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！

龙图腾网获悉华东交通大学;北方联创通信有限公司;南昌大学;南昌航空大学申请的专利一种基于SAR图像的伤员检测方法及电子设备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：CN120260081B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510737880.9，技术领域涉及：G06V40/10；该发明授权一种基于SAR图像的伤员检测方法及电子设备是由曾伟;廖鹏霄;罗晖;李勇;杜华;万宇;郑项文;周松;文品;贾杰设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本一种基于SAR图像的伤员检测方法及电子设备在说明书摘要公布了：本发明公开了一种基于SAR图像的伤员检测方法及电子设备，该方法在YOLOv8模型的基础上，使用C2F‑PSConv模块替换YOLOv8模型中的C2F模块；颈部网络采用多尺度特征融合模块进行特征融合；头部网络的检测头前添加一个自适应旋转卷积模块，从而构建基于改进YOLOv8的伤员检测模型，并利用训练集和验证集对伤员检测模型进行训练；利用地面控制站或者移动终端接收无人机传输的SAR图像，使用训练后的伤员检测模型进行检测，获得伤员的位置信息并告警。本发明可提升基于SAR图像的伤员检测精度。

本发明授权一种基于SAR图像的伤员检测方法及电子设备在权利要求书中公布了：1.一种基于SAR图像的伤员检测方法，其特征是，包括以下步骤： 步骤S1：构建SAR图像数据集并划分训练集和验证集； 步骤S2：在YOLOv8模型的基础上，引入PSConv卷积替换C2F模块中的瓶颈层，形成C2F-PSConv模块，使用C2F-PSConv模块替换YOLOv8模型中的C2F模块；颈部网络采用多尺度特征融合模块进行特征融合；头部网络采用四个检测头，每个检测头前添加一个自适应旋转卷积模块，从而构建基于改进YOLOv8的伤员检测模型，并利用训练集和验证集对伤员检测模型进行训练； 基于改进YOLOv8的伤员检测模型包括主干网络、颈部网络、头部网络，所述主干网络依次由第一CBS模块、第二CBS模块、第一C2F-PSConv模块、第三CBS模块、第二C2F-PSConv模块、第四CBS模块、第三C2F-PSConv模块、第五CBS模块、第四C2F-PSConv模块、SPPF模块连接而成；所述颈部网络进行多尺度特征融合，SPPF模块输出的特征图经上采样后与第三C2F-PSConv模块输出的特征图进行第一次拼接，第一次拼接后的特征图送入第五C2F-PSConv模块进行处理，第五C2F-PSConv模块输出的特征图经上采样后与第二C2F-PSConv模块输出的特征图进行第二次拼接，第二次拼接后的特征图送入第六C2F-PSConv模块进行处理，第六C2F-PSConv模块输出的特征图经上采样后与第一C2F-PSConv模块输出的特征图进行第三次拼接，第三次拼接后的特征图送入第七C2F-PSConv模块进行处理；第七C2F-PSConv模块输出的特征图经第六CBS模块处理后，在第一EMAF模块与第六C2F-PSConv模块输出的特征图进行多尺度特征融合，得到第一融合特征图，第一融合特征图经第八C2F-PSConv模块处理；第八C2F-PSConv模块输出的特征图经第七CBS模块处理后，在第二EMAF模块与第五C2F-PSConv模块输出的特征图进行多尺度特征融合，得到第二融合特征图；第二融合特征图经第九C2F-PSConv模块处理，第九C2F-PSConv模块输出的特征图经第八CBS模块处理，然后在第三EMAF模块与SPPF模块输出的特征图进行多尺度特征融合，得到第三融合特征图，第三融合特征图送入第十C2F-PSConv模块进行处理；所述头部网络包括四个检测头，分别为第一检测头、第二检测头、第三检测头、第四检测头；选择第七C2F-PSConv模块、第八C2F-PSConv模块、第九C2F-PSConv模块、第十C2F-PSConv模块输出的特征图分别作为第一检测头、第二检测头、第三检测头、第四检测头的输入； 步骤S3：利用地面控制站或者移动终端接收无人机传输的SAR图像，使用训练后的伤员检测模型进行检测，获得伤员的位置信息并告警。

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华东交通大学;北方联创通信有限公司;南昌大学;南昌航空大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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”。