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！

龙图腾网获悉中国铁道科学研究院集团有限公司铁道建筑研究所;中国铁道科学研究院集团有限公司;中铁科学技术开发有限公司申请的专利一种基于半监督学习的铁路混凝土结构物劣化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：CN119625531B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411704214.7，技术领域涉及：G06V20/10；该发明授权一种基于半监督学习的铁路混凝土结构物劣化识别方法是由王卓;柴雪松;李健超;凌烈鹏;王宁;马学志;付峥锐;周希博;刘艳芬;王浩;曹金玲设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本一种基于半监督学习的铁路混凝土结构物劣化识别方法在说明书摘要公布了：本发明公开一种基于半监督学习的铁路混凝土结构物劣化识别方法，包括：建立基于半监督学习的铁路混凝土结构物劣化识别模型；基于铁路混凝土结构物劣化识别模型进行铁路混凝土结构物的劣化识别。还公开了对应的系统、电子设备及计算机可读存储介质，缓解数据标注的压力，将半监督学习方法应用到铁路混凝土结构物劣化检测中，采用半监督学习语义分割，只需标记部分图像数据，然后从已标记和未标记的混合样本中学习最优分割模型，大大减少像素级别标注工作；充分利用隧道场景海量的劣化数据资源，确定半监督语义分割算法在样本训练中的应用方法，采用迁移学习技术建立识别模型，实现桥梁、无砟轨道等混凝土结构物表观劣化的自动判识。

本发明授权一种基于半监督学习的铁路混凝土结构物劣化识别方法在权利要求书中公布了：1.一种基于半监督学习的铁路混凝土结构物劣化识别方法，其特征在于，包括： S1，建立基于半监督学习的铁路混凝土结构物劣化识别模型； 所述S1包括： S11，确定用于建立所述铁路混凝土结构物劣化识别模型的基础模型；所述基础模型为U-Net网络架构，由一个对称的编码器和解码器组成，所述编码器由一系列卷积层和池化层组成，用于从输入图像中提取特征；所述解码器由一系列反卷积层和上采样层组成，用于将所述编码器提取的特征重建成与原始输入图像相同大小的分割结果；所述编码器和所述解码器之间还存在一条跳跃连接，用于将所述编码器中的高层特征图直接连接到所述解码器中对应的层，使用反卷积和上采样避免信息丢失和分辨率降低； S12，基于所述基础模型建立初级的所述铁路混凝土结构物劣化识别模型； S13，基于评价指标对所述初级铁路混凝土结构物劣化识别模型进行评价从而获得所述铁路混凝土结构物劣化识别模型； 所述S12包括： 1进行数据预处理与划分以确定用于训练所述铁路混凝土结构物劣化识别模型的样本集；其中所述样本集包括：将每个数据集分为两部分，分别为有标签数据集和无标签数据集，将所述有标签数据集均分成两部分，分别为第一有标签数据集L1和第二有标签数据集L2，所述第一有标签数据集L1和所述第二有标签数据集L2分别独立地用于第一训练模型F1和第二训练模型F2从而获得第一预测结果和第二预测结果；同时，将所述无标签数据集分别作为所述第一训练模型F1和所述第二训练模型F2的输入获得第三预测结果和第四预测结果；将所述第三预测结果和所述第四预测结果交叉加入所述第一有标签数据集L1和所述第二有标签数据集L2中，作为下一轮第一训练模型F1和第二训练模型F2的模型训练的样本对；所述数据集为利用隧道衬砌表观检测系统获取的海量数据； 2确定模型的损失函数，所述模型的损失函数包括两部分，即交叉伪监督损失函数与无监督损失函数；所述交叉伪监督损失函数为用一个网络的伪分割图作为另一个网络的监督信号；所述无监督损失函数采用一致性损失，即计算无标签数据集的第三预测结果和第四预测结果的一致性； 3对所述基础模型进行模型初始化，包括：使用在ImageNet上预训练的权重初始化所述U-Net网络架构的两个分割网络的主干，随机初始化分割头； 4基于所述模型的损失函数和训练策略对初始化的模型进行训练从而获得初级铁路混凝土结构物劣化识别模型，所述训练策略包括使用标准的像素级交叉熵损失监督标注数据和增强数据； S2，基于所述铁路混凝土结构物劣化识别模型进行铁路混凝土结构物的劣化识别。

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铁道科学研究院集团有限公司铁道建筑研究所;中国铁道科学研究院集团有限公司;中铁科学技术开发有限公司，其通讯地址为：100081 北京市海淀区大柳树路2号二区303幢；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。