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！

龙图腾网获悉安徽建工水利开发投资集团有限公司申请的专利一种基于图像识别的边坡防护监测方法及系统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：CN120541642B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202510582686.8，技术领域涉及：G06F18/2415；该发明授权一种基于图像识别的边坡防护监测方法及系统是由施德;梅进军;程杨;任良和;郑虎;张海军;范洋洋;陶文斌;葛厚海;朱玲娟设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本一种基于图像识别的边坡防护监测方法及系统在说明书摘要公布了：本发明涉及边坡防护技术领域，尤其涉及一种基于图像识别的边坡防护监测方法及系统。其技术方案包括图像采集模块、边缘计算模块、中心管理模块和预警执行模块。本发明解决了光照变化和植被遮挡的问题，实现了裂缝检测召回率提升，降低环境因素导致的误检率，并通过采用像素级分割、时序形变追踪及三维重构的三阶段级联结构，实现对小尺度裂缝的识别精准度，显著提升检测精度，同时，通过基于神经架构搜索法处理得到的轻量化模型实现了高效推理，减少数据处理延迟，另外，建立的多级预警策略提升了边坡灾害防控的智能化与可靠性，本发明构建了“图像采集‑边缘计算‑中心管理‑预警执行”完整系统，实现了提高检测效率，降低运维成本。

本发明授权一种基于图像识别的边坡防护监测方法及系统在权利要求书中公布了：1.一种基于图像识别的边坡防护监测方法，其特征在于，包括以下步骤： 多尺度自适应图像增强：通过多分支网络分别对可见光与近红外图像进行处理，输出增强后的图像序列； 基于时空融合对边坡裂缝进行形变检测：通过时空融合检测网络对所述增强后的图像序列进行像素级裂缝分割、时序位移追踪及三维重构； 所述像素级裂缝分割包括基于改进的U-Net网络结构，引入空洞空间金字塔池化模块，通过不同空洞率的卷积操作捕捉多尺度裂缝特征，输出每个像素属于裂缝的概率图； 所述时序位移追踪基于光流法计算连续帧图像中裂缝区域的位移场，基于长短期记忆网络对位移序列进行建模； 所述三维重构通过运动恢复结构算法恢复裂缝的三维几何结构，计算所述裂缝的深度、倾角参数； 边缘端轻量化推理：将所述时空融合检测网络部署于边缘计算节点，在所述边缘计算节点进行图像的实时分析； 多模态异常评分与协同预警：融合所述边缘端输出的裂缝特征数据与气象环境参数计算风险概率，并根据多级预警策略实施对应的防护措施； 所述边缘端轻量化推理包括： 模型压缩：采用神经架构搜索法对MobileNetV4-Small结构进行调整，包括对原始MobileNet模型的通道数进行裁剪，假设原始模型某一层的通道数为，经过神经架构搜索法搜索后确定的裁剪通道数为，裁剪比例为； 还包括浮点运算量计算与优化，对于卷积层，其浮点运算量的计算公式为： ， 其中，是输入通道数，是输出通道数，和分别是卷积核的高度和宽度，和分别是输出特征图的高度和宽度; 自适应分辨率调节：根据边缘端设备的算力动态调整输入图像的分辨率,包括对所述边缘端设备的算力进行评估，假设所述边缘端设备的算力等级为，，分别表示低、中、高算力设备； 根据设备的算力等级，动态选择输入图像分辨率，假设原始图像分辨率为，定义分辨率映射函数，根据算力等级输出对应的分辨率，公式表示为： ， 通过动态调整分辨率，确保模型在边缘端设备上的推理帧率稳定在30FPS，帧率的计算公式为： ， 其中，是模型的推理时间，使得； 片上学习：在所述边缘端设备上部署增量学习算法，通过在线难例挖掘法更新模型参数，其中，所述增量学习算法假设已有模型的参数为，新训练数据为，通过最小化损失函数更新模型参数，公式如下： ， 其中，是损失函数，是正则化系数，是用于防止模型过拟合的正则化项； 所述在线难例挖掘法在每次训练迭代中，计算每个样本的损失值，选择损失值大的前个样本作为困难样本进行训练,假设训练样本集合为，对应的损失值集合为，则困难样本集合表示为：，在训练过程中，使用所述困难样本集合更新模型参数。

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建工水利开发投资集团有限公司，其通讯地址为：233050 安徽省蚌埠市燕南路17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。