Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 安徽大学;合肥嘉铄信息工程有限公司丁云获国家专利权

安徽大学;合肥嘉铄信息工程有限公司丁云获国家专利权

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!

龙图腾网获悉安徽大学;合肥嘉铄信息工程有限公司申请的专利基于MAMBA-YOLO的电网基建目标检测方法、设备及介质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:CN120374953B

龙图腾网通过国家知识产权局官网在2025-11-25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:202510486185.X,技术领域涉及:G06V10/25;该发明授权基于MAMBA-YOLO的电网基建目标检测方法、设备及介质是由丁云;王振宇;肖岩;朱进;李建龙;段炎钊;郑春厚设计研发完成,并于2025-04-17向国家知识产权局提交的专利申请。

基于MAMBA-YOLO的电网基建目标检测方法、设备及介质在说明书摘要公布了:本发明公开了一种基于MAMBA‑YOLO的电网基建目标检测方法、设备及介质,结合了Mamba架构和YOLO目标检测技术,通过引入SSM优化YOLO模型,解决了电网基建图像中目标检测精度和计算效率的瓶颈问题。首先将输入数据通过特征提取模块提取出不同级别的特征图,然后利用颈部路径聚合网络进行特征融合。融合后的特征图被送入目标定位与分类模块进行物体分类和边界框回归,这种方法能够高效地识别电网基建中的设备、设施和线路等目标。通过多方向扫描和特征融合策略,能够在复杂背景下准确检测出不同尺度的目标,尤其对小目标检测具有显著优势。与传统YOLO模型相比,本发明的Mamba‑YOLO在保证检测精度的同时,显著降低了计算复杂度,满足电网基建目标检测对实时性的要求。

本发明授权基于MAMBA-YOLO的电网基建目标检测方法、设备及介质在权利要求书中公布了:1.一种基于MAMBA-YOLO的电网基建目标检测方法,其特征在于,包括以下步骤, 将经过预处理后的电网基建图像输入预先构建的Mamba-YOLO目标检测模型中对电网基建图像中的缺陷进行位置检测与类型识别; 其中,所述Mamba-YOLO目标检测模型包括主干特征提取网络、颈部路径聚合网络、头部检测网络; 经过预处理后的电网基建图像首先进入主干特征提取网络中的优化的深层状态空间块中进行逐层特征提取,得到多尺度特征图; 所述优化的深层状态空间块包括局部空间块、二维选择性扫描模块以及剩余门控制块组成,所述多尺度特征图输入到颈部路径聚合网络进行双向融合,融合后的特征图进一步输入到头部检测网络中进行目标检测任务; 剩余门控制块结合了门控机制与深度卷积残差结构的优势,通过非线性激活,逐点卷积实现通道间特征的深度融合和门控函数根据特征上下文动态调整特征权重,实现对关键目标特征的聚焦与背景噪声的抑制; 剩余门控制块从输入创建两个分支和,并在每个分支上以1×1卷积的形式实现全连接层; , 深度可分离卷积用作分支上的位置编码模块,通过残差级联在训练过程中更有效地回流梯度并通过保留和利用图像的空间结构信息显著提高了性能; 剩余门控制块采用非线性GeLU作为激活函数来控制每个级别的信息流,然后通过逐元素乘法与的一个分支合并,然后通过1x1卷积用全局特征进行细化以混合信道信息,最后通过残差级联与原始输入和隐藏层中的特征相加; 剩余门控制块捕获更多的全局特征,产生的输出特征定义为: 其中表示逐元素乘法,Φ表示非线性GeLU激活函数;RG块中的门控机制通过整合卷积操作来保留空间信息,同时使模型对图像中的细粒度特征更加敏感。

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安徽大学;合肥嘉铄信息工程有限公司,其通讯地址为:230601 安徽省合肥市经开区九龙路111号安徽大学磬苑校区;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。