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！

龙图腾网获悉江西飞行学院申请的专利基于无人机双目视觉的接触网异物和钢轨损伤检测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：CN121527550B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610049133.0，技术领域涉及：G06V10/764；该发明授权基于无人机双目视觉的接触网异物和钢轨损伤检测方法是由吴宸;武琳;陈智航;叶紫琴;蒋鹏飞;胡宏炜;王翠文;冯孝慈;余沪缘设计研发完成，并于2026-01-15向国家知识产权局提交的专利申请。

本基于无人机双目视觉的接触网异物和钢轨损伤检测方法在说明书摘要公布了：基于无人机双目视觉的接触网异物和钢轨损伤检测方法，步骤如下：1基于数字孪生与空域协同的智能航线规划与安全确认；2基于多源传感器融合的实时环境感知与高鲁棒性飞行控制；3采集轨道沿线设备的图像；4图像数据预处理；5构建用于模型训练的高质量标注数据集；6改进型YOLOv11检测模型的构建；7基于改进YOLOv11模型的关键部件与区域初级定位；8基于定位区域的精细化缺陷识别与分类；9检测结果上报与预警。本发明能够在高铁特有的高压强电磁等复杂环境下稳定、可靠运行，保证了检测任务的连续性和数据的一致性。

本发明授权基于无人机双目视觉的接触网异物和钢轨损伤检测方法在权利要求书中公布了：1.基于无人机双目视觉的接触网异物和钢轨损伤检测方法，其特征在于，所述方法步骤如下： 1基于数字孪生与空域协同的智能航线规划与安全确认； 2基于多源传感器融合的实时环境感知与高鲁棒性飞行控制； 3通过双目视觉相机组采集轨道沿线设备的图像； 4对收集到的无人机监控轨道图像数据进行预处理； 5构建用于模型训练的高质量标注数据集； 6通过在特征金字塔网络中集成协调注意力模块，采用动态纹理注意力特征融合网络替代标准特征金字塔，并在双向融合路径中引入动态纹理注意力模块，从而构建改进型YOLOv11检测模型； 7缺陷及异物检测：将预处理的图像输入已部署的改进型YOLOv11检测模型进行两级检测推理：改进型YOLOv11检测模型对输入的全景图像进行推理，输出接触网关键部件与钢轨区域的精准定位信息；再根据上述定位结果，从原图中裁剪出对应的部件子图像和钢轨子图像，并再次输入模型进行精细扫描和特征分析，判定存在缺陷和异物的具体类型； 8检测结果上传与预警； 所述构建改进型YOLOv11检测模型如下： a模型基础结构与数学表达： 设输入图像为，其中H和W分别为图像的高和宽；模型F的参数为θ，其前向传播过程表示为： 其中： 代表预测的第i个边界框的中心坐标和宽高； 是一个K维向量，代表第i个边界框内目标属于K个预设类别的置信度分数； 是第i个边界框内存在目标的总体置信度；N是模型预测的边界框总数； 模型的训练通过最小化一个多任务损失函数来实现： ； 是边界框回归损失，采用CIOULoss，能更好地衡量预测框与真实框的重合度、中心点距离和宽高比； 是目标置信度损失，衡量模型判断框内是否存在目标的能力； 是分类损失，衡量模型对目标类别的判别能力； 是平衡不同损失项的超参数； b改进型YOLOv11检测模型： 在模型的特征金字塔网络中，引入协调注意力模块A；所述模块A不仅考虑了通道间的信息，还编码了精确的位置信息，使得模型能更精准地定位到远距离的、小尺寸的缺陷目标；其操作简化为： ； 其中，X是输入特征图，的作用是将分别从高度和宽度两个维度提取的全局信息进行融合，和分别表示沿高度和宽度方向的全局平均池化，为1×1卷积变换，σ为Sigmoid激活函数，表示逐元素乘法，Y表示增强后的输出特征图；重要特征被强化，无关特征被抑制； 针对小目标的浅层特征强化：调整了模型的主干网络与颈部网络之间的连接，将更浅层的高分辨率特征图更早地融合到特征金字塔中；这为模型提供了更丰富的细节信息，显著提升了对像素级小裂纹和细微异物的特征提取能力； c改进型YOLOv11检测模型基于YOLO架构，快速空间金字塔池化和注意力机制以增强小目标检测能力；模型通过损失函数优化训练，损失函数包括分类损失、定位损失和置信度损失；将步骤5中训练得到的最优权重文件部署至无人机机载计算平台，完成模型的加载与初始化，为实时图像推理做好准备。

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江西飞行学院，其通讯地址为：330088 江西省南昌市红谷滩区红角洲卧龙路269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”。

以上内容由龙图腾AI智能生成。