Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江工业大学庄一舟获国家专利权

浙江工业大学庄一舟获国家专利权

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!

龙图腾网获悉浙江工业大学申请的专利基于改进YOLOv5神经网络与无人机视频结合的裂缝快速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:CN115223060B

龙图腾网通过国家知识产权局官网在2025-07-04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:202210608946.0,技术领域涉及:G06V20/17;该发明授权基于改进YOLOv5神经网络与无人机视频结合的裂缝快速检测方法是由庄一舟;张雯;金涛设计研发完成,并于2022-05-31向国家知识产权局提交的专利申请。

基于改进YOLOv5神经网络与无人机视频结合的裂缝快速检测方法在说明书摘要公布了:基于改进YOLOv5神经网络与无人机视频结合的裂缝快速检测方法,包括:利用无人机拍摄目标结构表面视频,逐帧提取视频中的图像,通过标记获得训练与验证数据集;基于YOLOv5算法模型,引入SSA麻雀搜索算法对模型中原有的K‑means算法进行替换改进,并用制作完成的数据集对改进后的模型进行训练;利用训练完成后的模型对无人机拍摄得到的新视频进行逐帧图像识别,最终检出视频中裂缝的位置。本发明将YOLOv5与SSA算法相结合,精准识别目标裂缝,通过视频输入实现裂缝检测,具有效率高、精度高、成本低、鲁棒性强等优点。

本发明授权基于改进YOLOv5神经网络与无人机视频结合的裂缝快速检测方法在权利要求书中公布了:1.基于改进YOLOv5神经网络与无人机视频结合的裂缝快速检测方法,包括如下步骤: A.构建基于无人机的结构裂缝图像数据集; A1:利用无人机拍摄目标结构物表面;无人机采用沿顺桥向的巡航路线,地面工作站连接无线图传接收机接收采集得到的视频; A2:对视频中的图片按一定时间间隔逐帧提取视频中图像,形成后续操作的图像库; A3:原始图像修改为分辨率较小的图像以缓解硬件设备压力,因桥梁裂缝并非爆发性产生,开裂周期较长,可供观测的含裂缝图像不多,故对已收集图像进行翻转、亮度变换、放大缩小等处理扩增数据集; A4:采集得到的图片利用labelImg软件对每个图像创建标签,包含裂缝标签与非裂缝标签分开存放并随机生成训练集与验证集; B.基于SSA改进YOLOv5神经网络; B1:将YOLOv5网络结构中K-means算法替换为搜寻特征能力更强的SSA算法;SSA首先初始化种类,迭代次数,不同特征点之间的比例;按序计算适应度值,为之后的特征点分类提供区域和方向;引入下式更新同类特征点在非同类特征点的位置: t表示当前迭代次数,j=1,2,3,…;itermax为一常数,表示最大迭代次数;Xi,j为第i个像素点在第j维中的位置信息;α∈0,1]为一随机数R;R2∈[0,1],ST∈[0.5,1]分别为预警值与安全值;Q为服从正态分布的随机数;L为1×d的矩阵,元素均为1; 引入下式更新新加入的同类特征点位置: XP为发现者占据的最优位置,Xworst为最差的位置;A为1×d的矩阵,元素为1或-1,A+=ATAAT-1; 引入下式更新边缘特征点位置: Xbest为全局最优位置;β为步长控制参数,β~N0,1,K∈[-1,1],fi为各个特征点的自适应值;fg和fw为最佳和最差适应度值,ε为常数,防止分母为0; 通过上述步骤计算适应度值并更新特征点位置,满足停止条件则退出过程输出结果,反之重复初始化之后的步骤; B2:基于B1特征点更新算法,首先对待分类数据点初始化随机抽样,获得SSA初始分类候选点,其次经过上述麻雀搜索算法SSA的迭代,更新特征点位置使全局中的各个特征点向最优值移动并迅速收敛,将相同种类的特征点归为一类; B3:通过上述计算就可以实现对不同特征点的分类,即不同色块之间的分类,最终实现图像内全部特征的归类识别; C.训练基于扩充数据集的改进YOLOv5神经网络; C1:利用脚本将图像文件标签格式转换为TXT,采用改进的YOLOv5网络加快对目标物体的识别速度,输入端采用Mosica算法进行数据增强,剪去图像的一部分内容并用数据集中其他区域像素值进行填充,检测四张图片组成的物体背景以自适应调整锚框; C2:对C1步骤处理完成后的图片继续输入改进的YOLOv5主干网络CSP1-X对图像进行切片,颈部网络采用FPN+PAN进行上、下采样,使用CSP2-X结构最大程度上减少原始图像的信息流失,加强网络特征融合; C3:输出每次训练后得到的正确率,并在规定次数的训练结束后观察是否达到所需正确率;检测头采用B中麻雀搜索算法生成预测框,损失函数采用GIoU;GIoU损失在网络中进行反向传播,使其损失逐渐减小,至模型收敛; C4:模型训练完毕后输出正确率,观察是否满足要求精度,最后获得模型网络识别结果; D.基于改进YOLOv5神经网络快速检测裂缝; D1:重新拍摄未采集过图像的桥梁上部结构表面,将无人机现场采集到的新裂缝视频输入C中训练好的网络以实现裂缝快速检测; D2:利用计算机视觉软件库OpenCV中的Videoread函数读取无人机采集的原视频,按一定时间间隔逐帧抽取图像输入C中网络进行裂缝识别并存取检测结果; D3:将已经识别完成的视频帧通过Videowrite函数规定好输出地址、视频大小、帧率等信息后重新写入,生成新的完成裂缝识别的视频,最终实现高效实用的基于改进YOLOv5神经网络与无人机视频结合的裂缝快速检测方法。

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浙江工业大学,其通讯地址为:310014 浙江省杭州市拱墅区潮王路18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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。