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！

龙图腾网获悉西安理工大学申请的专利基于改进YOLOv8的轻量化隧道裂隙分割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：CN119515791B 。

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：202411518795.5，技术领域涉及：G06T7/00；该发明授权基于改进YOLOv8的轻量化隧道裂隙分割识别方法是由朱磊;李泉旭;黑新宏;何敏;赵钦;龚博隆;邢艳艳;王宇超;胡兴宇;管源亭设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本基于改进YOLOv8的轻量化隧道裂隙分割识别方法在说明书摘要公布了：本发明公开了基于改进YOLOv8的轻量化隧道裂隙分割识别方法，具体包括如下步骤：步骤1，获取隧道裂隙的图像数据集，对数据集进行预处理；步骤2，对预处理后的数据集进行扩展增强；步骤3，对步骤2处理后的数据集进行标注；步骤4，对YOLOv8模型进行改进；步骤5，对步骤4改进后的模型进行训练；步骤6，对步骤5训练后的模型进行训练测试验证。本发明解决了现有裂缝分割方法存在的分割效率低及裂缝检测精度低的问题。

本发明授权基于改进YOLOv8的轻量化隧道裂隙分割识别方法在权利要求书中公布了：1.基于改进YOLOv8的轻量化隧道裂隙分割识别方法，其特征在于，具体包括如下步骤： 步骤1，获取隧道裂隙的图像数据集，对数据集进行预处理； 步骤2，对预处理后的数据集进行扩展增强；所述步骤2的具体过程为： 步骤2.1，将预处理后的数据集输入采用残差块增强的WGAN-RE模型进行迭代训练，通过Fre´chetInceptionDistance和InceptionScore性能指标判断模型在训练过程中是否收敛；所述步骤2.1中，FID表示为： 1 其中，和分别表示真实图像和生成图像在特征空间的均值向量；和分别表示真实图像和生成图像在特征空间的协方差矩阵；x表示真实图像的分布；g表示真实图像的分布；其中，IS表示为： 2 其中，X~Pg表示从生成图像的分布中抽取样本x；表示Inception网络对图像x预测的类别分布；是生成图像整体的平均类别分布；是类别分布与整体类别分布之间的KL散度；表示对生成图像样本的期望； 步骤2.2，基于步骤2.1的判断结果，当WGAN-RE模型的生成器和判别器收敛后，以1:2为扩充比例进行扩充数据集，形成增强后的数据集； 步骤3，对步骤2处理后的数据集进行标注； 步骤4，对YOLOv8模型进行改进；所述步骤4的具体过程为： 步骤4.1，初始化模块，Faster_Block_EMA类被初始化时，设定模块的输入通道数、输出通道数、MLP比例、DropPath概率、层级缩放值； 步骤4.2，调整FasterNet_EMA模块中卷积操作后得到的特征图的通道数；如果输入通道数与模块内部处理的通道数不一致，会通过1x1卷积调整通道数； 步骤4.3，输入特征图首先经过Partial_conv3模块进行空间混合，然后特征图进入MLP模块进行非线性变换，进一步增强特征表示； 步骤4.4，经过MLP处理后的特征图通过DropPath正则化后，再应用EMA注意力机制进行加权处理； 步骤4.5，将经过步骤4.4处理的特征图与原始输入特征相加，以保留输入特征并输出最终结果；所述步骤4.5的具体过程为： 步骤4.5.1，定义一个Segment_LADH模块； 步骤4.5.2，在模块的初始化函数中定义模型的基本属性，包括类别数量nc、掩码数量nm、原型数量npr、以及输入特征图的通道数ch； 步骤4.5.3，计算每个卷积层和深度卷积层的输出通道数c4，具体公式如下： 3 步骤4.5.4，构建用于处理输入特征图的卷积模块组cv4，每个模块包括两个深度可分离卷积DSConv和一个标准卷积Conv； 步骤4.5.5，在前向传播过程中，使用Proto模块对输入特征图的第一层进行处理，生成掩码原型p； 步骤4.5.6，对每个输入特征图采用对应的cv4模块进行处理，结合深度可分离卷积DSConv以及普通卷积Conv，对特征图进行逐步特征提取，最终生成掩码系数，通过torch.cat函数在第三个维度上拼接所有层的掩码系数，得到最终的掩码系数mc； 步骤4.5.7，调用LADH检测头对输入特征图进行处理，生成最终的预测结果x； 步骤4.5.8，根据PyTorch中nn.Module的内部属性self.training判断模型是否处于训练模式，如果self.training为true，则返回预测结果x、掩码系数mc和掩码原型p；如果self.training为false，根据是否处于导出模式self.export，返回不同的拼接输出，拼接输出包含了预测结果和掩码系数，用于最终的图像分割结果生成； 步骤4.6，基于步骤4.5输出的特征图，使用LADH轻量化检测头替换YOLOv8中的原始检测头，用于最后的分割任务； 步骤5，对步骤4改进后的模型进行训练； 步骤6，对步骤5训练后的模型进行训练测试验证。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。