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！

龙图腾网获悉成都理工大学申请的专利三维探地雷达地下病害识别模型复杂环境自适应训练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：CN120279543B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510759586.8，技术领域涉及：G06V20/64；该发明授权三维探地雷达地下病害识别模型复杂环境自适应训练方法是由汤玲;姚光乐;石岱;王琛;徐晓宇;王洪辉;周楚宜;李瑞佳;李军设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本三维探地雷达地下病害识别模型复杂环境自适应训练方法在说明书摘要公布了：本发明公开了一种三维探地雷达地下病害识别模型复杂环境自适应训练方法，属于计算机模型技术领域，包括获取源域数据集Ds和目标域数据集Dt；构造三维编解码网络；用DS训练三维编解码网络得到基础模型；用Dt训练学生模型优化伪标签；基于混合权重构造混合域数据集训练学生模型，训练时用教师模型生成混合域数据集内样本的伪标签，以最小化联合损失更新学生模型，并用EMA方式更新教师模型。本发明用于在地下病害数据存在域差异训练更新，实现跨域地下病害检测的复杂环境需求。具有三维语义分割精度高、边界识别能力强、跨域环境自适应能力与泛化性能的突破性增强、及计算效率与资源消耗优化的特点。

本发明授权三维探地雷达地下病害识别模型复杂环境自适应训练方法在权利要求书中公布了：1.一种三维探地雷达地下病害识别模型复杂环境自适应训练方法，其特征在于，包括以下步骤； S1，获取数个带类别标注图的样本构成源域数据集Ds，数个无标注的样本构成目标域数据集Dt，所述样本为三维探地雷达数据、类别为病害类别； Ds中一样本Xs的类别标注图为Ps，Dt中一样本为Xt，Xs∈RD×H×W×Cin、Xt∈RD×H×W×Cin、Ps∈RD ×H×W×C，D、H、W分别为样本分辨率的深度、长度和宽度，Cin为雷达反射强度的通道数，Cin=1，C为病害类别总数，Ps中位置d,h,w处的值为Xs中位置d,h,w处的真实病害类别，d、h、w分别为位置d,h,w的深度、长度和宽度； S2，构造三维编解码网络，包括三维编码器、三维解码器和自监督模块； 所述三维编码器用于对输入的样本编码得到编码特征，所述三维解码器用于对编码特征解码再进行边界增强，输出每个位置的预测类别概率构成概率预测图，所述自监督模块用于根据一批次样本的编码特征构造正样本和负样本，计算InfoNCE损失； S3，用DS以最小化源域训练总损失Ls训练三维编解码网络，得到基础模型，Ls=λcn1Lcn1+λclsLcls，Lcn1为InfoNCE损失、Lcls为分类损失，λcn1、λcls分别为Lcn1和Lcls的权重； S4，复制两个基础模型，分别作为教师模型和学生模型； S5，用Dt训练学生模型，每次迭代基于自监督对比学习和双重筛选伪标签监督学习优化学生模型，其中一次优化包括步骤S51~S54； S51，用教师模型输出Dt中每个样本的概率预测图作为伪标签，Xt的伪标签为，预设质量阈值λ、不确定性阈值ϵ； S52，从Dt中任选一批次样本，其中第b个样本Xb，用学生模型输出每个样本的概率预测图，用自监督模块计算InfoNCE损失； S53，基于双重筛选计算Xb的伪标签监督损失Lp,b； 对Xb的伪标签，基于局部相位量化计算位置d,h,w的LPQ值LPQd,h,w，对Xb，基于MCDropout计算位置d,h,w的不确定性Ud,h,w，并将LPQd,h,w＞λ且Ud,h,w＜ϵ的位置构成Xb关注区域，计算Lp,b； ， 式中，为内位置总数，为Ud,h,w的归一化值，为Xb的概率预测图在位置d,h,w的值； S54，计算目标域总损失Lt，并以最小化Lt调整学生模型参数； ， 式中，B为批次大小，Lcn2为学生模型中自监督模块的InfoNCE损失，λcn2为Lcn2的权重； S6，用Ds和Dt构造多个批次的混合域数据集； S7，用混合域数据集训练学生模型，以最小化联合损失Ltotal更新学生模型，并用EMA方式更新教师模型，Ltotal=+Ls+λtLt+λcLconsist，Lconsist为一批次样本的一致性损失。

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成都理工大学，其通讯地址为：610000 四川省成都市成华区二仙桥东三路1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”。