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！

龙图腾网恭喜国网福建省电力有限公司电力科学研究院;国网福建省电力有限公司;国家电网有限公司申请的专利一种输电线路通道速生树种识别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：CN115775359B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202211524233.2，技术领域涉及：G06V20/17；该发明授权一种输电线路通道速生树种识别方法及系统是由林承华;陈伯建;吴文斌;梁曼舒;郑国涛;张伟豪;张锋;李哲舟;陈卓磊设计研发完成，并于2022-12-01向国家知识产权局提交的专利申请。

本一种输电线路通道速生树种识别方法及系统在说明书摘要公布了：本发明公开了一种输电线路通道速生树种识别方法及系统，具体包括以下步骤：使用旋转目标检测算法识别杆塔在全景拼图中的位置；根据杆塔位置划定输电线路缓冲区；使用语义分割识别所述输电线路缓冲区内的速生树种；生成表示速生树种分布的空间数据开放格式的文件，本发明基于输电线路通道无人机巡检全景拼图，采用优化的OrientedR‑CNN模型通过旋转目标检测算法获取杆塔位置，针对速生树林大小形状不定、特征较为简单的特点，对现有的UperNet模型进行了优化，以较准确识别出速生树种，提高了工作效率和准确率，克服了原有人工进行输电线路树种隐患分析效率低下的问题。

本发明授权一种输电线路通道速生树种识别方法及系统在权利要求书中公布了：1.一种输电线路通道速生树种识别方法，其特征在于，具体包括以下步骤：S1、获取输电线路通道全景拼图，对所述输电线路通道全景拼图进行预处理获得第一切片数据集，将第一切片数据集按比例划分为第一切片训练集和第一切片测试集；S2、构建杆塔目标检测模型，将第一切片训练集输入杆塔目标检测模型进行迭代训练，在进行N次迭代训练后得到训练完成的杆塔目标检测模型，并将第一切片测试集输入杆塔目标检测模型测试性能；S3、将待检测全景拼图输入杆塔目标检测模型获得杆塔位置，根据杆塔位置划定输电线路缓冲区，对所述输电线路缓冲区进行预处理获得第二切片数据集，将第二切片数据集按比例划分为第二切片训练集和第二切片测试集；S4、构建速生树种识别模型，将第二切片训练集输入速生树种识别模型进行迭代训练，在进行N次迭代训练后得到训练完成的速生树种识别模型，并将第二切片测试集输入速生树种识别模型测试性能；S5、将待检测全景拼图输入速生树种识别模型，生成表示速生树种分布的空间数据开放格式的文件；步骤S2中所述杆塔目标检测模型为优化后的OrientedR-CNN模型，其中，OrientedR-CNN模型优化的具体步骤为：对预设锚框的横纵比及尺度进行扩展，优化后的AnchorScales为8，AnchorRatios为[0.5，1，2]；模型的img_size参数设置为1024，优化器设为AdamW，betas设为0.9,0.999，lr设为0.0001，weight_decay设为0.05；backbone设为SwinTransformer-tiny；归一化参数mean为[101.319,120.211,108.69]，std为[36.037,36.945,42.36]；使用长边定义法来定义旋转框；所述步骤S5中的速生树种识别模型为优化后的UperNet模型，其中，UperNet模型优化的具体步骤为：将UperNet中的fpn的最后两层拼接起来，作为fpn_bottleneck的输入；fpn_bottleneck输入通道数为2*512，输出通道数为512，卷积核大小设为3，stride为1，padding为1；UperNet_head的loss_weight设为0.9；归一化参数mean为[101.319,120.211,108.69]，std为[36.037,36.945,42.36]；模型的image_size设为672；数据增强中Resize的ratio_range设为0.7,1.1，backbone设为SwinTransformer-small；auxiliary_head设为FCNHead，in_channels设为512,channels设为256，dropout_ratio设为0.15，loss_weight设为0.5。

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国网福建省电力有限公司电力科学研究院;国网福建省电力有限公司;国家电网有限公司，其通讯地址为：350007 福建省福州市仓山区复园支路48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”。