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！

龙图腾网获悉北京交通大学申请的专利一种无监督学习和多源数据的轨道异常目标检测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：CN120953665B 。

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：202511041018.0，技术领域涉及：G06V10/764；该发明授权一种无监督学习和多源数据的轨道异常目标检测方法是由秦勇;高阳;曹志威;彭根旺;连丽容;于杭;李威设计研发完成，并于2025-07-28向国家知识产权局提交的专利申请。

本一种无监督学习和多源数据的轨道异常目标检测方法在说明书摘要公布了：本发明提供了一种无监督学习和多源数据的轨道异常目标检测方法。该方法包括：获取原始轨道图像的灰度图IRGB和深度图ID，采用编码器和解码器构建单模态编解码网络，将灰度图IRGB和深度图ID输入到单模态编解码网络中，得到初始特征图FRGB和FD；构建类Mamba特征交叉转换模块，将初始特征图FRGB和FD输入到类Mamba特征交叉转换模块中，得到转换特征图FT‑D和FT‑RGB；将灰度图IRGB、深度图ID、初始特征图FRGB、FD、转换特征图FT‑D和FT‑RGB输入到异常图生成模块中，通过乘积和叠加的混合注意力方式生成最终异常图，根据最终异常图的每个坐标点的像素值实现对原始轨道图像中的异常目标的识别和定位。本发明利用多模态数据增强算法的鲁棒性和抗干扰性，提高了轨道智能巡检智能化水平。

本发明授权一种无监督学习和多源数据的轨道异常目标检测方法在权利要求书中公布了：1.一种无监督学习和多源数据的轨道异常目标检测方法，其特征在于，包括： 获取待进行异常目标检测的原始轨道图像的灰度图IRGB和深度图ID，采用编码器和解码器构建单模态编解码网络，将所述灰度图IRGB和所述深度图ID输入到所述单模态编解码网络中，得到初始特征图FRGB和FD，以及重建轨道图像的灰度图IR-RGB和深度图IR-D； 构建类Mamba特征交叉转换模块，将所述初始特征图FRGB和FD输入到类Mamba特征交叉转换模块中，得到转换特征图FT-D和FT-RGB； 将所述灰度图IRGB、深度图ID、初始特征图FRGB、FD、所述重建轨道图像的灰度图IR-RGB和深度图IR-D、转换特征图FT-D和FT-RGB输入到多重决策的异常图生成模块中，通过乘积和叠加的混合注意力方式生成最终异常图，根据最终异常图的每个坐标点的像素值实现对所述原始轨道图像中的异常目标的识别和定位； 所述的构建类Mamba特征交叉转换模块，将所述初始特征图FRGB和FD输入到类Mamba特征交叉转换模块中，得到转换特征图FT-D和FT-RGB，包括： 构造完成跨模态间特征相互投射的类Mamba特征交叉转换模块，该类Mamba特征交叉转换模块包括卷积块和类Mamba块，卷积块包括三层1×1的卷积层，类Mamba块由遗忘门分支和多路径联合卷积分支构成，遗忘门分支由归一化层Norm、线性变换层Linear和非线性SiLU激活函数构成，多路径联合卷积分支由线性层、卷积层、非线性SiLU激活函数、跳跃连接和相加操作构成，通道数被调整为两个模态通道数均值后，再转换为被投射模态的通道数； 将初始特征图FD和FRGB输入到类Mamba特征交叉转换模块中，通道数分别为256和128，先得到特征图FD1和特征图FRGB1，通道数分别为128和256，Conv3代表三层级联的卷积核为1×1的卷积操作； 再通过遗忘门分支聚焦局部特征表达，得到特征图FD2和FRGB2； 再通过多路径联合卷积分支得到特征图FD3和FRGB3，多路径联合卷积分支具体包括两个卷积层分支和一个跳跃连接，三个分支相加得到FD3和FRGB3； 特征图FD2和FD3逐元素点乘，并通过线性层，实现特征通道间的注意力权重分配，得到特征图FD4和FRGB4； 转换特征图FT-D由特征图FD1和特征图FD4相加得到，转换特征图FT-RGB由特征图FRGB1和特征图FRGB4相加得到； 。

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交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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。