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

龍圖騰網(wǎng)獲悉青島理工大學(xué)申請的專利基于FastSAM-P的建筑構(gòu)件火損實時分割方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120147643B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510294697.6，技術(shù)領(lǐng)域涉及：G06V10/26；該發(fā)明授權(quán)基于FastSAM-P的建筑構(gòu)件火損實時分割方法是由劉才瑋;田立斌;余倩倩;宋力;苗吉軍;劉延春;吳慶東;宮哲;馮海暴設(shè)計研發(fā)完成，并于2025-03-13向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于FastSAM-P的建筑構(gòu)件火損實時分割方法在說明書摘要公布了：本發(fā)明涉及火災(zāi)損傷檢測方法技術(shù)領(lǐng)域，具體涉及基于FastSAM?P的建筑構(gòu)件火損實時分割方法，包括如下步驟：步驟1、明確火災(zāi)后RC結(jié)構(gòu)構(gòu)件表面混凝土爆裂及鋼筋露筋兩種損傷的類型及特征，并構(gòu)建起相應(yīng)的數(shù)據(jù)集用于網(wǎng)絡(luò)訓(xùn)練及驗證；步驟2、制定訓(xùn)練策略和評價指標(biāo)；步驟3、構(gòu)建基于FastSAM?P的建筑構(gòu)件火損實時分割網(wǎng)絡(luò)架構(gòu)。相較于傳統(tǒng)分割網(wǎng)絡(luò)，本發(fā)明在建筑火損識別任務(wù)中實現(xiàn)了分割精度與推理速度的協(xié)同優(yōu)化，具備顯著的技術(shù)先進(jìn)性和產(chǎn)業(yè)應(yīng)用價值。

本發(fā)明授權(quán)基于FastSAM-P的建筑構(gòu)件火損實時分割方法在權(quán)利要求書中公布了：1.基于FastSAM-P的建筑構(gòu)件火損實時分割方法，其特征為，包括如下步驟： 步驟1、明確火災(zāi)后RC結(jié)構(gòu)構(gòu)件表面混凝土爆裂及鋼筋露筋兩種損傷的類型及特征，并構(gòu)建起相應(yīng)的數(shù)據(jù)集用于網(wǎng)絡(luò)訓(xùn)練及驗證； 步驟2、制定訓(xùn)練策略和評價指標(biāo)； 步驟3、構(gòu)建基于FastSAM-P的建筑構(gòu)件火損實時分割網(wǎng)絡(luò)架構(gòu)； 所述的步驟3包括如下內(nèi)容：（1）在YOLOv8的backbone部分中將C2F模塊替換為DSCConv模塊；基于SCConv模塊，通過加入DeformableConvolution模塊，形成DSCConv模塊；（2）在YOLOv8的backbone部分中將SPPF模塊替換為RFB模塊；（3）將FastSAM網(wǎng)絡(luò)中的FPN模塊替換成PPSM模塊：基于金字塔池化模塊，通過加入注意力模塊，形成PPSM，通過多尺度池化操作提取豐富的上下文信息，從而增強網(wǎng)絡(luò)對混凝土火損分割任務(wù)中多尺度目標(biāo)的識別能力； 所述的步驟3中，PPSM對輸入的特征圖進(jìn)行不同尺度的全局池化操作，生成多尺度的特征表示，通過注意力模塊進(jìn)行特征的快速提取，并通過上采樣與原始特征圖融合，最終實現(xiàn)全局上下文信息與局部細(xì)節(jié)特征的有機結(jié)合；PPSM通過對特征圖進(jìn)行不同尺度的池化操作，生成多個尺度的上下文信息，具體包括以下4個尺度的池化：（31）全局池化1×1：對特征圖進(jìn)行全局平均池化，捕獲整個圖像的全局上下文信息；（32）中等尺度池化2×2：將特征圖劃分為2×2的子區(qū)域并進(jìn)行池化，提取較大區(qū)域的語義信息；（33）較小尺度池化3×3或4×4：將特征圖劃分為3×3或4×4的子區(qū)域并進(jìn)行池化，專注于較小區(qū)域的特征提取；（34）原始尺度特征：保留未池化的原始特征圖，以保留高分辨率的細(xì)節(jié)信息；而后PPSM通過上采樣操作將不同尺度的池化特征恢復(fù)到原始特征圖的尺寸，然后與原始特征圖進(jìn)行逐像素拼接； 所述的步驟（34）的包括如下具體步驟：每個尺度的池化特征圖通過雙線性插值上采樣，恢復(fù)到與原始特征圖相同的分辨率，而后將上采樣后的多尺度特征圖與原始特征圖進(jìn)行通道維度的拼接，形成融合后的特征表示，最后通過融合全局上下文信息和局部細(xì)節(jié)特征，模型同時處理大面積墻體區(qū)域和狹窄邊界區(qū)域，從而提升分割精度。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人青島理工大學(xué)，其通訊地址為：266520 山東省青島市黃島區(qū)嘉陵江東路777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)”。