買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南昌工程學院申請的專利一種面向復雜背景干擾的紅外圖像自適應檢測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120298679B 。

龍圖騰網通過國家知識產權局官網在2025-09-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510787283.7，技術領域涉及：G06V10/25；該發明授權一種面向復雜背景干擾的紅外圖像自適應檢測方法及系統是由曾兵;周志豪;付佳晨;劉邦;巫平強;謝云敏;曾赟;李得志;萬好;華威;陳美熙;文毅欣;劉嘉;梁興;劉劍冰;陳顯彪;楊小品;張文華設計研發完成，并于2025-06-13向國家知識產權局提交的專利申請。

本一種面向復雜背景干擾的紅外圖像自適應檢測方法及系統在說明書摘要公布了：本發明公開了一種面向復雜背景干擾的紅外圖像自適應檢測方法及系統，方法包括：構建YOLO?CCA網絡模型，YOLO?CCA網絡模型包括主干網絡、頸部網絡以及頭部網絡；獲取至少一個歷史變電設備紅外圖像，并對至少一個歷史變電設備紅外圖像進行標注，得到與至少一個歷史變電設備紅外圖像相對應的標注信息；將至少一個歷史變電設備紅外圖像和標注信息輸入至YOLO?CCA網絡模型中進行迭代訓練，得到自適應檢測模型；將獲取的實時變電設備紅外圖像輸入至自適應檢測模型中，輸出得到與實時變電設備紅外圖像相對應的檢測結果。通過靈活設置損失權重實現定位和分類任務的協同優化，從整體上解決變電設備在復雜背景下分類與定位預測不一致的問題。

本發明授權一種面向復雜背景干擾的紅外圖像自適應檢測方法及系統在權利要求書中公布了：1.一種面向復雜背景干擾的紅外圖像自適應檢測方法，其特征在于，包括： 構建YOLO-CCA網絡模型，所述YOLO-CCA網絡模型包括主干網絡、頸部網絡以及頭部網絡，其中，所述頭部網絡中的目標損失函數的表達式為： ， 式中，為目標損失函數，為動態調節指數質量焦點損失函數的融合權重系數，為動態調節指數質量焦點損失函數，為噪聲魯棒型焦點損失函數的融合權重系數，為噪聲魯棒型焦點損失函數； 所述動態調節指數質量焦點損失函數的表達式為： ， ， ， 式中，為YOLO-CCA網絡模型輸出的logit值，即未經激活的原始預測值，為sigmoid激活函數，用于將logit值映射到[0,1]區間，其中，為真實置信度標簽，取值范圍為[0,1]，為二值交叉熵損失函數，衡量與真實標簽之間的差距，為自適應調制指數，為初始調制指數，設為1～2，為調節動態范圍的超參數，默認為1，表示當真實標簽=0時的二元交叉熵損失，為代表的真實標簽=0時的調制指數； 所述噪聲魯棒型焦點損失函數的表達式為： ， 式中，為標簽置信度，，反映標簽是否準確或為偽標簽，為真實類別標簽，，1表示正類，0表示負類，為正類樣本的基本權重參數，默認為1，用于平衡正負樣本比例，為降低漏檢率的調節參數，默認為1，為經過sigmoid激活后的預測概率，其中，為預測概率與真實標簽一致的部分，其中，若，則，若，則，為常數，取值為，為正則化項的權重超參數，z為模型輸出的logit值，即未經激活的原始預測值； 所述主干網絡包括：Conv卷積模塊以及C2MFPPC模塊； 在所述主干網絡中，輸入圖像經過兩次Conv卷積模塊操作將圖像縮小至160×160大小，通道數為128；其次，依次經過3個C2MFPPC模塊操作、1個Conv卷積模塊操作、6個C2MFPPC模塊操作、1個Conv卷積模塊操作、3個C2MFPPC模塊操作、1個Conv卷積模塊操作以及3個C2MFPPC模塊操作； 所述C2MFPPC模塊包括Conv卷積模塊、split模塊以及MFPPC模塊，其中，輸入特征通過一次Conv卷積模塊操作，隨后，連接一個split模塊用于通道分割，得到兩個輸出特征，將兩個特征分別經過Conv卷積模塊操作、2個MFPPC模塊操作，并將兩次操作得到的特征進行通道堆疊，最后，經過Conv卷積模塊操作，得到最終輸出結果； 所述頸部網絡包括：CFC注意力機制模塊、SPPF空間金字塔模塊、Upsample上采樣模塊、Concat堆疊模塊、Conv卷積模塊以及自適應多尺度特征融合網絡； 所述CFC注意力機制模塊包括Conv卷積模塊、FWA模塊以及Concat通道堆疊模塊，其中，輸入特征依次經過Conv卷積模塊操作和2個FWA模塊操作，得到三個特征；根據Concat通道堆疊模塊對三個特征進行通道堆疊得到新的特征；將新的特征經過Conv卷積模塊模型操作得到輸出結果； 獲取至少一個歷史變電設備紅外圖像，并對所述至少一個歷史變電設備紅外圖像進行標注，得到與所述至少一個歷史變電設備紅外圖像相對應的標注信息； 將所述至少一個歷史變電設備紅外圖像和所述標注信息輸入至所述YOLO-CCA網絡模型中進行迭代訓練，得到自適應檢測模型； 將獲取的實時變電設備紅外圖像輸入至所述自適應檢測模型中，所述自適應檢測模型輸出得到與所述實時變電設備紅外圖像相對應的檢測結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南昌工程學院，其通訊地址為：330000 江西省南昌市高新區天祥大道289號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。