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！

龙图腾网获悉长安大学申请的专利基于探地雷达和Swin Transformer优化的轻量化裂缝贯通程度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：CN119669680B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202411722449.9，技术领域涉及：G06F18/20；该发明授权基于探地雷达和Swin Transformer优化的轻量化裂缝贯通程度检测方法是由郝雪丽;裴莉莉;李伟;饶军;黄浩;袁博;宋祥骏;毛丹妮;于海洋设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本基于探地雷达和Swin Transformer优化的轻量化裂缝贯通程度检测方法在说明书摘要公布了：本发明公开了基于探地雷达和SwinTransformer优化的轻量化裂缝贯通程度检测方法，包括如下步骤：步骤1，采集探地雷达数据，并进行预处理和特征提取；步骤2，构建多特征融合的数据集；步骤3，设计基于SwinTransformer优化的二阶段贯通裂缝检测模型；步骤4，设计基于SwinTransformer‑YOLOv8优化的一阶段贯通裂缝检测模型；步骤5，根据步骤3和步骤4中的模型架构对训练集和测试集数据进行训练、预测。本发明提高了裂缝贯通程度检测的准确性，为道路维护提供了科学依据；大幅提高了检测速度，满足了大面积快速检测的需求；降低了计算复杂度，减轻了设备性能压力，提高了检测效率；增强了模型的泛化能力，可以适应不同道路条件；促进了智能化道路检测技术的发展。

本发明授权基于探地雷达和Swin Transformer优化的轻量化裂缝贯通程度检测方法在权利要求书中公布了：1.基于探地雷达和SwinTransformer优化的轻量化裂缝贯通程度检测方法，其特征在于，包括如下步骤： 步骤1，采集探地雷达数据，并进行预处理和特征提取 利用探地雷达设备对沥青路面进行扫描，收集路面以下的雷达信号数据；对原始雷达数据进行处理；从预处理后的数据中提取出有助于裂缝检测的关键信息； 步骤2，构建多特征融合的数据集； 将探地雷达信号的瞬时振幅、瞬时相位和瞬时频率特征图像进行组合，形成多特征融合的数据集；然后对数据集进行扩充和标注，完成探地雷达贯通裂缝多特征融合数据集的构建； 步骤3，设计基于SwinTransformer优化的二阶段贯通裂缝检测模型 3a优化网络的整体框架 在骨干网络引入SwinTransformer，在主干网络后引入FPN网络，结合MaskR-CNN的优势将ROIpooling替换为ROIAlign对二阶段检测网络加以改进； 3bFPN多尺度融合模块设计 通过自顶向下特征提取网络，生成深度和尺度都不同的特征图，使用上采样方式动态调整最深层特征图的分辨率，将相邻两层不同尺度的特征图进行融合，利用融合后含有浅层网络位置信息和深层网络语义信息的特征图进行目标检测； 3cROI池化方式优化 通过双线性插值法计算出四个位置的值后，通过Maxpooling得到相同大小的ROI输出； 3dSmoothL1损失函数优化 边界框位置损失函数采用SmoothL1函数，SmoothL1损失函数结合了L1损失函数和L2损失函数； 步骤4，设计基于SwinTransformer-YOLOv8优化的一阶段贯通裂缝检测模型 4a融合SwinTransformer网络 将YOLOv8和SwinTransformer融合，在YOLOv8的Backbone部分中，引入SwinTransformer网络； 4b加权双向特征融合网络 先让深层特征不断上采样与底层特征融合，上采样结束之后，再从底层特征下采样与深层特征融合，并且在两条特征提取路径之间增加两条横向连接路径，将主干网络中各阶段生成的特征图与待测特征图进行融合； 4cSwinTransformer-YOLOv8模型整体架构 YOLOv8融合了SwinTransformer，并且引入了加权双向特征金字塔BiFPN； 步骤5，根据步骤3和步骤4中的模型架构对训练集和测试集数据进行训练、预测。

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长安大学，其通讯地址为：710064 陕西省西安市雁塔区南二环路中段；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”。