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！

龙图腾网获悉西南石油大学申请的专利基于改进FCN语义分割模型的电成像图像裂缝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：CN116912751B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310912986.9，技术领域涉及：G06V20/50；该发明授权基于改进FCN语义分割模型的电成像图像裂缝识别方法是由刘红岐;马同乐;师少龙;廖海博设计研发完成，并于2023-07-24向国家知识产权局提交的专利申请。

本基于改进FCN语义分割模型的电成像图像裂缝识别方法在说明书摘要公布了：本发明公开了基于改进FCN语义分割模型的电成像图像裂缝识别方法，包括利用超像素分割算法构建用于深度学习训练的像素级标注数据集；采用图像旋转方法对像素级标注数据集进行数据增强；构建改进的FCN语义分割模型；采用像素级标注数据集对改进的FCN语义分割模型进行训练；利用训练好的改进的FCN语义分割模型对待识别电成像图像进行裂缝识别。本发明在语义分割模型中融合通道与空间交叉注意力模块，获取图像中的语义依赖关系，空间交叉的目的可以减小模型计算量；其次，将ResNet‑50作为骨干提取网络，具有一定深度，可以充分提取FMI图像中的上下文信息；最后，用超像素分割辅助人工进行图像标定，可以提高准确度和效率。

本发明授权基于改进FCN语义分割模型的电成像图像裂缝识别方法在权利要求书中公布了：1.基于改进FCN语义分割模型的电成像图像裂缝识别方法，其特征在于，包括以下步骤： S1、利用超像素分割算法构建用于深度学习训练的像素级标注数据集； S2、采用图像旋转方法对像素级标注数据集进行数据增强； S3、构建改进的FCN语义分割模型； 所述改进的FCN语义分割模型包括骨干网络、融合通道和空间交叉注意力模块与上采样层三部分； 骨干网络用于提取特征，并将这些特征输入到池化层、上采样层和卷积层中以生成像素级别的分割输出；骨干网络采用ResNet-50，能够加深网络深度，提高模型的语义分割性能，同时减小模型的参数数量；并且应用了膨胀卷积，增加卷积核的有效感受野，使得模型能够感知更广阔的上下文信息，同时不会增加参数数量和计算成本；之后引入的融合通道和空间交叉注意力模块，在增加少量计算量的情况下构建FMI图像像素之间的语义依赖关系；上采样层将得到的高维特征通过反卷积与双线性插值操作还原回原图大小，得到一幅包括裂缝与背景的语义分割图片； 所述融合通道和空间交叉注意力模块包含两个部分，分别为空间交叉注意力模块与通道注意力模块；工作过程为，首先由前置编码器给出通道注意力的输入特征，之后得到中间特征进入到空间交叉注意力，最终得到输出特征； 所述通道注意力模块由最大池化层、平均池化以及3层感知机组成，所述3层感知机由两个全连接层组成；特征图首先沿空间维度进行平均池化与全局池化，将特征图的空间维度减小为单个通道注意力向量；然后将其送入3层感知机，第一个全连接层将其投影到较低维空间进行降维，第二个全连接层将低维空间映射回原始通道维度，通过此操作生成两个×1×1的注意力向量，根据其重要性为特征图的每个通道分配权重，其中表示通道数；最后通过加权求和得到通道注意力图，将输入特征逐元素与其相乘得到中间特征； 其中通道注意力计算公式为： 式中：为通道注意力模块接受的输入特征图；为Sigmoid函数；为3层感知机且激活函数为ReLU，为平均池化特征，为最大池化特征； 所述空间交叉注意力模块由一组1×1卷积层、关联矩阵层组成；中间特征表示成形状为的张量，其中表示特征通道数量，和表示特征图的高度和宽度，中间特征经过三个独立的1×1卷积层映射成新特征，形状为，其中表示新特征通道数，查询张量表示输入图像中的当前位置或感兴趣的区域，而关键张量表示图像中所有位置的特征，值张量用于对输入图像中不同位置的重要性加权； S4、采用像素级标注数据集对改进的FCN语义分割模型进行训练； S5、利用训练好的改进的FCN语义分割模型对待识别电成像图像进行裂缝识别。

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南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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。