買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西北工業(yè)大學(xué)申請的專利一種基于多任務(wù)學(xué)習(xí)的機場跑道線檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119723424B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-16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?zhí)?專利號為：202510166279.9，技術(shù)領(lǐng)域涉及：G06V20/40；該發(fā)明授權(quán)一種基于多任務(wù)學(xué)習(xí)的機場跑道線檢測方法是由劉小雄;胡彥超;高博陽;薛萬晗;黃歆偉;楊楠設(shè)計研發(fā)完成，并于2025-02-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于多任務(wù)學(xué)習(xí)的機場跑道線檢測方法在說明書摘要公布了：本發(fā)明屬于計算機視覺技術(shù)領(lǐng)域，具體公開了一種基于多任務(wù)學(xué)習(xí)的機場跑道線檢測方法，包括如下步驟：獲取跑道圖像數(shù)據(jù)；將跑道圖像數(shù)據(jù)輸入YOLOv8目標(biāo)檢測模塊，通過YOLOv8目標(biāo)檢測模塊對跑道圖像數(shù)據(jù)進行跑道線檢測，提取跑道圖像數(shù)據(jù)中的待檢測區(qū)域；將待檢測區(qū)域輸入粗定位區(qū)域跟蹤模塊，輸出待檢測區(qū)域中的目標(biāo)跑道區(qū)域；將目標(biāo)跑道區(qū)域輸入跑道特征檢測模塊，通過跑道特征檢測模塊輸出跑道圖像數(shù)據(jù)對應(yīng)的跑道信息。本發(fā)明可以提高跑道在復(fù)雜場景中的識別準(zhǔn)確度。解決了現(xiàn)有技術(shù)在復(fù)雜的場景中不夠魯棒的問題。

本發(fā)明授權(quán)一種基于多任務(wù)學(xué)習(xí)的機場跑道線檢測方法在權(quán)利要求書中公布了：1.一種基于多任務(wù)學(xué)習(xí)的機場跑道線檢測方法，其特征在于，所述方法包括： S1、獲取跑道圖像數(shù)據(jù)； 所述跑道圖像數(shù)據(jù)為連續(xù)的視頻幀圖像； S2、將所述跑道圖像數(shù)據(jù)輸入YOLOv8目標(biāo)檢測模塊，通過所述YOLOv8目標(biāo)檢測模塊對所述跑道圖像數(shù)據(jù)進行跑道線檢測，提取所述跑道圖像數(shù)據(jù)中的待檢測區(qū)域； 所述YOLOv8目標(biāo)檢測模塊包括第一特征提取模塊、第一特征融合模塊和檢測頭； 所述第一特征提取模塊用于對所述跑道圖像數(shù)據(jù)進行特征提取并對提取到的特征圖進行融合，得到初始融合特征圖； 所述第一特征融合模塊用于對所述融合特征圖進行進一步融合，得到融合特征圖； 所述檢測頭用于對所述融合特征圖進行檢測，輸出待檢測區(qū)域； S3、將所述待檢測區(qū)域輸入粗定位區(qū)域跟蹤模塊，通過所述粗定位區(qū)域跟蹤模塊確定初始幀中的待檢測區(qū)域中的待跟蹤目標(biāo)，基于所述待跟蹤目標(biāo)對初始幀之后的待檢測區(qū)域進行跑道目標(biāo)跟蹤，輸出所述待檢測區(qū)域中的目標(biāo)跑道區(qū)域； 所述粗定位區(qū)域跟蹤模塊的算法為核相關(guān)濾波目標(biāo)跟蹤算法； S4、將所述目標(biāo)跑道區(qū)域輸入跑道特征檢測模塊，通過所述跑道特征檢測模塊輸出所述跑道圖像數(shù)據(jù)對應(yīng)的跑道信息； 所述跑道特征檢測模塊包括第二特征提取模塊、第二特征融合模塊、語義分割分支和目標(biāo)檢測分支； 所述第二特征提取模塊用于提取目標(biāo)跑道區(qū)域的不同分辨率的特征圖； 所述第二特征融合模塊用于對不同分辨率的特征圖進行融合，得到不同尺度的融合特征； 所述語義分割分支用于對不同尺度的融合特征進行分割并識別，得到跑道線識別結(jié)果； 所述目標(biāo)檢測分支用于對不同尺度的融合特征進行輸出降采樣，并進行進一步的融合與識別，得到跑道號碼識別結(jié)果和跑道入口標(biāo)志識別結(jié)果； 所述第二特征提取模塊包括Focus模塊、C2f模塊、CBS模塊和SPPF模塊； 所述第二特征融合模塊采用了SPPF模塊和FPN網(wǎng)絡(luò)； 所述跑道特征檢測模塊的損失函數(shù)包括邊界框預(yù)測損失、分類損失、置信度損失、像素分割類別損失和像素分割CloU損失； 所述邊界框預(yù)測損失為： 其中，表示一幀圖像中的檢測到的目標(biāo)數(shù)量，表示預(yù)測目標(biāo)框與真實目標(biāo)框的交并比，表示第個預(yù)測目標(biāo)框的位置，表示第個預(yù)測目標(biāo)框的位置的真值，表示二值交叉熵損失； 所述分類損失為： 其中，表示第個預(yù)測目標(biāo)框的類別，表示第個預(yù)測目標(biāo)框的類別的真值； 所述置信度損失為： 其中，表示第個預(yù)測目標(biāo)框的置信度，表示第個預(yù)測目標(biāo)框的置信度的真值，表示平衡系數(shù)，用于平衡正負樣本的貢獻，且，表示訓(xùn)練步數(shù)為時的平衡系數(shù)，表示初始平衡系數(shù)，和分別表示訓(xùn)練步數(shù)為時的正負樣本數(shù)量，表示訓(xùn)練步數(shù)，表示總訓(xùn)練步數(shù)； 所述像素分割類別損失為： 其中，表示交叉熵損失，表示語義分割預(yù)測結(jié)果，表示語義分割標(biāo)注真值，表示交叉熵損失與Dice損失的平衡因子； 所述像素分割CloU損失為： 其中，表示語義分割預(yù)測結(jié)果與語義分割標(biāo)注真值的交并比，表示語義分割預(yù)測區(qū)域與語義分割標(biāo)注區(qū)域的形狀差異度量，表示參考面積，表示語義分割預(yù)測區(qū)域與語義分割標(biāo)注區(qū)域的邊緣差異度量，表示參考周長，表示權(quán)重系數(shù)。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西北工業(yè)大學(xué)，其通訊地址為：710068 陜西省西安市友誼西路127號；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)”。