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！

龙图腾网恭喜上海宇航系统工程研究所申请的专利基于深度学习内外双反馈的空间目标部件智能识别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：CN115049940B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202210695145.2，技术领域涉及：G06V10/82；该发明授权基于深度学习内外双反馈的空间目标部件智能识别方法是由王泽斌;金后;朱虹;徐峰;顾冬晴;唐生勇;卫国宁;计佳俊设计研发完成，并于2022-06-20向国家知识产权局提交的专利申请。

本基于深度学习内外双反馈的空间目标部件智能识别方法在说明书摘要公布了：本发明公开了一种基于深度学习内外双反馈的空间目标部件智能识别方法，包括1基于空间目标智能识别与损失函数构建的内反馈网络；2基于主成分分析、BP神经网络的空间目标图像质量评价和图像质量提升构建的外反馈网络。其中，内反馈智能识别基于VGG16神经网络搭建21层的深度卷积神经网络，网络中进一步扩大神经网络感受野以提升目标识别的准确率。外反馈链路中，图像质量评价采用空间图像常用4大类18项无参考图像质量评价指标，通过BP神经网络构建空间目标图像质量与部件识别准确率的关系模型，针对影响部件识别准确率的敏感项开展图像质量提升，实现消除空间环境固有“低质”影响因素下目标部件识别准确率的提升。

本发明授权基于深度学习内外双反馈的空间目标部件智能识别方法在权利要求书中公布了：1.基于深度学习内外双反馈的空间目标部件智能识别方法，其特征在于，包括如下步骤：S1、构建基于卷积神经网络与损失函数的内反馈网络，针对空间目标图像实现空间目标部件的初步检测，获得空间目标部件的识别准确率；S2、构建基于主成分分析、BP神经网络的空间目标图像质量评价和图像质量提升构建的外反馈网络，并将像质提升后的图像重新送入所述步骤S1中的基于卷积神经网络与损失函数的内反馈网络进行训练与识别，提升空间目标部件的识别准确率，拓宽在轨智能识别算法的环境适应性与识别鲁棒性；所述步骤S2包括：S2-1、构建空间目标图像质量评价参数库，提取18个无参考图像质量评价参数作为图像质量评价指标库，依次为灰度参数、纹理参数、边缘参数、其他参数；采用图像质量评价参数分别计算参与深度学习训练的空间目标样本集和参与智能识别的测试集图像的图像质量作为像质关联性分析的输入；S2-2、采用主成分分析方法进行空间目标图像质量评价参数的去相关处理以实现参数优选与数据降维，获得包含所述步骤S2-1中18个图像质量评价参数的无相关评价多项式；S2-3、采用BP神经网络构建目标图像质量参数与目标智能识别准确率间的关系描述，确定图像质量中影响部件识别准确率的敏感项；S2-4、针对图像质量中影响部件识别准确率的敏感项，基于空间光学相机全链路频域仿真模型生成的调制传递函数逆卷积与灰度非线性拉伸增强方法提升目标频域中高频信息与空间对比度。

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宇航系统工程研究所，其通讯地址为：201109 上海市闵行区元江路3888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”。