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！

龙图腾网获悉上海盛赞生物科技有限公司申请的专利基于无人机的白蚁外露特征智能检测方法及蚁巢定位方法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：CN117132905B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202211661837.1，技术领域涉及：G06V20/17；该发明授权基于无人机的白蚁外露特征智能检测方法及蚁巢定位方法是由邱靖平;葛鸿飞设计研发完成，并于2022-12-23向国家知识产权局提交的专利申请。

本基于无人机的白蚁外露特征智能检测方法及蚁巢定位方法在说明书摘要公布了：本发明涉及一种基于无人机的白蚁外露特征智能检测方法及蚁巢定位方法，该白蚁外露特征智能检测方法通过预先构建表征白蚁外露特征的白蚁外露特征图像特征参数集合，并基于白蚁外露特征图像特征参数集合构建白蚁外露特征检测模型，再将由无人机在待检测区域获取且经处理后得到的待检测图像输入到白蚁外露特征检测模型内，以基于该白蚁外露特征检测模型的检测结果判断待检测图像中是否含有白蚁外露特征，并进一步基于白蚁外露特征的检测结果确定待检测区域是否有白蚁活动，实现了针对待检测区域的白蚁外露特征的智能化检测，有利于提高待检测区域内白蚁外露特征所处位置的标定效率和准确度。

本发明授权基于无人机的白蚁外露特征智能检测方法及蚁巢定位方法在权利要求书中公布了：1.基于无人机的白蚁外露特征智能检测方法，其特征在于，包括如下步骤： 步骤S1，预先构建表征白蚁外露特征的白蚁外露特征图像特征参数集合；其中，该白蚁外露特征图像特征参数集合包括至少一个表征该白蚁外露特征的图像特征参数； 步骤S2，基于白蚁外露特征图像特征参数集合构建白蚁外露特征检测模型； 步骤S3，利用无人机获取待检测区域的样本图像； 步骤S4，对样本图像做出处理，得到待检测图像； 步骤S5，将待检测图像输入到白蚁外露特征检测模型，得到针对待检测图像的白蚁外露特征检测结果；其中： 所述白蚁外露特征图像特征参数集合的预先构建过程如下： 步骤a1，预先确定对无人机获取的样本图像进行白蚁外露特征检测时所需要检测的目标图像特征参数集合； 步骤a2，根据确定的目标图像特征参数集合，构建关于识别白蚁外露特征的白蚁外露特征图像特征参数集合； 所述白蚁外露特征检测模型的构建过程如下： 步骤b1，利用卷积神经网络得到针对待检测图像的白蚁外露特征图像特征图；其中，白蚁外露特征图像特征图标记为fmap_h： fmap_h＝CNNximg，ximg∈R3×H×W； 其中，CNN·是所选用的卷积神经网络CNN的正向传播函数，ximg是待检测图像，H是待检测图像ximg的长度，W是待检测图像ximg的宽度，C1表示正向传播函数CNN·输出的特征图的通道数； 步骤b2，对白蚁外露特征图像特征图做降维操作，得到降维特征图；其中，经降维操作后的降维特征图标记为fmap： fmap＝conv1×1fmap_h，fmap∈RC×H×W； 其中，fmap表示白蚁外露特征图像特征图fmap_h经降维操作后的降维特征图，conv1×1·表示卷积核尺寸为1且通道数为C的卷积操作，C表示降维特征图的通道数； 步骤b3，对所得降维特征图做特征降维操作，得到降维后的特征向量，且以该特征向量构建图像特征提取主干模型；其中，特征降维后的特征向量标记为f，图像特征提取主干模型标记为IMGEXT·： f＝σW1,padfmap，f∈RC×D； 其中，σ·表示前馈神经网络的激活函数，W1表示前馈神经网络的可学习的参数矩阵，padfmap表示将维度为H×W特征图展平为一维的向量，D是特征向量f的维度； 步骤b4，基于所得特征降维后的特征向量，构建目标检测特征提取模型；其中，目标检测特征提取模型标记为LOCEXT·： fi+1＝Transformerifi,fi∈RC×D,f1＝f，fi+1∈RC×D，i∈N+Λi≤L； 其中，fi表示第i个目标检测特征，Transformeri·表示第i层自注意力网络Transformer的正向传播过程，fL表示最终目标检测特征； 步骤b5，基于所得最终目标检测特征，构建回归预测网络，以预测白蚁外露特征在待检测图像内的具体位置； fbox＝max0,fLW2+b2W3+b3，fbox∈RC×5； 其中，max0,fLW2+b2表示在数值0与数值fLW2+b2中取最大值，W2、W3、b2和b3是前馈神经网络中可学习的参数； 步骤b6，基于构建的回归预测网络，构建模型训练的主损失函数；其中，主损失函数标记为Γmain： 其中，arg·是指通过改变fbox以使得函数Γ取得最小值，fj是白蚁外露特征目标框位置的模型预测值，是白蚁外露特征目标框位置的目标真实值，是目标真实值与模型预测值fj之间的匹配损失，N是需要预测的白蚁指示物种类的总数量； 步骤b7，构建辅助自监督任务的InfoNce损失函数；其中，InfoNce损失函数标记为Γssl： fk'＝LOCEXTIMGEXTx'k，fk”＝LOCEXTIMGEXTx'k'； x'k＝augxk，x'k'＝augx'k； 其中，aug·是图像随机增强函数，xk是待检测图像，fk'是待检测图像xk的一个增强视角图片表征值，fk”是待检测图像xk的另外一个增强视角图片表征值；τ是模型训练需要设置的温度系数超参数，B是训练的批次大小； 步骤b8，基于构建的主损失函数和InfoNce损失函数，处理得到模型训练的最终损失函数；其中，该模型训练的最终损失函数标记为Γ： Γ＝ε1Γmain+ε2Γssl；ε1+ε2＝1； 其中，ε1是最终损失函数的第一个权重系数，ε2是最终损失函数的第二个权重系数； 步骤b9，利用反向传播算法对目标检测特征提取模型做训练，且将收敛后的目标检测特征提取模型作为针对所述白蚁外露特征检测的白蚁外露特征检测模型。

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上海盛赞生物科技有限公司，其通讯地址为：200040 上海市静安区西康路370弄51号1号楼203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。