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！

龙图腾网获悉浙江大学申请的专利基于实例分割的桥梁表观病害像素级识别方法和系统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：CN115713488B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211327686.6，技术领域涉及：G06T7/00；该发明授权基于实例分割的桥梁表观病害像素级识别方法和系统是由张鹤;李宸翰;张帆;沈轩喆;沈芷菁;徐致远;杨嘉琦设计研发完成，并于2022-10-27向国家知识产权局提交的专利申请。

本基于实例分割的桥梁表观病害像素级识别方法和系统在说明书摘要公布了：本发明公开一种基于实例分割的桥梁表观病害像素级识别方法和系统，该方法包括分别构建每个桥梁部位、每个桥梁构件的、每个病害类别的训练数据集；基于改进的VGG16模型，分别构建部位识别模型、构件识别模型、病害识别模型，从而获得三分级预分类模型；基于改进的MaskRCNN模型，构建每个病害类别的像素级识别模型；然后分别用相应的训练数据集训练三分级预分类模型和像素级识别模型，进行在线图像识别，获得预分类后的桥梁表观图像的病害数量、面积和轮廓形状。本发明能够实现对桥梁表观图像的像素级识别，同时兼顾较高精度与高效率，为进一步判别病害的严重程度提供客观依据。

本发明授权基于实例分割的桥梁表观病害像素级识别方法和系统在权利要求书中公布了：1.一种基于实例分割的桥梁表观病害像素级识别方法，其特征在于，该方法包括： 步骤一：获取桥梁表观图像，并对每张图像标注出拍摄桥梁的部位、病害所在桥梁的具体构件和病害类别，并按照桥梁的部位对图像进行归类，分别构建每个桥梁部位的训练数据集；然后对每个桥梁部位的图像进一步按照病害所在桥梁的具体构件进行分类，分别构建每个桥梁部位的每个桥梁构件的训练数据集；最后对每个桥梁构件的图像按照病害类别进行分类，构建每个桥梁部位的每个桥梁构件的每个病害类别的训练数据集； 步骤二：构建改进的VGG16模型，即将VGG16模型的三个全连接层的神经元数量修改为1024、512和识别类别的个数，然后分别用每个桥梁部位的训练数据集训练改进的VGG16模型，得到对应每个桥梁部位的部位识别模型；然后用每个桥梁构件的训练数据集训练对应桥梁部位的部位识别模型，得到对应构件的构件识别模型；最后，用每个桥梁部位的每个桥梁构件的每个病害类别的训练数据集训练对应构件的构件识别模型，得到对应桥梁构件的每个病害类别的病害识别模型；从而获得三分级预分类模型； 步骤三：构建改进的MaskRCNN模型，采用基于Resnet101的FPN结构作为主干网络，将所有的中高层特征叠加到低层上进行融合，能够识别病害类别中面积较小、难以分辨的信息；所述主干网络根据输入的桥梁表观图像生成特征图，然后所述特征图输入到区域建议网络RPN，生成目标候选区域ROI，再将所述特征图和对应的目标候选区域由ROIAlign处理，得到固定尺寸的特征区域；最后对每个目标候选区域ROI进行全卷积和全连接计算，分别完成掩膜检测、病害分类、边框回归；并用每个病害类别的桥梁表观图像作为训练集训练改进的MaskRCNN模型，得到对应每个病害类别的像素级识别模型； 步骤四：将待预测的桥梁表观图像输入所述部位识别模型，识别出该图像对应的桥梁部位，然后再将待预测的桥梁表观图像输入对应桥梁部位的构件识别模型，识别出该图像对应的构件；最后将待预测的桥梁表观图像输入对应构件的病害识别模型，输出待预测的桥梁表观图像的病害类别；将待预测的桥梁表观图像输入对应病害类别的像素级识别模型，模型输出该待预测的桥梁表观图像的病害数量、面积和轮廓形状。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。