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改进YOLOv8网络的公路快检图像路面病害检测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：CN117197085B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202311163416.0，技术领域涉及：G06T7/00；该发明授权基于改进YOLOv8网络的公路快检图像路面病害检测方法是由赵池航;吴加伦;邓文浩;张子怡;黄雅欣设计研发完成，并于2023-09-08向国家知识产权局提交的专利申请。

本基于改进YOLOv8网络的公路快检图像路面病害检测方法在说明书摘要公布了：本发明提出了一种基于改进YOLOv8网络的公路快检图像路面病害检测方法，包括：构建公路快检图像路面病害图像标注数据集；构建用于公路快检图像路面病害检测的Faster‑RCNN‑RSDD‑HRII、SSD‑RSDD‑HRII、Retina‑Net‑RSDD‑HRII、YOLOv5‑RSDD‑HRII、YOLOv8‑RSDD‑HRII五种基础模型；通过对比实验与交叉验证实验，得出YOLOv8‑RSDD‑HRII模型是更适应公路快检图像场景下的路面病害基础检测网络模型；考虑到公路快检图像路面病害属于细小类型目标，同时YOLOv8‑RSDD‑HRII模型测试结果的检测率较低，于是在现有YOLOv8网络模型的基础上，通过改进网络内部结构，构建用于公路快检图像细小路面病害检测的改进模型YOLOv8‑SODL‑RSDD‑HRII与YOLOv8‑CBAM‑RSDD‑HRII；通过对比实验与交叉验证实验，得出YOLOv8‑CBAM‑RSDD‑HRII模型更适应公路快检图像场景下的细小路面病害检测，可以更精准地识别公路快检图像路面病害，从而有效提高公路养护效率。

本发明授权基于改进YOLOv8网络的公路快检图像路面病害检测方法在权利要求书中公布了：1.基于改进YOLOv8网络的公路快检图像路面病害检测方法，其特征在于：包括如下步骤： S1：构建公路快检图像路面病害图像标注数据集； S2：构建用于公路快检图像路面病害检测的Faster-RCNN-RSDD-HRII、SSD-RSDD-HRII、Retina-Net-RSDD-HRII、YOLOv5-RSDD-HRII、YOLOv8-RSDD-HRII五种基础模型； S3：基于构建的公路快检路面病害图像标注数据集，开展基础模型的对比实验研究，找出更适应公路快检图像场景下的路面病害基础检测网络模型； S4：构建用于公路快检图像细小路面病害检测的改进模型YOLOv8-SODL-RSDD-HRII；具体做法是：在原有的YOLOv8-RSDD-HRII网络模型的基础上，在Head层结构处增加了一个尺度为160×160×21的新检测层，与之相对应的网络的Backbone层和Neck层也增加了相应的Conv卷积层与C2f卷积模块来与此新小目标检测层互相配合；改进模型YOLOv8-SODL-RSDD-HRII的输出特征图尺度为160×160×21、80×80×21、40×40×21和20×20×21共4个特征图，Head部分输出分类和回归共4×2＝8个尺度的特征图，前端特征提取部分和后续过程与YOLOv8网络的工作流程相同，将这4个不同尺度的类别预测分支、bbox预测分支分别进行拼接，并进行维度变换的一系列过程，最终得到改进模型YOLOv8-SODL-RSDD-HRII； S5：构建用于公路快检图像细小路面病害检测的改进模型YOLOv8-CBAM-RSDD-HRII；具体做法是：在原有的YOLOv8-RSDD-HRII网络模型的基础上，在其Backbone中的C2f模块后增加CBAM模块，其中，根据特征图的不同，第一个C2f模块后的CBAM模块参数为128×7，第二个C2f模块后的CBAM模块参数为256×7，第三个C2f模块后的CBAM模块参数为512×7，前一个变量为该层特征图的通道数，后一个变量为CBAM注意力模块中空间注意力机制的卷积核大小，参数为128×7的CBAM模块即为卷积核大小为7×7，通道数为128，其他部分与YOLOv8-RSDD-HRII模型一致； S6：基于构建的公路快检路面病害图像标注数据集，开展改进模型的对比实验研究，找出更适应公路快检图像场景下的细小路面病害检测的网络模型。

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：211102 江苏省南京市江宁区东南大学路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。