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

龍圖騰網(wǎng)獲悉重慶交通大學申請的專利一種基于深度學習的輕量化橋梁表觀病害檢測方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN118429274B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202410413652.1，技術領域涉及：G06T7/00；該發(fā)明授權一種基于深度學習的輕量化橋梁表觀病害檢測方法是由張廷萍;杜屏羲;熊元俊;蔣仕新;黃雪梅設計研發(fā)完成，并于2024-04-08向國家知識產(chǎn)權局提交的專利申請。

本一種基于深度學習的輕量化橋梁表觀病害檢測方法在說明書摘要公布了：本發(fā)明公開了一種基于深度學習的輕量化橋梁表觀病害檢測方法，涉及混凝土建筑安全評估技術領域。本發(fā)明通過在YOLOv8神經(jīng)網(wǎng)絡中改進小目標檢測層網(wǎng)絡，舍棄了原檢測網(wǎng)絡的大目標檢測層，同時在YOLOv8神經(jīng)網(wǎng)絡C2f層中引入LMConv卷積，降低參數(shù)量的同時增強病害特征的提取能力，提高精度；分別合并YOLOv8檢測頭上BBoxLoss分支和ClsLoss分支上的兩個卷積，并用組卷積替換，并行計算降低計算量；同時引入了Inner?IoU，利用輔助邊界框打破原有損失函數(shù)的局限性，加快網(wǎng)絡的收斂并提升檢測能力。本發(fā)明提出的方法與原有的模型相比，參數(shù)量與計算量大幅降低，并且提高了檢測精度，有利于部署于算力有限的邊緣計算設備進行橋梁病害檢測。

本發(fā)明授權一種基于深度學習的輕量化橋梁表觀病害檢測方法在權利要求書中公布了：1.一種基于深度學習的輕量化橋梁表觀病害檢測方法，其特征在于：至少包括以下步驟： 步驟一：收集混凝土橋梁表觀病害數(shù)據(jù)集，對收集到的數(shù)據(jù)集預處理，然后進行數(shù)據(jù)增強； 步驟二：舍棄了YOLOv8中檢測大目標的檢測頭，減小模型的計算量和復雜度； 步驟三：使用LMConv替換YOLOv8中C2f層的Conv模塊，LMConv中的多尺度的提取特征以及逐點卷積，充分地利用冗余特征，使用最小的計算量來交換更豐富的特征信息； 步驟四：分別合并檢測頭上BBoxLoss分支和ClsLoss分支上的兩個卷積，并用組卷積替換，有效地減輕了模型的大小； 步驟五：引入Inner-IoU，與原始YOLOv8中的CIOU結(jié)合，利用輔助邊界框加快模型收斂速度，以不改變網(wǎng)絡結(jié)構，不增加網(wǎng)絡運算量的方式提高了網(wǎng)絡的精度； 所述步驟五引入Inner-IoU應用于YOLOv8中的CIOU結(jié)合的計算方式如下： union＝wgt*hgt*ratio2+w*h*ratio2-inter LInner-CIOU＝LCIOU+IOU-IOUinner 地面真實框和預測框分別記為Bgt和B，bl,br,bt和bb分別是預測框左邊界，右邊界，頂部邊界和底部邊界； 和分別是真實框左邊界，右邊界，頂部邊界和底部邊界； 真實框和innerGT框的中心點用表示，xc,yc表示預測框和Inner預測框的中心點； GT框的寬度和高度分別用wgt和hgt表示； 預測框的寬度和高度用w和h表示； 步驟六：對改進后的輕量型的網(wǎng)絡進行消融實驗和對比實驗來驗證改進網(wǎng)絡的有效性。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" href="https://iptop.www.hzsmkbearing.com.cn/list?keyword=%E9%87%8D%E5%BA%86%E4%BA%A4%E9%80%9A%E5%A4%A7%E5%AD%A6&temp=1">重慶交通大學，其通訊地址為：400000 重慶市南岸區(qū)學府大道66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)”。