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！

龙图腾网获悉蔚湃建筑科技(上海)有限公司申请的专利基于深度学习的外墙视觉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：CN120495942B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510985799.2，技术领域涉及：G06V20/17；该发明授权基于深度学习的外墙视觉检测方法及系统是由杨凤英;周建锋设计研发完成，并于2025-07-17向国家知识产权局提交的专利申请。

本基于深度学习的外墙视觉检测方法及系统在说明书摘要公布了：本发明提供一种基于深度学习的外墙视觉检测方法及系统，首先获取包含不同拍摄角度和光照条件下采集的具有像素坐标标记的多幅外墙图像单元的初始视觉图像集合，接着对其进行特征预处理生成标准化特征图像集合，然后调用预训练的外墙缺陷检测模型对标准化特征图像集合进行缺陷特征识别，得到初步检测结果，再根据初步检测结果中缺陷类型候选集合的置信度分布和候选区域的空间位置关联性，确定最终检测结果，包含唯一缺陷类型标签及缺陷区域在图像坐标系中的精确位置坐标，最后基于最终检测结果生成包含缺陷类型统计信息和位置分布图的外墙缺陷检测报告，并发送至目标终端设备以触发后续维护操作，从而提高了外墙检测的准确性和效率。

本发明授权基于深度学习的外墙视觉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外墙视觉检测方法，其特征在于，所述方法包括： 获取外墙的初始视觉图像集合，所述初始视觉图像集合包含不同拍摄角度和光照条件下采集的具有像素坐标标记的多幅外墙图像单元； 对所述初始视觉图像集合进行图像特征预处理，生成包含外墙表面纹理特征和结构轮廓特征的标准化特征图像集合； 调用预训练的外墙缺陷检测模型对所述标准化特征图像集合进行缺陷特征识别处理，生成每幅外墙图像单元中缺陷区域的初步检测结果，所述初步检测结果包含缺陷类型候选集合及对应候选区域的轮廓边缘坐标信息； 根据所述初步检测结果中缺陷类型候选集合的置信度分布和候选区域的空间位置关联性，确定每幅外墙图像单元中缺陷区域的最终检测结果，所述最终检测结果包含唯一缺陷类型标签及缺陷区域在图像坐标系中的精确位置坐标； 基于所述最终检测结果生成包含缺陷类型统计信息和位置分布图的外墙缺陷检测报告，并将所述外墙缺陷检测报告发送至目标终端设备以触发后续维护操作； 所述调用预训练的外墙缺陷检测模型对所述标准化特征图像集合进行缺陷特征识别处理，生成每幅外墙图像单元中缺陷区域的初步检测结果，包括： 将所述标准化特征图像集合输入所述外墙缺陷检测模型的特征提取网络，生成不同层级的抽象特征图，该特征提取网络包含多层卷积层和池化层，以通过卷积核的滑动窗口操作逐层提取标准化特征图像中的局部特征，并通过池化层对局部特征进行降维处理； 将不同层级的抽象特征图输入特征融合模块，采用自上而下和自下而上相结合的路径进行特征融合，生成包含多尺度上下文信息的融合特征图，其中，自上而下的路径将高层语义特征与低层细节特征相结合，自下而上的路径将低层特征逐步抽象为高层特征； 将所述融合特征图输入区域建议网络，生成多个可能包含缺陷的候选区域，每个候选区域包含在图像坐标系中的位置坐标和尺寸参数； 对每个候选区域进行特征裁剪和缩放处理，将候选区域的特征图调整为预设大小的固定尺寸，生成候选区域特征图； 将所述候选区域特征图输入分类回归子网络，通过分类分支预测候选区域属于不同缺陷类型的概率分布，通过回归分支预测候选区域位置坐标的偏移量和尺寸的调整参数； 根据分类分支的概率分布和回归分支的调整参数，对候选区域进行位置修正和非极大值抑制处理，保留置信度大于第一设定阈值且重叠度小于第二设定阈值的候选区域，生成每幅外墙图像单元中缺陷区域的初步检测结果。

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蔚湃建筑科技(上海)有限公司，其通讯地址为：201500 上海市金山区漕泾镇亭卫公路3316号1幢3116室；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”。