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！

龍圖騰網獲悉中南民族大學申請的專利一種基于改進YOLOv7的城市低空小型無人機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：CN117115686B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202310935016.0，技術領域涉及：G06V20/17；該發明授權一種基于改進YOLOv7的城市低空小型無人機檢測方法及系統是由白迪;黃謙;崔勇強;陳少平;江小平;李大為設計研發完成，并于2023-07-27向國家知識產權局提交的專利申請。

本一種基于改進YOLOv7的城市低空小型無人機檢測方法及系統在說明書摘要公布了：本發明提供了一種基于改進YOLOv7的城市低空小型無人機檢測方法及系統，構建數據集，將數據集分為訓練集和測試集，并搭建YOLOv7基本網絡結構，其包括輸入端Input、主干網絡Backbone、特征融合網絡Neck和檢測頭部Head；使用RepVGG結構和CBS卷積層取代主干網絡中的第一ELAN結構；使用C3m模塊替換特征融合網絡中的ELAN?H結構；在主干網絡和特征融合網絡之間添加卷積注意力機制，得到改進的YOLOv7模型；利用訓練集對改進的YOLOv7模型進行訓練，并使用測試集對訓練后的改進的YOLOv7模型進行測試，得到訓練好的改進的YOLOv7模型；使用訓練好的改進的YOLOv7模型對實際獲取的圖像進行無人機目標識別。本發明的有益效果是：大大提升了對于“城市低空復雜背景下小型無人機目標”的檢測精度和檢測速度。

本發明授權一種基于改進YOLOv7的城市低空小型無人機檢測方法及系統在權利要求書中公布了：1.一種基于改進YOLOv7的城市低空小型無人機檢測方法，其特征在于：包括： S1：構建數據集，將所述數據集分為訓練集和測試集，并搭建YOLOv7基本網絡結構，所述YOLOv7基本網絡結構包括輸入端Input、主干網絡Backbone、特征融合網絡Neck和檢測頭部Head； S2：使用RepVGG結構和CBS卷積層取代主干網絡Backbone中的第一ELAN結構； RepVGG結構通過結構重參數化實現模型訓練階段和推理階段的解耦： 訓練階段時，RepVGG結構主要由3×3卷積、1×1卷積和identity殘差分支組成，激活函數為ReLU； 推理階段時，RepVGG結構采用單路結構，僅包含3×3卷積和ReLU激活函數； S3：使用C3m模塊替換特征融合網絡Neck中的ELAN-H結構； C3m模塊是對C3模塊進行改進所得，將C3模塊的一個分支Conv2d+BN+SiLu改進為卷積神經網絡Conv2d，并用Mish激活函數替換另一個分支其中一處Conv2d+BN+SiLu中的SiLu激活函數； S4：在主干網絡Backbone和特征融合網絡Neck之間添加卷積注意力模塊，得到改進的YOLOv7模型； 在特征融合網絡Neck兩次拼接之前，先對特征信息進行一次篩選，即在CBS卷積層之前分別插入一個卷積注意力模塊CBAM； 特征圖經過卷積注意力模塊的計算公式為： MF＝σMCF+MSF1 其中，F為輸入的特征圖，McF表示通道注意力模塊，MsF表示空間注意力模塊，σ表示sigmoid函數； 特征圖經過通道注意力模塊的計算公式為： 其中，MLP表示全連接層，AvgPool表示平均池化，MaxPool表示最大池化，W0和W1為共享全連接層的權重，表示經平均池化得到的特征圖，表示經最大池化得到的特征圖； 特征圖經過空間注意力模塊的計算公式為： 其中，f7×7表示7×7的卷積； S5：利用訓練集對改進的YOLOv7模型進行訓練，并使用測試集對訓練后的改進的YOLOv7模型進行測試，得到訓練好的改進的YOLOv7模型； S6：使用訓練好的改進的YOLOv7模型對實際獲取的圖像進行無人機目標識別。

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中南民族大學，其通訊地址為：430074 湖北省武漢市洪山區民族大道708號、823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”。