明授权一种基于深度学习人工智能图像识别算法的无人机巡航方法及系统在权利要求书中公布了：1.一种基于深度学习人工智能图像识别算法的无人机巡航方法，其特征在于，所述方法包括： S1：通过搭载改进YOLOv7-SwinT目标识别模型的无人机采集巡检区域的实时图像数据，所述改进YOLOv7-SwinT目标识别模型融合了YOLOv7的单阶段目标检测架构和SwinTransformer的视觉特征提取网络，并采用多传感器数据融合技术，所述改进YOLOv7-SwinT目标识别模型具体包括： YOLOv7目标检测框架，其包含：深度可分离卷积构建的主干网络、自适应锚点尺寸选择模块、多尺度特征融合金字塔结构； SwinTransformer特征提取网络，其包含：分层窗口注意力机制、跨窗口连接模块、局部感知增强模块以及多传感器数据融合层，其实现：视觉图像、红外热成像和激光雷达点云数据的特征级融合，基于注意力机制的特征权重分配，时空对齐的多模态数据关联； S2：基于步骤S1识别到的目标信息，结合无人机当前电量、环境条件和任务优先级，通过自适应路径规划算法生成动态巡检路径，包括： S2.1：基于步骤S1识别到的目标信息，建立巡检目标优先级评估模型，所述评估模型综合考虑：目标异常程度评分，基于深度学习模型输出的置信度分数；目标类型权重，预先设定的不同类型目标的优先级系数；目标时效性参数，根据目标变化速率计算的时间敏感性因子； S2.2：构建多约束路径规划模型，输入参数包括： 无人机当前电量状态及预估续航时间；环境条件参数，包括风速、降雨强度、能见度；任务优先级矩阵，由步骤S2.1计算得出；地理围栏限制条件； S2.3：采用改进的遗传算法求解最优路径，具体包括： a初始化种群：生成N条可行路径作为初始解； b适应度计算：基于路径长度、任务覆盖率、能耗平衡度构建多目标适应度函数； c选择操作：采用精英保留策略和轮盘赌选择相结合； d交叉变异：设计针对巡检任务的定向变异算子； e动态调整：实时监测环境变化触发路径重规划； S2.4：输出优化后的巡检路径，并动态更新至无人机巡航系统； S3：根据步骤S2生成的巡检路径，通过智能任务分配算法为多架无人机分配巡检任务，并实时监控任务执行情况； S4：在巡检过程中，通过边缘计算设备实时处理传感器数据，将关键数据传输至控制中心； S5：基于无人机实时状态和任务进度，通过智能能源管理系统优化充电基站调度和无人机能源分配；其中，所述步骤S1中的改进YOLOv7-SwinT目标识别模型采用三级识别架构，包括基于轻量化CNN的初级异常检测、结合注意力机制的中级精确定位和多传感器数据融合的高级目标分类，所述三级识别架构，包括基于轻量化CNN的初级异常检测、结合注意力机制的中级精确定位和多传感器数据融合的高级目标分类，包括： 初级异常检测模块，采用轻量化CNN网络对输入图像进行快速特征提取，通过低计算复杂度的卷积层实现异常区域的初步筛选； 中级精确定位模块，基于SwinTransformer结构构建，包含：窗口多头自注意力单元，用于捕获长距离空间依赖关系；跨窗口特征交互单元，通过移位窗口机制实现全局上下文建模；动态感受野调节单元，根据目标尺度自适应调整注意力范围； 高级目标分类模块，集成多源传感器数据融合机制，具体包括：可见光与红外特征对齐单元，采用跨模态特征映射网络；时空上下文融合单元，通过3D卷积整合时序传感器数据；多任务决策层，同步输出目标类别、置信度和空间位置信息； 级联特征传递通路，通过残差连接和特征金字塔结构实现三级模块间的特征复用与增强； 其中，所述架构通过渐进式识别策略，在计算资源受限条件下实现无人机巡检场景中多尺度目标的高精度检测与分类。

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国家能源集团东台海上风电有限责任公司，其通讯地址为：224237 江苏省盐城市东台市沿海经济区管理委员会大楼1108室；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。