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！

龙图腾网获悉贵州理工学院申请的专利一种面向无人机平台的实时目标检测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：CN116563734B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310535839.4，技术领域涉及：G06V20/17；该发明授权一种面向无人机平台的实时目标检测方法及系统是由苏小东;陈霖周廷;高宏建;韩宇;胡建兴;汪超;张羽;太云东;张宏辉设计研发完成，并于2023-05-12向国家知识产权局提交的专利申请。

本一种面向无人机平台的实时目标检测方法及系统在说明书摘要公布了：本发明涉及一种面向无人机平台的实时目标检测方法及系统。该方法包括：获取无人机图像数据集；对所述无人机图像数据集进行预处理和人工标注，得到无人机数据集；建立改进后的YOLOv3‑spp网络模型；利用所述无人机数据集对所述改进后的YOLOv3‑spp网络模型进行训练和验证，得到无人机火灾检测模型；将无人机图像测试数据集输入至所述无人机火灾检测模型，得到无人机火灾检测模型性能的测试结果和评估结果。本发明具有更强的特征提取能力和抗干扰能力，且实时性较好，能很好的完成无人机航拍图像目标检测任务。

本发明授权一种面向无人机平台的实时目标检测方法及系统在权利要求书中公布了：1.一种面向无人机平台的实时目标检测方法，其特征在于，包括： 获取无人机图像数据集； 对所述无人机图像数据集进行预处理和人工标注，得到无人机数据集； 建立改进后的YOLOv3-spp网络模型； 利用所述无人机数据集对所述改进后的YOLOv3-spp网络模型进行训练和验证，得到无人机火灾检测模型； 将无人机图像测试数据集输入至所述无人机火灾检测模型，得到无人机火灾检测模型性能的测试结果和评估结果； 所述建立改进后的YOLOv3-spp网络模型，具体包括： 在基线模型yolov3-spp的基础上，对8倍下采样后的特征图进行上采样并与骨干网络中4倍下采样进行特征融合，形成微小目标检测层，同时与原8倍、16倍下采样特征图形成新的多尺度检测架构； 改进后的YOLOv3-spp网络模型引入自适应特征融合方法ASFF，结合新的多尺度检测架构，设计自适应特征融合方法ASFF-Small，通过给不同尺度的特征图分配不同权重，强化有效特征图，更好的实现特征融合； 所述改进后的YOLOv3-spp网络模型采用新的损失函数SIoU和利用深度可分离卷积改进的Bottleneck模块； 所述新的损失函数SIoU包括角度成本函数、距离成本函数、形状成本函数和IoU成本函数； 所述深度可分离卷积改进Bottleneck模块包括：两个1×1卷积、一个3×3卷积、残差结构和特征融合操作，其中1×1卷积主要功能为降维和升维，3×3卷积功能为提取特征，残差结构和特征融合操作功能为将输入特征图和改进的Bottleneck模块输出进行融合。

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贵州理工学院，其通讯地址为：550003 贵州省贵阳市云岩区蔡关路1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。