Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东大学郭峰获国家专利权

山东大学郭峰获国家专利权

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!

龙图腾网获悉山东大学申请的专利一种基于三段式平行网络架构的轨道扣件状态识别方法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:CN119478524B

龙图腾网通过国家知识产权局官网在2025-07-22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:202411593618.3,技术领域涉及:G06V10/764;该发明授权一种基于三段式平行网络架构的轨道扣件状态识别方法是由郭峰;刘健;寇磊;张翰鸣;牛沛;崔立桩设计研发完成,并于2024-11-08向国家知识产权局提交的专利申请。

一种基于三段式平行网络架构的轨道扣件状态识别方法在说明书摘要公布了:本发明提出了一种基于三段式平行网络架构的轨道扣件状态识别方法,包括:获取轨道巡检图像;构建卷积神经网络CNN骨干网络,对轨道扣件的图像进行多尺度特征提取;利用局部特征分支对扣件特征进行卷积处理和上采样处理得到局部扣件特征;利用全局特征分支对扣件特征进行全局平均池化和卷积处理;利用以VisionTransformer为基础的架构的掩膜生成分支对扣件特征进行处理,生成轨道扣件的原型掩膜;将局部、全局和掩膜扣件特征进行融合;将扣件特征图进行非最大抑制和掩膜生成;对轨道扣件的健康状态进行分析。本发明结合CNN骨干网络和VisionTransformer,提出一种新的三段式平行网络架构,通过实例分割实现轨道扣件的精确识别和状态分析,提升复杂环境下的识别精度。

本发明授权一种基于三段式平行网络架构的轨道扣件状态识别方法在权利要求书中公布了:1.一种基于三段式平行网络架构的轨道扣件状态识别方法,其特征在于,包括如下步骤: 步骤S1,获取轨道巡检图像,对所述轨道巡检图像进行预处理,包括:对所述轨道巡检图像中的轨道扣件图像进行对比度增强; 步骤S2,构建卷积神经网络CNN骨干网络,利用所述CNN骨干网络对轨道扣件的图像进行多尺度特征提取,分阶段提取得到轨道扣件的低层扣件特征、中尺度扣件特征、中高层次扣件特征和高层扣件特征; 采用四个阶段,分阶段提取得到轨道扣件的低层扣件特征、中尺度扣件特征、中高层次扣件特征和高层扣件特征,其中, 低层次阶段:采用3个3×3卷积层和一个池化层,步长为1,用于提取低层扣件特征: 中层次阶段:采用4个3×3卷积层和一个池化层,步长为2,用于提取中尺度扣件特征; 中高层次阶段:采用4个3×3卷积层和一个池化层,步长为2,用于提取中高层次扣件特征; 高层次阶段:采用6个3×3卷积层和一个池化层,步长为2,用于提取高层扣件特征; 步骤S3,利用多层次特征处理网络中的局部特征分支对所述轨道扣件的中尺度扣件特征和中高层次扣件特征进行卷积处理和上采样处理,提取出所述轨道扣件的细节信息,得到局部扣件特征Flocal-final; 对中高层次扣件特征进行卷积处理; 将卷积处理后的中高层次扣件特征,通过上采样操作调整到与卷积后的中尺度扣件特征相同的分辨率; 对卷积后的中尺度扣件特征和上采样后的中高层次扣件特征进行融合; 对融合后的扣件特征通过卷积进行通道压缩,生成局部扣件特征Flocal-final; Flocal-final=ReLUW6*Flocal+b6 步骤S4,利用多层次特征处理网络中的全局特征分支对所述轨道扣件的高层扣件特征进行全局平均池化和卷积处理,提取出所述轨道扣件的全局语义信息,得到全局扣件特征Fglobal-final; 步骤S5,利用以VisionTransformer为基础的架构的掩膜生成分支对轨道扣件的中高层次扣件特征和高层扣件特征进行处理,生成所述轨道扣件的原型掩膜,得到掩膜扣件特征Mx,y,c; 将所述中高层次扣件特征和高层扣件特征的扣件特征图切分为固定大小的图像块,设每个块大小为p×p,则扣件特征图Fx,y,c被分割为个块,每个块展平后映射为向量 将每个向量输入到Transformer层,通过自注意力机制计算注意力权重: 其中,Q、K、V分别为查询矩阵、键矩阵和值矩阵,dk为键的维度; 经过Transformer解码器层,输出用于生成掩膜的扣件特征: 然后将上述扣件特征经过Transformer解码器层重新映射回空间维度: 最后得到轨道扣件掩膜预测扣件特征图Mx,y,c; 步骤S6,将所述局部扣件特征Flocal-final、全局扣件特征Fglobal-final和掩膜扣件特征Mx,y,c进行三段式平行特征融合,并将融合后的扣件特征图进行卷积处理; 步骤S7,将生成的扣件特征图进行非最大抑制和掩膜生成,实现对轨道扣件的实例分割识别,计算每个实例的掩膜得分并进行过滤,通过非最大抑制消除重叠区域,保留得分最高的掩膜实例MNMSx,y; 步骤S8,根据所述掩膜实例MNMSx,y对轨道扣件的健康状态进行分析,生成轨道扣件的健康报告,其中,所述轨道扣件的健康报告包括:轨道扣件的损坏区域和损坏程度。

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山东大学,其通讯地址为:250100 山东省济南市山大南路27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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。