公开(公告)号：CN119851018A

公开(公告)日：2025-04-18

申请号：CN202411914219.2

申请日：2024-12-24

Applicant: 中国矿业大学(北京)

Inventor： 杜守航 ,  杜磊 ,  冯翠 ,  孙文彬 ,  范德芹

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/44 ,  G06V10/26 ,  G06V10/75 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明公开了一种面向大区域风力发电机识别的多任务学习方法，包括：构建增强的特征融合模块，引入阴影特征和线性手工特征增强深度视觉特征，利用风力发电机的空间分布，增强对重要区域的关注。融合后特征进行场景分类和目标检测的多任务学习，构建地理空间约束条件下的二分类模型进行场景分类，引入土地利用数据提高场景分类的精度，降低大范围检测过程中的误检率，提升检测速度。通过增量学习模块引导浅层特征学习，提升小目标检测效果。基于自制数据集训练模型，进行大范围场景下的风力发电机多任务学习。能提高大范围场景中风力发电机识别定位的速度和精度，为风电能源发展提供可靠依据，评估环境影响，保证风电能源可持续友好发展。