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一种基于轻量级全卷积残差网络的结构多病害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：CN119478522B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411590843.1，技术领域涉及：G06V10/764；该发明授权一种基于轻量级全卷积残差网络的结构多病害识别方法是由万春风;喻言;葛恩生;杨才千;高帅;李璞玉;缪长青设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本一种基于轻量级全卷积残差网络的结构多病害识别方法在说明书摘要公布了：本发明涉及一种基于轻量级全卷积残差网络的结构多病害识别方法，包括以下步骤：获取单病害的图像，设定图像尺寸，并对每个图像样本进行标记，生成单病害数据集；对单病害数据集中的图像进行预处理，通过交叉混叠生成多种病害共存的复合病害样本图像，构建多病害数据集；搭建全卷积残差网络模型，设定超参数并采用Adam优化算法与分类交叉熵损失函数对网络进行训练；利用训练完成的全卷积残差网络进行结构病害识别，实现对多种病害的同时快速、准确识别。与现有技术相比，本发明能够在多种病害共存的情况下高效识别各类病害，克服了传统方法只能识别单一病害的局限性，具有显著的实用价值和良好的应用效果。

本发明授权一种基于轻量级全卷积残差网络的结构多病害识别方法在权利要求书中公布了：1.一种基于轻量级全卷积残差网络的结构多病害识别方法，其特征在于，包括以下步骤： S1：单病害数据集构建及标签化：获取单病害图像并设定图像尺寸，对每个图像样本进行标记标签，形成单病害数据集； S2：多病害数据集构建及标签化：通过对单病害数据集中的单病害图像进行预处理，通过交叉混叠生成多种病害共存的复合病害样本图像，形成多病害数据集； S3：搭建全卷积残差网络模型，包括卷积层、池化层、分类层、全质量注意力块、逐点特征选择块，基于所述多病害数据集，设定超参数，并使用Adam优化算法和分类交叉熵损失函数进行网络训练； S4：基于训练后的全卷积残差网络进行结构多病害识别； S3中，搭建全卷积残差网络的具体过程包括： 对训练网络输入执行二维卷积、批量归一化、ReLU激活函数、最大池化操作； 构建包含4个卷积块的网络结构； 在4个卷积块之后加入二维自适应平均池化层、二维卷积、批量归一化、Softmax分类层； 定义Softmax分类层，用于计算概率分布； S3中，搭建全卷积残差网络的过程包括卷积块的构建，具体包括： 设定输入多病害图像数据格式为C0,H0,W0，定义输出多病害图像数据格式为C,H,W； 对输入多病害图像数据的一部分执行二维卷积、批量归一化、ReLU激活函数、再次二维卷积和批量归一化操作； 对输入多病害图像数据的另一部分仅执行二维卷积和批量归一化操作； 叠加两部分结果，再次执行相同的卷积和批量归一化操作以得到卷积块输出； S3中，搭建全卷积残差网络的过程包括逐点特征选择块的构建，具体包括： 分析输入多病害图像特征映射，涵盖多病害图像特征的通道数、高度和宽度三个维度； 将多病害特征图基于通道划分为三个子组，保留最高和中间子组中的特征，丢弃最低子组中的特征； 对剩余的两个子组进行逐点平均操作，压缩为一个独立的子组，保持特征图的空间维度不变； S3中，搭建全卷积残差网络的过程包括全质量注意力块的构建，具体包括： 在通道注意路径中，通过跳跃层和瓶颈结构生成通道注意图，其中瓶颈结构包含两个分别由ReLU和sigmoid激活函数激活的密集层； 在空间注意路径中，计算沿通道轴的空间描述符，使用卷积层和转置卷积层生成空间注意图； 将通道和空间注意图与输入特征图逐元素相乘，实现对特征的重要性加权。

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：210018 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。