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！

龙图腾网获悉安徽大学申请的专利基于目标检测和关键信息抽取的现浇箱梁图像跨关键参数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：CN119851303B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510008282.8，技术领域涉及：G06V30/422；该发明授权基于目标检测和关键信息抽取的现浇箱梁图像跨关键参数识别方法是由贾兆红;张思祺;汪传建设计研发完成，并于2025-01-03向国家知识产权局提交的专利申请。

本基于目标检测和关键信息抽取的现浇箱梁图像跨关键参数识别方法在说明书摘要公布了：本发明涉及一种基于目标检测和关键信息抽取的现浇箱梁图像跨关键参数识别方法，包括：获取桥梁设计图纸并进行预处理；得到桥梁结构检测模型并训练；根据桥梁多视图结构目标检测后图像，截取不同视图下的桥梁结构图像；选择出需要识别的不同关键参数；得到可编辑的Excel文档；汇总成新的同一跨内桥梁结构的关键参数信息的Excel文档。本发明同时将语义信息赋予给图纸中的关键参数，让参数名称与值相互对应，实现各平面图参数识别的模块化，能够高效地自动提取出PDF图纸的关键参数；最后采用按照跨进行识别和整合的方法，成功解决多视图的参数识别问题，为人工智能算法理解工程设计图纸进行有益的探索；能快速、准确地提取现浇箱梁PDF图纸中多视图的关键参数。

本发明授权基于目标检测和关键信息抽取的现浇箱梁图像跨关键参数识别方法在权利要求书中公布了：1.一种基于目标检测和关键信息抽取的现浇箱梁图像跨关键参数识别方法，其特征在于：该方法包括下列顺序的步骤： （1）获取桥梁设计图纸并进行预处理，得到预处理后的桥梁设计图纸； （2）对YOLOv10模型进行改进，得到桥梁结构检测模型； （3）将预处理后的桥梁设计图纸输入桥梁结构检测模型进行训练，得到训练后的桥梁结构检测模型； （4）获取待检测的桥梁设计图纸并进行预处理，将预处理后的待检测的桥梁设计图纸输入训练后的桥梁结构检测模型中，训练后的桥梁结构检测模型输出桥梁多视图结构目标检测后图像，桥梁多视图结构目标检测后图像上标记桥梁结构目标所处的相对位置； （5）根据桥梁多视图结构目标检测后图像，截取不同视图下的桥梁结构图像，所述不同视图包括截面图、立面图、顶平面图和底平面图； （6）根据不同视图下的桥梁结构图像，选择出需要识别的不同关键参数； （7）将不同视图下的桥梁结构图像、需要识别的不同关键参数输入paddleocr模型进行特征提取和特征融合，得到多模态特征，将多模态特征输入vi_layoutxlm_ser模型进行预测，得到可编辑的Excel文档； （8）读取可编辑的Excel文档，根据同一跨内桥梁结构多视图间参数的逻辑关系，将每个视图关键参数的可编辑的Excel文档合并汇总成新的同一跨内桥梁结构的关键参数信息的Excel文档； 所述步骤（2）具体是指：对YOLOv10模型进行改进，采用DualConv模块替换YOLOv10模型中所有的C2f模块；采用RT-DETR模型的检测头替换YOLOv10模型中的检测头； 所述步骤（7）具体包括以下顺序的步骤： （7a）对不同视图下的桥梁结构图像进行标注，将关键参数标记在不同视图下的桥梁结构图像上，得到标注后的不同视图下的桥梁结构图像； （7b）将标注后的不同视图下的桥梁结构图像输入paddleocr模型进行特征提取，提取出文字信息、文字坐标信息及布局特征信息；然后，将提取到的文字信息、文字坐标信息及布局特征信息进行编码转换，并融合为多模态特征；随后，把这些多模态特征输入到vi_layoutxlm_ser模型中进行前向推理计算，预测出图像中各个语义实体的类别、位置以及具体的文本内容，输出识别结果图和文本文件； （7c）对文本文件进行处理：文本文件中包括图片路径和各文本识别结果条目，条目包括transcription、bbox、points、pred_id和pred字段及其对应的数值；transcription表示图像中识别出来的文字内容；bbox代表识别出的文字所在区域的边界框坐标信息，以列表形式给出，按顺序表示左上角横坐标、左上角纵坐标、右下角横坐标、右下角纵坐标；points是用于描述文字所在区域的轮廓坐标信息，以多边形顶点坐标的形式呈现，每个元素是一个包含横坐标和纵坐标的列表；pred_id表示预测结果的编号，不同的数字对应不同的识别类别；pred表示对应识别文字所属的关键参数名称，未标注的文字类别为“NONE”； 利用python脚本筛选保留pred值不为“NONE”的所有条目以及该条目所在字典内的“transcription”条目，并生成可编辑的Excel文档。

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安徽大学，其通讯地址为：230039 安徽省合肥市肥西路3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”。

以上内容由龙图腾AI智能生成。