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！

龙图腾网获悉北京华宏工程咨询有限公司申请的专利基于深度学习的山区隧道裂缝智能识别与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：CN120997572B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511087846.8，技术领域涉及：G06V10/764；该发明授权基于深度学习的山区隧道裂缝智能识别与检测方法是由管弦;何申普;胥备;邵开春;曾文祥;陈建华;胡志强;李磊;刘奇;陈海燕;何娜设计研发完成，并于2025-08-05向国家知识产权局提交的专利申请。

本基于深度学习的山区隧道裂缝智能识别与检测方法在说明书摘要公布了：本发明提供基于深度学习的山区隧道裂缝智能识别与检测方法，涉及深度学习技术领域，包括通过采集多光谱图像数据，经自适应预处理获取增强特征图；利用双流网络结合空间‑通道级联注意力模块提取融合特征；通过特征关联图网络构建多尺度特征表征；采用联合优化目标训练网络；并进行形态学处理和连通性分析，实现裂缝的精确识别与分类。本发明提高了复杂环境下隧道裂缝的检测精度和抗干扰能力。

本发明授权基于深度学习的山区隧道裂缝智能识别与检测方法在权利要求书中公布了：1.基于深度学习的山区隧道裂缝智能识别与检测方法，其特征在于，包括： 采集带有标注信息的多光谱图像数据，所述标注信息包含裂缝的位置、形态和类型信息； 对所述多光谱图像数据进行自适应预处理，提取各光谱数据的低频和高频特征并进行加权融合，对融合图像进行动态范围增强，得到增强特征图； 将所述增强特征图输入双流网络，所述双流网络包含用于提取裂缝形态的空间特征处理通路和用于提取裂缝纹理的频率特征处理通路，并引入空间-通道级联注意力模块对空间特征和频率特征进行自适应加权融合，得到融合特征； 基于所述融合特征，通过特征关联图网络构建多尺度特征表征，结合节点重要性评估和互补特征提取模块进行特征增强，采用残差连接与递进融合的重建网络完成特征重建，具体包括：将融合特征通过不同尺度的下采样获得多尺度特征层级，构建特征关联图网络，所述特征关联图网络采用块对角矩阵表征相邻尺度层级间的特征关联，通过可学习的正交变换矩阵初始化层级间连接权重，并根据特征图的局部结构相似度对所述连接权重进行迭代优化； 计算所述特征关联图网络中各节点的重要性得分，所述重要性得分通过节点自身的特征响应强度与相邻层级节点的加权投票值确定，所述加权投票值基于节点间的连接权重与特征差异度计算； 构建互补特征提取模块对所述多尺度特征层级进行顺序处理，基于所述重要性得分生成特征选择门控信号，对各尺度特征进行自适应加权，利用可变形卷积网络对加权特征进行空间自适应采样获得局部增强特征，通过条件生成对抗网络对特征图中的裂缝区域进行补全与增强，得到互补增强特征； 将所述互补增强特征输入重建网络，通过残差连接与特征递进融合进行特征重建，并采用结合特征一致性约束与局部结构保持的损失函数对网络参数进行优化； 构建联合优化目标训练所述双流网络，所述联合优化目标通过多层级形态特征和能量扩散一致性约束动态调整网络损失，具体包括：提取裂缝图像的局部形态特征，所述局部形态特征包括裂缝的曲率、方向性及宽度变化率，通过卷积网络对所述局部形态特征进行映射得到局部特征响应； 基于所述局部特征响应构建区域关联矩阵，所述区域关联矩阵表征裂缝区域之间的拓扑关联强度，将所述区域关联矩阵与所述局部特征响应输入图卷积网络，提取裂缝的结构关联特征； 采用注意力机制将所述结构关联特征与图像上下文信息进行融合，通过特征变换网络生成全局语义特征，将所述局部形态特征、所述结构关联特征及所述全局语义特征输入权重生成网络得到多层级特征权重； 通过特征图的一阶梯度范数与二阶梯度范数的加权组合计算得到特征能量场，基于所述特征能量场设计能量依赖的扩散系数；利用所述扩散系数构建特征扩散方程，对不同尺度的特征图进行能量扩散，计算相邻尺度特征图之间的扩散一致性损失； 将所述多层级特征权重与所述扩散一致性损失结合生成联合优化目标，所述联合优化目标包括局部层级损失、结构层级损失、全局层级损失及特征一致性损失的加权组合； 对所述重建网络输出的特征图进行形态学处理和连通性分析，提取裂缝的拓扑结构特征，并基于深度度量学习方法将所述拓扑结构特征与所述标注信息进行匹配，对裂缝分类并生成检测结果。

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北京华宏工程咨询有限公司，其通讯地址为：101116 北京市通州区朱家垡村西900号院16号楼1层101；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。