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！

龙图腾网获悉成都红云鼎科技有限公司申请的专利一种基于深度学习的道路缺陷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：CN118918551B 。

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：202410949985.6，技术领域涉及：G06V20/56；该发明授权一种基于深度学习的道路缺陷检测方法是由陈丞;汪潋;王家伟;乔少杰;韩楠设计研发完成，并于2024-07-16向国家知识产权局提交的专利申请。

本一种基于深度学习的道路缺陷检测方法在说明书摘要公布了：本发明提供了一种基于深度学习的道路缺陷检测方法，该方法包括通过计算帧间相似度筛选噪声帧，应用加权像素替代，使用改进的加权平均滤波器进行平滑处理和多帧降噪得到新图像；利用改进的多尺度空洞卷积结构提取输入图像的特征金字塔，在每一层应用多尺度G‑LBP算子提取特征，得到图像多尺度特征图；设计目标检测算法识别特征图上的缺陷位置和边界框，设计卷积注意力模块从不同尺度检测道路缺陷目标；构建道路缺陷分类器，对检测到的目标按坑洼缺陷、裂缝缺陷进行分类；根据缺陷类型计算其损坏程度并划分等级，得到每个道路缺陷的等级；本发明能够有效识别和分类道路上的不同类型障碍，降低人工检测的错误和成本，为道路维护和管理提供决策支持。

本发明授权一种基于深度学习的道路缺陷检测方法在权利要求书中公布了：1.一种基于深度学习的道路缺陷检测方法，其特征在于：包括以下步骤： 步骤S1：根据原始图像数据，构建图像预处理器，基于时序进行多帧平滑和降噪的预处理操作； 步骤S2：基于改进的多尺度特征提取算法，对处理后的图像进行特征值提取，获取当前路面裂缝、坑洼缺陷的低、中、高层的不同特征；所述步骤S2具体包括：步骤S201：在输入图像上运用改进的多膨胀率融合的空洞卷积操作，得到输入图像的初步特征图C1-Cn及与其对应不同深度的子特征图D1-Dn；步骤S202：在特征图C1-Cn每一层之间引入一个交叉注意力层，通过设计的AN网络学习其子特征图间的相关性；步骤S203：将特征图C1-Cn中各自不同子特征图D*进行多尺度融合，得到最终的特征金字塔P；步骤S204：在得到的特征金字塔P的每一层上应用多尺度G-LBP算子，进行特征提取得到特征图，多尺度特征提取方法具体为； 1在图像中划分出n个m×m的网格，每个网格中包括不同半径r和不同采样点p； 2计算每个局部网格中r为r1，p为p1的MC-LBP算子特征值M，特征值M计算公式如下： 其中，Mp,rx,y表示MC-LBP算子特征值，p为采样点个数，r为半径，x,y为中心点的坐标，s•为阈值函数，阈值函数公式如下： 其中，θi是第i个采样点的角度，gx,y、gx+rcosθi,y+rsinθi分别为中心像素和采样点的灰度值； 3根据局部网格中每个特征值Mp,rx,y，更新第i个局部网格的整体特征值Mi，特征值Mi计算公式如下： 其中，p表示采样点个数； 4根据更新后的局部网格特征值Mi，计算全图范围中r为r2，p为p2的MC-LBP算子特征值Tm，特征值Tm计算公式如下： 其中，M* p,rx,y为全局MC-LBP算子特征值，gc为中心像素灰度值，Mi为采样点所在局部网格的灰度值；Tm为归一化后的全局MC-LBP算子特征值； 5将Gabor滤波器与图像的每个像素位置进行卷积操作，得到该位置上的响应值，Gabor滤波器提取特征的具体方法为： 其中，表示归一化后的Gabor特征，G表示Gabor滤波器，I表示输入图像； 6应用注意力机制，将MC-LBP算子和Gabor滤波器提取的特征Tm和Tg融合，得到G-LBP特征； 步骤S3：构建目标检测算法，在特征图中进行道路缺陷的目标识别； 步骤S4：构建道路缺陷分类器，对检测到的目标按坑洼缺陷、裂缝缺陷进行分类； 步骤S5：根据不同道路缺陷类别，分别计算其损坏程度，并做损坏等级划分； 步骤S6：将识别到的道路缺陷信息传回车辆显示器进行预警，并将相关信息上传至云端进行分析和统计。

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成都红云鼎科技有限公司，其通讯地址为：610046 四川省成都市武侯区金履路300号附51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”。