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！

龙图腾网获悉中国计量大学;杭州华橙软件技术有限公司申请的专利一种基于重参数多尺度融合的道路缺陷检测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：CN120070417B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510525317.5，技术领域涉及：G06F16/00；该发明授权一种基于重参数多尺度融合的道路缺陷检测方法是由章东平;何数技;谢运;符哲蔚;余家斌;马道滨设计研发完成，并于2025-04-25向国家知识产权局提交的专利申请。

本一种基于重参数多尺度融合的道路缺陷检测方法在说明书摘要公布了：本发明公开了一种基于重参数多尺度融合的道路缺陷检测方法，属于深度学习神经网络中的目标检测技术领域，从公开数据源中选取道路缺陷的数据集，并划分为训练集、验证集和测试集；构建基于重参数多尺度融合的轻量化道路缺陷检测神经网络模型，该模型采用重参数化技术与多尺度特征融合策略，能够识别并定位图像中的各类道路缺陷；利用划分好的的训练集和验证集对构建的神经网络模型进行训练，经过指标评估得到最佳的轻量化道路缺陷检测模型，随后，进行轻量化检测模型的推理加速，嵌入到边缘计算终端部署；使用车载摄像机进行图像数据采集，将采集到的道路图像输入边缘计算终端进行处理，输出车载图像中存在的道路缺陷类别以及位置。

本发明授权一种基于重参数多尺度融合的道路缺陷检测方法在权利要求书中公布了：1.一种基于重参数多尺度融合的道路缺陷检测方法，其特征在于包括如下步骤： 步骤1：获取道路缺陷数据； 步骤2：构建道路缺陷检测神经网络模型，该模型采用重参数化技术与多尺度特征融合策略，以识别并定位图像中的各类道路缺陷；道路缺陷检测神经网络模型的构建，包括如下步骤： 步骤2.1：在主干网络中依次加入一组可重参数化部分卷积模块，进行分层特征提取，通过动态参数重组机制优化卷积核权重，同时构建分层特征复用通道，进行跨层特征交互与信息互补； 步骤2.2：将第一层和最后一层可重参数化部分卷积模块的输出进行尺度内特征交互，得到最后一层对应的交互后的特征； 采用尺度内特征交互模块，将第一层可重参数化部分卷积模块的输出经可变性注意力模块、第一随机丢弃层后，与最后一层可重参数化部分卷积模块的输出残差连接后再进行归一化，归一化处理后的特征图与第一卷积层、激活层、第二随机丢弃层、第二卷积层进行残差连接后，再进行归一化得到的输出特征图作为交互后的特征； 步骤2.3：构建多路径尺度特征融合网络，将最后一层对应的交互后的特征与之前的可重参数化部分卷积模块的输出，进行多尺度特征融合，并提取到一组特征用于解码； 基于四层可重参数化部分卷积模块，将前三层的输出S2，S3、S4和最后一层对应的交互后的特征X5一起输入到多路径尺度特征融合网络中，输入的特征图首先经过一系列的卷积操作提取图像的基本特征，X5与S4经过多尺度特征加权融合模块进行特征融合，再输入到多尺度卷积模块中得到F1特征图，F1通过上采样模块后得到，再通过多尺度特征加权融合模块与S3、S4进行特征融合，融合特征经过多尺度高效卷积模块后得到融合特征图，F2通过上采样模块后得到，再通过多尺度特征加权融合模块与S2，S3进行特征融合，经过多尺度卷积模块后得到融合特征图，特征图再与进行多尺度特征加权融合得到，最后经过多尺度卷积模块得到第一个输出，输入到解码器中；再与、和进行多尺度特征加权融合后经过多尺度卷积模块得到第二个输出，输入到解码器中；再与和F1进行多尺度特征加权融合后经过多尺度卷积模块得到第三个输出，输入到解码器中； 多尺度特征加权融合模块，是在融合过程中，特征图的加权系数通过神经网络训练得到，并能够通过反向传播进行优化，加权后的特征图通过求和的方式进行融合，公式如下： ， 其中，表示第i层的特征图，表示与第i层特征图相关的加权系数，O表示最终的融合特征图； 多尺度特征加权融合会对权重进行归一化处理，公式如下： ， 其中，表示归一化后的加权系数，表示对原始权重w i 进行ReLU激活函数处理；ε表示小的常数，w j 表示第j层特征图相关的加权系数； 多尺度特征加权融合模块采用多次迭代的特征融合过程，在每次融合后，特征图将通过双向信息流进行传播，每一层的输出特征图以通过以下公式表示： ， 其中，表示第k层的第i个特征图，表示第i层特征图的加权系数，表示经过加权融合后的第k层输出特征图； 多尺度高效卷积模块结合了多尺度深度卷积和跨阶段部分连接，首先，通过跨阶段部分连接将输入的特征图分为x1和x2两部分，x1部分直接通过跳跃连接传递到后续层，而x2部分进入到多尺度深度卷积模块进行处理；接下来，多尺度深度卷积模块对x2进行多尺度特征提取；在多尺度深度卷积模块处理后，通过点卷积将特征图的通道数会被恢复到原始维度，后接批量归一化层和激活函数；最后，融合阶段将x1和x2两部分的特征通过拼接进行融合，融合后的特征会经过进一步的卷积层进行处理，输出最终的特征图； 多尺度深度卷积模块内部，首先通过点卷积对x2进行通道扩展，增加通道数；然后，使用多尺度的深度卷积对不同的卷积核尺寸ks进行卷积运算；多尺度卷积的设计使得网络能够在处理不同大小的目标时更加敏感；将通道重排操作被引入到多尺度深度卷积模块中，其公式如下： ， ， ， 其中，PWC1表示1×1点卷积操作，BN表示批量归一化操作，R6表示激活操作，表示深度卷积块，它对每个卷积核大小ks使用深度卷积操作，并结合批量归一化和激活，CS表示通道重排操作； 步骤2.4：通过感知查询机制，从编码输出中筛选特征，作为解码的初始对象查询，随后，通过配备辅助预测头的解码过程，迭代优化对象查询，最终生成目标边界及其对应的类别； 步骤3：利用所述道路缺陷数据，训练所述道路缺陷检测神经网络模型，将训练好的模型用于道路缺陷检测。

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中国计量大学;杭州华橙软件技术有限公司，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258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”。