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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利面向目标检测任务的空地协同训练路径规划方法和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：CN121026148B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511507698.0，技术领域涉及：G01C21/20；该发明授权面向目标检测任务的空地协同训练路径规划方法和系统是由陈鑫琦;蔡丽娜;占超;高增辉;李毛毛;林俊宜;吴韬设计研发完成，并于2025-10-21向国家知识产权局提交的专利申请。

本面向目标检测任务的空地协同训练路径规划方法和系统在说明书摘要公布了：本发明提供一种面向目标检测任务的空地协同训练路径规划方法和系统，涉及目标检测技术领域。本发明通过构建面向目标检测任务的全局优化目标模型，解决了现有技术中无人机轨迹规划与目标检测任务脱节的这一缺陷，在空地协同联邦学习框架下，优先采集的关键数据能够精准弥补模型在复杂场景、低辨识度目标等方面的学习短板，使模型快速聚焦于性能薄弱环节进行参数更新。同时，轨迹规划与“全局损失最小化”核心目标的关联，进一步保障了地面无人车上传参数的有效性与代表性，通过联邦平均算法加权融合后，新生成的全局模型具备更全面的特征表示能力与更强的泛化能力。

本发明授权面向目标检测任务的空地协同训练路径规划方法和系统在权利要求书中公布了：1.一种面向目标检测任务的空地协同训练路径规划方法，其特征在于，将1架无人机作为空地协同联邦学习框架中的服务器，N辆无人车作为空地协同联邦学习框架中客户端；所述空地协同训练路径规划方法包括： 服务器初始化目标检测模型作为初始全局模型，并将初始参数并下发至各辆无人车； 各客户端接收服务器下发的初始参数，根据初始参数初始化本地模型，在本地模型进行训练过程中，构建并求解全局优化目标模型，确定本地模型训练过程中的客户端选择与无人机轨迹；完成本地训练后，客户端将加密的模型参数增量上传至服务器进行聚合；聚合阶段采用联邦平均算法根据各客户端数据量的比例加权融合参数更新，形成新的全局模型； 其中，全局优化目标模型包括目标函数和约束条件，其中，所述目标函数的定义为：通过联合优化客户端选择与无人机轨迹，实现全局损失的最小化； 其中，所述目标函数包括： 式中： 其中，，表示客户端选择；，表示无人机轨迹；V为控制参数；表示梯度近似误差；和分别表示客户端i和n的本地模型梯度；是客户端i在第t轮次的初始模型参数；是客户端n在第t轮次的初始模型参数；为虚拟能量队列长度，表示客户端n的累计能量消耗偏离预算的程度；为二元选择变量，表示在轮次t是否选择客户端n；为客户端n在轮次t的总能量消耗；为客户端n的最大预算能量；T代表联邦学习训练的全局总轮次。

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国人民解放军国防科技大学，其通讯地址为：230000 安徽省合肥市蜀山区黄山路460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。