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！

龙图腾网获悉东南大学申请的专利基于多层表征学习的无人机自适应巡检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：CN119478726B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411370731.5，技术领域涉及：G06V20/17；该发明授权基于多层表征学习的无人机自适应巡检方法是由陈旺;张建设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本基于多层表征学习的无人机自适应巡检方法在说明书摘要公布了：本发明公开了一种基于多层表征学习的无人机自适应巡检方法，包括自动粗检和自适应细检两个阶段，逐层学习桥梁的空间结构、构件特性和病害特征。在自动粗检阶段，结合空间聚类后处理方法和点云语义分割网络，快速学习桥梁构件的实例属性。随后，利用模拟视场模型和降维技术对点云空间进行压缩和转换，指导无人机在平面几何中进行高效而全面的空间巡查。在自适应细检阶段，利用空间‑通道双维度优化的混合卷积结构Light‑PVIT，学习并提取自动粗检阶段中的病害特征作为先验信息。这些信息指导无人机在小视场下对病害区域进行精细的检测。本发明无人机自适应巡检方法显著提升了桥梁巡检的效率和精度，为桥梁维护工作提供了可靠的技术支持。

本发明授权基于多层表征学习的无人机自适应巡检方法在权利要求书中公布了：1.基于多层表征学习的无人机自适应巡检方法，其特征在于，包括如下步骤： S1、基于桥梁空间理解的自动粗略巡查； S11、利用无人机搭载的大视场摄像头快速获取桥梁的几何信息，并结合运动恢复结构算法，迅速构建出桥梁的三维模型； S12、解析桥梁构件层面的属性信息，提出一种基于优化聚类算法的点云实例分割框架，实现了对桥梁各个构件属性信息的端到端全面提取； S13、通过模拟视场模型与几何空间降维投影方法对点云空间进行压缩与转换，在平面几何中为桥梁的各个独立构件自动规划出高效的空间巡查路径，确保无人机能够对桥梁构件进行全面的覆盖式巡查； S2：基于病害信息反馈的自适应详细巡查； S21、从空间和通道两个关键维度对自注意力机制进行重组，构建名为Light-PVIT的轻量级模型对桥梁构件的损伤区域进行识别； S22、结合步骤S21识别出的桥梁构件的损伤区域与几何空间降维投影方法，对步骤S13规划出的所述巡查路径进行自适应调整，指导无人机对损伤区域进行细致的检测； 步骤S12具体包括以下子步骤： S121、采用PointNeXt网络作为学习桥梁构件信息表征的工具，采用编码器和解码器的设计理念，以处理点云数据并精细分割结构；在这一过程中，所述编码器捕捉点云中的高级语义特征，所述解码器将这些高级语义特征重新映射，构建出点云的细致分割结构； S122、在语义分割的基础上做进一步的类内划分，采用基于密度的空间聚类后处理方法与语义分割网络相结合的策略，直到点云模型中所有的点都被访问； 步骤S21具体包括如下子步骤： S211、所述Light-PVIT轻量级模型由六个阶段的学习任务组成，前五个阶段的学习任务由卷积模块CVB、反向残差结构的深度分离卷积模块RDB2,RDB1和部分视觉变压器模块PVIT组成，采用具有反向残差结构的深度分离卷积模块作为卷积层的高效替换； 每个学习阶段的首要环节是对特征进行下采样操作，采用无残差结构的反向深度分离卷积模块对特征进行下采样； 部分视觉变压器模块PVIT包含3个子模块，分别是局部表征子模块、全局表征子模块以及特征融合子模块，其中，局部表征子模块针对输入采用一个卷积核大小为3×3的深度分离卷积和卷积核大小为1×1的映射卷积的对特征进行局部信息建模，输出特征其中， H,W,Cs分别表示输出特征图的高度、宽度与通道数； 所述全局表征子模块引入了transformer的自注意力机制对特征图进行全局上下文的信息捕获工作，以获取H×W特征图的全局信息； S213、在通道维度上引入部分拆分的操作，具体而言，通过拆分系数n将空间压缩特征Xs划分为全局建模特征和局部建模特征在模型的早期阶段管理高分辨率特征的冗余度，将阶段三的拆分系数nstage-3设置为4；将阶段四的拆分系数nstage-4和阶段五的拆分系数nstage-5分别设置为2，避免过度压缩导致信息的丢失； S214、将所述全局建模特征Xst喂入transformer模块捕捉输入特征中的长距离依赖关系，所述局部建模特征Xsc将在transformer模块输出阶段与全局建模特征Xst在通道方向上进行合并，同时还原特征形状，输出混合建模特征 所述特征融合子模块针对所述混合建模特征进行全局信息和局部信息的整合； S215、模型的最后阶段采用卷积子模块、池化展平子模块以及全连接子模块将阶段六的特征转换为最终预测结果。

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东南大学，其通讯地址为：210000 江苏省南京市玄武区四牌楼2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。