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！

龙图腾网获悉云南云路工程检测有限公司;云南省交通投资建设集团有限公司申请的专利一种基于机器视觉的隧道病害目标智能识别及提取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：CN120374607B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510854609.3，技术领域涉及：G06T7/00；该发明授权一种基于机器视觉的隧道病害目标智能识别及提取方法是由朱德祥;郭俊;袁湧;杨昭斌;张杰文;孙以润;柴方;邹华勇;李捷飞设计研发完成，并于2025-06-25向国家知识产权局提交的专利申请。

本一种基于机器视觉的隧道病害目标智能识别及提取方法在说明书摘要公布了：本发明公开了一种基于机器视觉的隧道病害目标智能识别及提取方法，涉及隧道工程检测与智能化分析技术领域，用于解决识别精度低、对复杂场景的适应性较差的问题，包括采集高分辨率图像并进行自适应光照补偿预处理、多尺度图像分割提取纹理与边缘特征、构建病害判别模型筛选疑似区域、结合三维空间坐标精确定位与分类病害目标，本申请通过优化图像采集与处理流程，显著提升复杂场景适应性与非规则目标识别能力，同时实现病害目标的高效精准定位与分类，为隧道运维提供可靠技术支持。

本发明授权一种基于机器视觉的隧道病害目标智能识别及提取方法在权利要求书中公布了：1.一种基于机器视觉的隧道病害目标智能识别及提取方法，其特征在于：包括以下步骤： S1:采用动态曝光调节装置，采集隧道表面的高分辨率图像，通过自适应光照补偿技术对图像进行消除光照变化处理； S2：利用多尺度图像分割技术对消除光照变化处理后的图像进行分块处理，生成不同分辨率的局部图像区域，并提取各区域的纹理特征谱和边缘拓扑特征； 对于各个子区域，基于灰度共生矩阵，计算各个子区域的对比度、相关性、能量、同质性计算值组合成纹理特征谱； 采用Canny边缘检测算子识别强边缘和弱边缘，完成边缘连接并保留真实边缘后，提取边缘的拓扑结构，通过边界跟踪算法获取封闭或非封闭的边缘轮廓，形成边缘像素坐标序列，计算边缘区域数量，再依据圆度和细长比识别坑洞、区分裂缝和剥落，通过细化算法分析裂缝的主方向，进行拓扑结构分析，得到边缘拓扑特征； S3：根据纹理特征谱和边缘拓扑特征构建病害类型判别模型，筛选出疑似病害区域并统计其分布密度； 采用支持向量机模型，以提取的纹理特征谱和边缘拓扑特征作为输入数据，确定疑似病害区域筛选与分布密度统计阶段，包含以下步骤： 在支持向量机模型构建，通过寻找最优超平面，将病害区域与正常区域最大间隔分开；具体公式表达： ； 约束条件： ，； 为超平面法向量，为偏置项，为正则化参数，为松弛变量，为训练样本，即疑似病害区域数量的索引，为第个训练样本的特征向量，为第个训练样本的类别标签； 若疑似病害区域被正确分类且位于间隔边界外，则松弛变量为0，若疑似病害区域位于间隔边界以内，则松弛变量在0与1之间，若疑似病害区域被错误分类，则松弛变量大于1，表示该点落入错误区域； S4：对疑似病害区域进行深度特征提取，结合三维空间坐标信息对病害目标进行精确定位与分类； 深度特征提取依赖于卷积神经网络，从输入图像中自动学习多层次的病害特征，卷积神经网络包括卷积层、池化层和全连接层； 全连接层通过支持向量机实现病害类型的分类，最终输出病害类别； 先使用归一化处理，将像素值映射，采用交叉熵损失函数进行模型训练，再采用反向传播与梯度下降优化调整训练权重； 再结合三维空间坐标信息确定病害目标进行定位； 三维信息获取包括双目视觉、结构光扫描以及激光雷达；再通过几何校正对原始二维坐标进行校正，结合卷积神经网络提取的深度特征和几何校正后的三维位置信息，将精确分类的病害目标进行整合，并生成详细的隧道病害报告供后续维护参考。

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云南云路工程检测有限公司;云南省交通投资建设集团有限公司，其通讯地址为：650000 云南省昆明市经开区昌宏路136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”。