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！

龙图腾网获悉北京航空航天大学申请的专利基于星载SAR图像识别港口停泊船只及其类别的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：CN120689825B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202510762081.7，技术领域涉及：G06V20/54；该发明授权基于星载SAR图像识别港口停泊船只及其类别的方法是由曾虹程;潘泳辰;杨威;王亚敏设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本基于星载SAR图像识别港口停泊船只及其类别的方法在说明书摘要公布了：本发明公开了一种基于星载SAR图像识别港口停泊船只及其类别的方法。方法包括：构建由多个设定功能区的港口星载SAR图像组成的船只数据集；基于所述数据集和各功能区标签对预先构建的第一网络模型进行训练，得到训练好的第一网络模型；对所述数据集中的停泊船只和在航船只进行标注，并基于标注后的数据集对预先构建的第二网络模型进行训练，得到训练好的第二网络模型；将待识别的港口目标图像进行切片，得到多个切片图像；基于所述第一网络模型和所述第二网络模型分别对每个切片图像进行功能区分类和停泊船只检测，并基于综合检测结果确定每个切片图像中有效停泊船只的类别。本申请，可以准确识别港口中的有效停泊船只并确定其类别。

本发明授权基于星载SAR图像识别港口停泊船只及其类别的方法在权利要求书中公布了：1.一种基于星载SAR图像识别港口停泊船只及其类别的方法，其特征在于，所述方法包括： 构建由多个设定功能区的港口星载SAR图像组成的船只数据集； 基于所述数据集和各功能区标签对预先构建的第一网络模型进行训练，得到训练好的第一网络模型； 对所述数据集中的停泊船只和在航船只进行标注，并基于标注后的数据集对预先构建的第二网络模型进行训练，得到训练好的第二网络模型； 将待识别的港口目标图像进行切片，得到多个切片图像； 基于所述第一网络模型和所述第二网络模型分别对每个切片图像进行功能区分类和停泊船只检测，并基于综合检测结果确定每个切片图像中有效停泊船只的类别；第一网络模型为ResNet101网络，第二网络模型为YOLOv11网络，YOLOv11模型架构深度融合多尺度特征金字塔与动态注意力机制，采用改进的C2f结构增强骨干网络特征提取能力，结合BiFPN优化的颈部网络实现跨层特征高效融合，头部检测模块引入自适应锚框机制与轻量化解耦头设计； 所述基于所述第一网络模型和所述第二网络模型分别对每个切片图像进行功能区分类和停泊船只检测，并基于综合检测结果确定每个切片图像中有效停泊船只的类别，包括： 依次遍历每个切片图像，针对遍历到的每个切片图像，均执行： S1，将该切片图像输入所述第一网络模型，输出该切片图像的功能区类别，并判断该功能区类别是否属于所述设定功能区之一；若是，则执行S2；若否，则执行S3； S2，将该切片图像输入所述第二网络模型，输出船只检测结果；并基于船只检测结果确定该切片图像中是否存在至少一个有效停泊船只，若是，则执行S4；若否，则执行S3； S3，去除该切片图像，并遍历下一个切片图像，返回执行S1； S4，基于该切片图像的功能区类别与船只类别之间的对应关系确定该切片图像中各有效停泊船只的类别； 所述船只检测结果包括船只的状态、船只的四点坐标和置信度；船只的状态包括停泊状态和在航状态； 所述基于船只检测结果确定该切片图像中是否存在至少一个有效停泊船只，包括： 针对检测到的每个船只，均执行： 若该船只的状态属于在航状态，则不对其进行处理，并检测下一个船只； 若该船只的状态属于停泊状态，则基于其四点坐标计算其旋转框的长宽比；并判断计算出的长宽比是否大于标准船只的长宽比阈值；若否，则剔除该船只，并检测下一个船只；若是，则判断该船只的置信度是否大于置信度阈值，若是，则将该船只确定为有效停泊船只，若否，则剔除该船只，并检测下一个船只； 直至该切片图像中的每个船只均检测完毕，得到该切片图像中有效停泊船只的检测结果。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。