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！

龙图腾网获悉重庆交通大学申请的专利一种基于深度学习的轻量化桥梁表观病害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：CN118429274B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202410413652.1，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的轻量化桥梁表观病害检测方法是由张廷萍;杜屏羲;熊元俊;蒋仕新;黄雪梅设计研发完成，并于2024-04-08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轻量化桥梁表观病害检测方法在说明书摘要公布了：本发明公开了一种基于深度学习的轻量化桥梁表观病害检测方法，涉及混凝土建筑安全评估技术领域。本发明通过在YOLOv8神经网络中改进小目标检测层网络，舍弃了原检测网络的大目标检测层，同时在YOLOv8神经网络C2f层中引入LMConv卷积，降低参数量的同时增强病害特征的提取能力，提高精度；分别合并YOLOv8检测头上BBoxLoss分支和ClsLoss分支上的两个卷积，并用组卷积替换，并行计算降低计算量；同时引入了Inner‑IoU，利用辅助边界框打破原有损失函数的局限性，加快网络的收敛并提升检测能力。本发明提出的方法与原有的模型相比，参数量与计算量大幅降低，并且提高了检测精度，有利于部署于算力有限的边缘计算设备进行桥梁病害检测。

本发明授权一种基于深度学习的轻量化桥梁表观病害检测方法在权利要求书中公布了：1.一种基于深度学习的轻量化桥梁表观病害检测方法，其特征在于：至少包括以下步骤： 步骤一：收集混凝土桥梁表观病害数据集，对收集到的数据集预处理，然后进行数据增强； 步骤二：舍弃了YOLOv8中检测大目标的检测头，减小模型的计算量和复杂度； 步骤三：使用LMConv替换YOLOv8中C2f层的Conv模块，LMConv中的多尺度的提取特征以及逐点卷积，充分地利用冗余特征，使用最小的计算量来交换更丰富的特征信息； 步骤四：分别合并检测头上BBoxLoss分支和ClsLoss分支上的两个卷积，并用组卷积替换，有效地减轻了模型的大小； 步骤五：引入Inner-IoU，与原始YOLOv8中的CIOU结合，利用辅助边界框加快模型收敛速度，以不改变网络结构，不增加网络运算量的方式提高了网络的精度； 所述步骤五引入Inner-IoU应用于YOLOv8中的CIOU结合的计算方式如下： union＝wgt*hgt*ratio2+w*h*ratio2-inter LInner-CIOU＝LCIOU+IOU-IOUinner 地面真实框和预测框分别记为Bgt和B，bl,br,bt和bb分别是预测框左边界，右边界，顶部边界和底部边界； 和分别是真实框左边界，右边界，顶部边界和底部边界； 真实框和innerGT框的中心点用表示，xc,yc表示预测框和Inner预测框的中心点； GT框的宽度和高度分别用wgt和hgt表示； 预测框的宽度和高度用w和h表示； 步骤六：对改进后的轻量型的网络进行消融实验和对比实验来验证改进网络的有效性。

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重庆交通大学，其通讯地址为：400000 重庆市南岸区学府大道66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”。