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！

龙图腾网获悉吉林大学申请的专利一种基于多尺度深度学习的探地雷达管道智能反演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：CN120745332B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511195457.7，技术领域涉及：G06F30/23；该发明授权一种基于多尺度深度学习的探地雷达管道智能反演方法是由杜开心;张镕哲;张洋设计研发完成，并于2025-08-26向国家知识产权局提交的专利申请。

本一种基于多尺度深度学习的探地雷达管道智能反演方法在说明书摘要公布了：一种基于多尺度深度学习的探地雷达管道智能反演方法，属于探地雷达管道数据反演技术领域。该方法旨在解决传统反演方法分辨率低、计算复杂度高、依赖先验信息等问题，具体步骤包括：批量构建地下仿真模型数据集；基于时域有限差分进行正演计算，生成雷达B‑scan图像与介电常数分布的匹配数据对；构建包含残差注意模块、双路径空间注意力模块、多尺度特征融合模块及重构模块的多尺度深度神经网络；通过端到端训练、模型测试优化，最终保存最优模型实现从原始雷达数据到介电常数分布的反演输出；本发明通过多尺度特征提取与融合机制，有效提升了不同尺寸管线的识别精度，大幅提高反演效率，为地下管线探测提供了高效精准的技术方案。

本发明授权一种基于多尺度深度学习的探地雷达管道智能反演方法在权利要求书中公布了：1.一种基于多尺度深度学习的探地雷达管道智能反演方法，其特征在于：包括如下步骤： 1批量构建地下仿真模型数据集，系统涵盖不同管径规格、埋设深度梯度及材质属性的管线目标； 2基于时域有限差分对仿真模型数据进行正演计算，构建包含输入雷达数据与输出介电常数分布的匹配数据对供网络训练； 3构建具有多尺度特征提取能力的深度神经网络模型，包含残差注意模块、双路径空间注意力模块、多尺度特征融合模块和重构模块，通过层级化特征提取与跨尺度信息交互，实现对地下管线目标从细节到全局的精准感知； 4将构建的匹配数据对输入多尺度网络进行端到端训练，采用Adam优化器结合自适应学习率调度机制，通过动态调整学习率与动量参数，实现网络训练过程的自适应寻优； 5实施模型测试与迭代优化，以损失函数收敛特性及测试集泛化性能为双重评估指标，动态调整网络深度、卷积核尺度关键超参数，实现模型性能的全局寻优； 6保存最优网络模型参数，构建从原始雷达数据到地下介质介电常数分布的端到端反演链路； 所述的步骤3中， 残差注意模块的功能为特征提取，具体为：残差注意模块包4层卷积层、2层批归一化层和注意力层构成，网络首先接受64通道的特征输入图，然后通过第一层残差分支的3×3卷积、3×3卷积、批归一化和LeakyReLU激活函数激活，得到的特征图与输入特征图残差连接；再经第二层残差分支的3×3卷积、3×3卷积、批归一化和LeakyReLU激活函数激活，其结果与上一分支输出残差连接，最后通过通道注意力模块增强，输出64通道特征图； 双路径空间注意力模块的功能为特征增强，具体为：双路径空间注意力模块接收64通道特征图后，先经3×3卷积、LeakyReLU激活函数激活和3×3卷积预处理；再通过最大池化和平均池化得到两路特征并相加融合；随后经3×3卷积、上采样、3×3卷积和Sigmoid函数激活生成空间注意力权重，该权重与输入特征图逐元素相乘，输出增强后的64通道特征图； 多尺度特征融合模块的功能为多尺度融合，具体为：多尺度特征融合模块输入64通道特征图后，通过两个并行的3×3卷积及LeakyReLU激活函数激活提取特征并拼接为128通道；再经两个5×5卷积及LeakyReL激活函数激活，其结果拼接为256通道后，由1×1卷积压缩至64通道，与输入特征图残差连接，经3×3卷积处理后与对应层级特征融合； 重构模块的功能为重建输出，具体为：重构模块输入64通道融合特征图后，经3×3卷积和LeakyReLU激活函数激活，结果与输入残差连接；再通过3×3卷积和LeakyReLU激活函数激活更新特征，随后经3×3卷积、LeakyReLU激活函数激活与上一步结果残差连接，重复卷积与残差连接操作后，经3×3卷积、LeakyReLU激活函数激活和3×3卷积映射为1通道特征图，最终与原始雷达输入数据相加，得到介电常数分布反演结果。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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。