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！

龙图腾网获悉山东大学申请的专利一种基于深度学习的裂缝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：CN116416244B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310492746.8，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的裂缝检测方法及系统是由刘国良;石昌腾;田国会设计研发完成，并于2023-04-26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裂缝检测方法及系统在说明书摘要公布了：本发明提出了一种基于深度学习的裂缝检测方法及系统，涉及裂缝检测技术领域。包括获取裂缝原始图像；以包含编码器模块和解码器模块的DeeplabV3+模型为基础模型，其中编码器模块包括主干特征提取网络和金字塔部分，将编码器模块的金字塔部分融合SA‑Net注意力模块，同时将解码器的浅层特征和深层特征融合之后的卷积层替换为深度可分离卷积，搭建SA‑DeeplabV3+模型；将裂缝原始图像输入至SA‑DeeplabV3+模型中，进行特征提取并得到裂缝预测图像。本发明对于裂缝的检测准确率较高、效率更高、泛化能力更强。

本发明授权一种基于深度学习的裂缝检测方法及系统在权利要求书中公布了：1.一种基于深度学习的裂缝检测方法，其特征在于，包括以下步骤： 获取裂缝原始图像； 以包含编码器模块和解码器模块的DeeplabV3+模型为基础模型，其中编码器模块包括主干特征提取网络和金字塔部分，将编码器模块的金字塔部分融合SA-Net注意力模块，同时将解码器网路中的浅层特征和深层特征融合之后的卷积层替换为深度可分离卷积，搭建SA-DeeplabV3+模型，其中，浅层特征为网络中经过较少次数卷积提取得到的特征，深层特征为网络中经过较多次数卷积提取得到的特征； 将裂缝原始图像输入至SA-DeeplabV3+模型中，进行特征提取并得到裂缝预测图像； 将裂缝原始图像输入至SA-DeeplabV3+模型中，进行特征提取并得到裂缝预测图像，具体为： 将裂缝原始图像输入至编码器的主干特征提取网络中，分别在经过主干特征提取网络较少次数卷积之后提取浅层特征，并经过主干特征提取网络较多次数卷积之后提取深层特征； 将深层特征输入至金字塔部分中，以不同采样率的空洞卷积对深层特征进行并行采样，以多个比例捕捉图像的上下文，得到并行采样后的特征图； 利用SA-Net注意力模块对并行采样后的特征图分配注意力权重，并将注意力权重与对应的特征图进行加权，从而得到特征加权后的深层特征； 将特征加权后的深层特征进行上采样，将上采样后的结果和浅层特征共同输入至解码器中进行堆叠，将堆叠之后的特征进行深度可分离卷积，得到有效特征图； 将有效特征图进行上采样，获得裂缝预测图像； 利用SA-Net注意力模块对并行采样后的特征图分配注意力权重，并将注意力权重与对应的特征图进行加权，从而得到特征加权后的深层特征，具体为： SA-Net首先将并行采样后的特征图分成G组，得到G个子特征，每个子特征被沿通道维度分成两个分支，一个分支被用于产生空间注意图，另一个分支被用于产生通道注意图，对每个子特征在训练过程中进行捕捉，通过SA-Net注意力模块为每个子特征生成相应的权重系数； 将每个子特征与对应的权重系数进行加权，得到加权后的子特征； 利用混洗机制，使得每个加权后的子特征在通道维度进行流动，并在最终将所有加权后的子特征进行通道维度整合，得到处理后的整体特征，即深层特征。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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”。