買(mǎi)專利賣(mài)專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉成都理工大學(xué);成理智源科技(成都)有限公司申請(qǐng)的專利基于無(wú)人機(jī)影像的建筑物損壞識(shí)別及標(biāo)記方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120472356B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510986478.4，技術(shù)領(lǐng)域涉及：G06V20/17；該發(fā)明授權(quán)基于無(wú)人機(jī)影像的建筑物損壞識(shí)別及標(biāo)記方法是由歐鷗;林源晨;冉暢;李建設(shè)計(jì)研發(fā)完成，并于2025-07-17向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于無(wú)人機(jī)影像的建筑物損壞識(shí)別及標(biāo)記方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于無(wú)人機(jī)影像的建筑物損壞識(shí)別及標(biāo)記方法，屬于圖像數(shù)據(jù)處理技術(shù)領(lǐng)域，包括步驟：構(gòu)造包含損壞建筑物的數(shù)據(jù)集D；構(gòu)造改進(jìn)目標(biāo)檢測(cè)網(wǎng)絡(luò)；選擇損失函數(shù)為WIoU，并用數(shù)據(jù)集D以最小化WIoU訓(xùn)練改進(jìn)目標(biāo)檢測(cè)網(wǎng)絡(luò)至收斂，得到改進(jìn)目標(biāo)識(shí)別模型；由無(wú)人機(jī)搭載云臺(tái)相機(jī)拍攝待識(shí)別的航拍圖，輸入改進(jìn)目標(biāo)識(shí)別模型，得到識(shí)別圖，并定位到地圖。本發(fā)明能精確從航拍圖中識(shí)別受損的建筑物，并能利用無(wú)人機(jī)的POS信息和云臺(tái)相機(jī)信息，直接標(biāo)記出受損地方的世界坐標(biāo)，并直接返回一張帶標(biāo)記的地圖方便管理人員進(jìn)行受災(zāi)地區(qū)的受損情況的實(shí)時(shí)評(píng)估，在通信受限地區(qū)可以快速得到結(jié)果。

本發(fā)明授權(quán)基于無(wú)人機(jī)影像的建筑物損壞識(shí)別及標(biāo)記方法在權(quán)利要求書(shū)中公布了：1.一種基于無(wú)人機(jī)影像的建筑物損壞識(shí)別及標(biāo)記方法，其特征在于，包括以下步驟； S1，構(gòu)造包含損壞建筑物的數(shù)據(jù)集D； 獲取多張不同場(chǎng)景下包含損壞建筑物的圖像，對(duì)每張圖像，將損壞建筑物作為目標(biāo)進(jìn)行標(biāo)注得到樣本，所有樣本構(gòu)成數(shù)據(jù)集D； S2，構(gòu)造改進(jìn)目標(biāo)檢測(cè)網(wǎng)絡(luò)，包括S21~S24； S21，獲取一YOLOv11目標(biāo)檢測(cè)網(wǎng)絡(luò)，包括主干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)和頭部網(wǎng)絡(luò)，其中，主干網(wǎng)絡(luò)從上到下包括四個(gè)C3K2模塊，主干網(wǎng)絡(luò)最后一層為SPPF層，且主干網(wǎng)絡(luò)依次從第二個(gè)C3K2模塊、第三個(gè)C3K2模塊和SPPF層的輸出端輸出第一特征圖~第三特征圖； 所述頸部網(wǎng)絡(luò)包括3個(gè)輸入端和3個(gè)輸出端，其中第i個(gè)輸入端標(biāo)記為第i輸入端，對(duì)應(yīng)輸入第i特征圖，1≤i≤3，3個(gè)輸出端分別連接頭部網(wǎng)絡(luò)的3個(gè)檢測(cè)頭，所述檢測(cè)頭包括分類分支和回歸分支； S22，復(fù)制一主干網(wǎng)絡(luò)，將兩個(gè)主干網(wǎng)絡(luò)分別標(biāo)記為B1和B2，并在兩個(gè)第i特征圖間設(shè)置通道拼接層，用于將兩個(gè)第i特征圖拼接為第i拼接圖，輸入頸部網(wǎng)絡(luò)的第i輸入端，1≤i≤3； S23，在C3K2模塊中引入MLLA模型得到C3K2-MB模塊，在C3K2模塊中引入聚合注意力層得到C3K2-AggregatedAtt模塊； S24，用C3K2-MB模塊替換B1中的每個(gè)C3K2模塊，用C3K2-AggregatedAtt模塊替換B1中的數(shù)個(gè)C3K2模塊，在分類分支和回歸分支中增加HS-FPN，得到改進(jìn)目標(biāo)檢測(cè)網(wǎng)絡(luò)； S3，選擇損失函數(shù)為WIoU，用數(shù)據(jù)集D以最小化WIoU訓(xùn)練改進(jìn)目標(biāo)檢測(cè)網(wǎng)絡(luò)至收斂，得到改進(jìn)目標(biāo)識(shí)別模型； S4，由無(wú)人機(jī)搭載云臺(tái)相機(jī)拍攝待識(shí)別的航拍圖，輸入改進(jìn)目標(biāo)識(shí)別模型，得到識(shí)別圖，并定位到地圖； S23中，構(gòu)造C3K2-MB模塊的方法為： 獲取一C3K2模塊，包括多層堆疊的C3K模塊，C3K模塊內(nèi)又包含多層堆疊的瓶頸層，用MLLA模型替換C3K2模塊中的瓶頸層，得到C3K2-MB模塊； 構(gòu)造C3k2-AggregatedAtt模塊的方法為； Sa1，構(gòu)造C3k-AggregatedAtt模塊： 獲取C3k模塊，包括卷積層、N個(gè)瓶頸層、通道拼接層、CBS層； 用聚合注意力層替換瓶頸層，N個(gè)聚合注意力層從上到下依次連接，且每個(gè)聚合注意力層的輸出均連接通道拼接層，通道拼接層的輸出端接CBS層，得到C3k-AggregatedAtt模塊； Sa2，用C3k-AggregatedAtt模塊替換C3K2模塊中的瓶頸層，得到C3k2-AggregatedAtt模塊； S24中，在分類分支和回歸分支中增加HS-FPN，具體為； 所述分類分支包括依次連接的CBS層、深度可分離卷積層、CBS層、深度可分離卷積層、CBS層、HS-FPN層、二維卷積層、HS-FPN層，并通過(guò)最后一個(gè)HS-FPN層的輸出計(jì)算分類損失； 所述回歸分支包括依次連接的2個(gè)CBS層、HS-FPN層、二維卷積層、HS-FPN層，并通過(guò)最后一個(gè)HS-FPN層的輸出計(jì)算邊界框損失。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人成都理工大學(xué);成理智源科技(成都)有限公司，其通訊地址為：610059 四川省成都市成華區(qū)二仙橋東三路1號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。