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！

龙图腾网获悉石家庄铁道大学;中国铁路设计集团有限公司;中铁十二局集团有限公司申请的专利混凝土裂缝检测与识别方法、装置、设备及存储介质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：CN115456972B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202211053725.8，技术领域涉及：G06T7/00；该发明授权混凝土裂缝检测与识别方法、装置、设备及存储介质是由王保宪;赵维刚;徐飞;杨帅;石德斌;谭兆;秦守鹏;薛骐;李建军;张逆进;王彪设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本混凝土裂缝检测与识别方法、装置、设备及存储介质在说明书摘要公布了：本发明提供一种混凝土裂缝检测与识别方法、装置、设备及存储介质，该方法包括：获取预设样本库中的多个裂缝图像样本；对每个裂缝图像样本分别进行人工标记，得到含有第一标记的第一标签图像，其中，第一标记指示图像中的裂缝；对第一标签图像进行边缘检测，得到含有第二标记的第二标签图像，其中，第二标记指示图像中裂缝的边缘；基于每个裂缝图像样本及其第一标签图像、第二标签图像，对预先构建的裂缝检测与识别模型进行训练，得到训练好的裂缝检测与识别模型；基于训练好的裂缝检测与识别模型对待检测的图像进行裂缝检测与识别。本发明提供的裂缝检测与识别方法可以提高对细微裂缝的检测与识别的精度。

本发明授权混凝土裂缝检测与识别方法、装置、设备及存储介质在权利要求书中公布了：1.一种混凝土裂缝检测与识别方法，其特征在于，包括： 获取预设样本库中的多个裂缝图像样本； 对每个裂缝图像样本分别进行人工标记，得到含有第一标记的第一标签图像，其中，所述第一标记指示图像中的裂缝； 对所述第一标签图像进行边缘检测，得到含有第二标记的第二标签图像，其中，所述第二标记指示图像中裂缝的边缘；所述裂缝的边缘包括方向和幅度两个属性，所述第二标签图像是基于Sobel边缘检测算子检测第一标签图像的裂缝边缘真值图得到的； 基于每个裂缝图像样本及其第一标签图像、第二标签图像，对预先构建的裂缝检测与识别模型进行训练，得到训练好的裂缝检测与识别模型；其中，所述裂缝检测与识别模型为基于通道卷积操作将Unet++的解码网络分为主干分割网络和边缘预测分支网络，所述主干分割网络用于提取所述每个裂缝图像样本的全部特征，所述边缘预测分支网络用于提取所述第一标签图像的边缘裂缝特征； 基于训练好的所述裂缝检测与识别模型对待检测的图像进行裂缝检测与识别； 其中，所述基于每个裂缝图像样本及其第一标签图像、第二标签图像，对预先构建的裂缝检测与识别模型进行训练，得到训练好的裂缝检测与识别模型，还包括： 基于所述第一标签图像中裂缝的裂缝面积、以及第二标签图像中裂缝的边缘面积，确定与所述第一标签图像相对应的裂缝图像样本的训练权重，该训练权重用于表征所述第一标签图像相对应的裂缝图像样本的裂缝宽度； 基于所述第一标签图像的真值图的像素数量与第三图像的分割结果的像素数量的Dice相关系数，构建所述主干分割网络的主干损失函数；其中，所述第三图像为与所述第一标签图像相对应的裂缝图像样本经过所述主干分割网络后得到的图像； 基于所述第二标签图像的真值图与第四图像的交叉熵、以及所述裂缝图像样本的训练权重构建每层所述边缘预测分支网络的预测分支损失函数；其中，所述第四图像为与所述第一标签图像相对应的裂缝图像样本经过每层所述预测分支网络后得到的特征图；其中，所述Unet++解码网络的特征金字塔输出5层特征图，每层特征图经过通道卷积处理后生成2个子解码网络，分别为所述主干分割网络和边缘预测分支网络，在所述边缘预测分支网络中还设有nn.Parameter，用于每层特征图的权重自适应； 基于所述主干损失函数、所述预测分支损失函数、所述裂缝图像样本、所述第一标签图像、所述第二标签图像对预先构建的裂缝检测与识别模型进行训练； 其中，所述与所述第一标签图像相对应的裂缝图像样本的训练权重λ为： λ=0.1×PQ； 其中，P为第二标签图像中裂缝的边缘面积，Q为第一标签图像中裂缝的裂缝面积。

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石家庄铁道大学;中国铁路设计集团有限公司;中铁十二局集团有限公司，其通讯地址为：050043 河北省石家庄市北二环东路17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。