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！

龙图腾网获悉安徽交控工程集团有限公司申请的专利基于多源数据融合与YOLO优化算法的高速公路路面病害智能检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：CN121190981B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511370403.X，技术领域涉及：G06V20/10；该发明授权基于多源数据融合与YOLO优化算法的高速公路路面病害智能检测方法及系统是由王小中;龚磊;王大伟;张斌;薛尧强;吴斌;梁琪;许洋;韩艺;陆由付设计研发完成，并于2025-09-24向国家知识产权局提交的专利申请。

本基于多源数据融合与YOLO优化算法的高速公路路面病害智能检测方法及系统在说明书摘要公布了：本发明公开了一种基于多源数据融合与YOLO优化算法的高速公路路面病害智能检测方法及系统。该方法通过采集多源数据集，经时间同步、空间配准与分辨率标准化处理，构建统一数据输入集；采用融合可变形卷积与注意力机制的多尺度特征提取网络增强对不规则病害的特征捕获能力；建立跨模态特征交互机制，实现可见光纹理、红外热力学与点云几何特征的深度融合；利用多目标优化损失函数进行端到端训练，提升模型适应性；最终实现裂缝、坑槽等病害的自动化识别、定位与分类，并生成包含病害分布、统计评估及维修建议的结构化检测报告。本发明有效提升了检测精度与效率，为道路智能养护提供可靠支持。

本发明授权基于多源数据融合与YOLO优化算法的高速公路路面病害智能检测方法及系统在权利要求书中公布了：1.一种基于多源数据融合与YOLO优化算法的高速公路路面病害智能检测方法，其特征在于，包括以下步骤： S1、通过多光谱成像、红外热感应和三维激光扫描装置同步采集道路表面多源数据，并进行时间同步、空间配准和分辨率标准化处理，建立配准完备的多源数据输入集； S2、构建基于卷积神经网络的特征提取框架，采用多尺度特征融合和可变形卷积增强对不规则病害的特征捕获能力，通过注意力机制和特征金字塔实现多层次特征整合，所述多尺度特征融合采用分层聚合架构，具体包括： 在编码器部分引入可变形卷积层，通过可学习的偏移量参数使卷积核自适应覆盖不规则缺陷区域； 设计双向特征金字塔网络，通过自上而下和自下而上的路径融合低层细节特征和高层语义特征，并在各融合节点引入空间注意力机制； 在解码器部分采用渐进式上采样策略，通过跳跃连接将编码器的多尺度特征与解码器的相应层级特征深度融合； 最终输出包含丰富上下文信息的多尺度特征图； S3、建立多模态特征交互机制，将可见光纹理特征、红外热力学特征和点云几何特征进行深度融合，通过通道注意力和空间变换实现跨模态特征互补增强； S4、采用端到端训练策略，结合多尺度监督机制和多目标优化函数，通过梯度反向传播优化网络参数，所述S4中采用的优化目标函数为多特征融合损失函数，其基本表达式为： ， 其中，为特征保持损失分量，为重建精度损失分量，为融合系数，为空间分布权重系数； 所述特征保持损失分量采用多层级特征相似度计算方式： ， 其中，为特征层级数量，和分别表示第个特征层级下的估计结果和真实结果，为特征相似度度量函数； 所述重建精度损失分量采用绝对值差异计算方式： ， 其中，分别表示数据的三个维度尺寸，和分别表示重建数据和真实数据在位置处的数值； 所述特征相似度指标的计算公式为： ， 其中，为数据块A和B的均值，为数据块A和B的方差，为数据块A和B的协方差，为稳定化参数； S5、利用训练完成的深度学习模型处理多源数据，输出病害类型分类、位置坐标和检测置信度； S6、基于识别结果生成结构化检测报告，包含病害分布图、量化统计数据和维修建议。

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交控工程集团有限公司，其通讯地址为：230088 安徽省合肥市高新区望江西路520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。