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！

龙图腾网获悉浙江华是科技股份有限公司申请的专利基于传统算法和深度学习的抛洒物检测方法及系统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：CN119559452B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202510129011.8，技术领域涉及：G06V10/764；该发明授权基于传统算法和深度学习的抛洒物检测方法及系统是由叶建标;陈奇;张进虎;沈跃忠;余凤寅;占冰倩;盛凯威设计研发完成，并于2025-02-05向国家知识产权局提交的专利申请。

本基于传统算法和深度学习的抛洒物检测方法及系统在说明书摘要公布了：本发明公开一种基于传统算法和深度学习的抛洒物检测方法及系统。其中，该方法包括：将原始点云集依次进行背景过滤、类别标注、数据增强、栅格化操作和栅格化分区、地面过滤、点云补偿得到后处理点云集；将后处理点云集作为训练样本进行模型训练，并引入离地高度因子，得到目标点云分割网络模型；将待检测点云依次进行背景过滤、地面过滤、点云补偿，得到待检测后处理点云；将待检测后处理点云输入到目标点云分割网络模型进行预测，得到每个点的类别；将类别为抛洒物的点提取出来并计算其外接框，得到抛洒物的中心位置和长宽高尺寸信息。本发明的方法可以精准检测小目标抛洒物，在保证抛洒物检测效率的同时，提高了检测精度。

本发明授权基于传统算法和深度学习的抛洒物检测方法及系统在权利要求书中公布了：1.一种基于传统算法和深度学习的抛洒物检测方法，其特征在于，包括：S1、获取原始点云集，将所述原始点云集进行背景过滤，得到过滤背景点云集；将所述过滤背景点云集中的每个点云进行类别标注，并进行数据增强，得到数据增强点云集；S2、将所述数据增强点云集中的每个点云进行栅格化操作，并将每个点云中的所有点进行栅格化分区，得到每个点云所对应的栅格化点集容器；对所述数据增强点云集中的每个点云中的每个点增加一个所在栅格的地面高度标签值；S3、将所述数据增强点云集中的每个点云通过传统点云算法进行地面过滤，得到滤除地面点云集；S4、将滤除地面点云集中每个点云进行点云补偿，得到后处理点云集；将滤除地面点云集中当前点云进行点云补偿包括：将当前点云中的每个点进行邻域搜索得到每个点对应的所有邻域点；根据每个点对应的所有邻域点和其对应的栅格化点集容器，对当前点云进行点云补偿；S5、将原始点云分割网络模型中的交叉熵损失函数增加离地高度因子，得到更改点云分割网络模型；将后处理点云集通过更改点云分割网络模型进行多轮训练，得到每轮的交叉熵损失值；根据当前轮的交叉熵损失值反向更新所述更改点云分割网络模型；取交叉熵损失值最小的训练轮次对应的更改点云分割网络模型作为目标点云分割网络模型；S6、获取待检测点云，将待检测点云依次进行背景过滤、地面过滤、点云补偿，得到待检测后处理点云；将待检测后处理点云输入到目标点云分割网络模型进行预测，得到待检测后处理点云中每个点的类别；将类别为抛洒物的点提取出来并计算其外接框，得到抛洒物的中心位置和长宽高尺寸信息；所述将后处理点云集通过更改点云分割网络模型进行多轮训练，得到每轮的交叉熵损失值包括：将后处理点云集中每个后处理点云通过更改点云分割网络模型进行当前轮训练，得到每个后处理点云的交叉熵损失值；将所有后处理点云的交叉熵损失值求和并求平均得到当前轮的交叉熵损失值；所述每个后处理点云的交叉熵损失值均根据以下公式计算： 其中，L为当前后处理点云的交叉熵损失值，N为当前后处理点云的总点数，i为当前后处理点云的第i个点，M为当前后处理点云中类别的数量，c为当前后处理点云中第i个点通过更改点云分割网络模型预测为第c个类别，若第i个点的类别标签等于c，则yic取1，否则yic取0，pic为当前后处理点云中第i个点通过更改点云分割网络模型预测为第c个类别的预测概率，为当前后处理点云中第i个点的离地高度因子，zi为当前后处理点云中第i个点的z坐标值，hi为当前后处理点云中第i个点的地面高度标签值。

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浙江华是科技股份有限公司，其通讯地址为：311100 浙江省杭州市余杭区闲林街道嘉企路16号3幢1楼；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”。