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！

龙图腾网获悉江西赣粤高速公路股份有限公司;中国地质大学(武汉);江西省交通设计研究院有限责任公司申请的专利一种面向异常天气下的路面裂缝与安全锥检测方法及设备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：CN119399100B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411263395.4，技术领域涉及：G06T7/00；该发明授权一种面向异常天气下的路面裂缝与安全锥检测方法及设备是由余小晴;张子涵;虞安军;何丕元;饶春华;刘玮;熊永华设计研发完成，并于2024-09-10向国家知识产权局提交的专利申请。

本一种面向异常天气下的路面裂缝与安全锥检测方法及设备在说明书摘要公布了：本发明提供一种面向异常天气下的路面裂缝与安全锥检测方法及设备，涉及计算机视觉和图像处理领域，包括：将待检测合成图像输入训练好的异常天气处理网络，获得待检测真实图像，将待检测真实图像输入训练好的路面裂缝检测网络和训练好的安全锥检测网络，分别获得路面裂缝检测结果和安全锥检测结果。本发明基于生成对抗网络GAN与卷积神经网络CNN联合构建了一种异常天气处理网络，以克服常规去雨算法会产生因雨纹与图像细节的混淆而导致结果过度暗淡或饱和的问题，并利用半监督学习方法对异常天气处理网络进行训练，提高图像的去雨效果。

本发明授权一种面向异常天气下的路面裂缝与安全锥检测方法及设备在权利要求书中公布了：1.一种面向异常天气下的路面裂缝与安全锥检测方法，其特征在于，包括： S1：构建异常天气处理网络，通过样本真实图像集合和样本合成图像集合对异常天气处理网络进行训练，获得训练好的异常天气处理网络；异常天气处理网络包括：特征转换空间模块、匹配网络、GAN-CNN网络、和图像转换空间模块； 步骤S1具体为： S11：从样本真实图像集合中提取两个样本真实图像，将其中一个样本真实图像作为引导雨图，从样本合成图像集合中提取一个样本合成图像作为合成雨图，调节匹配网络和GAN-CNN网络的参数； S12：通过特征转换空间模块对合成雨图进行特征提取，得到第一合成特征； 通过特征转换空间模块对引导雨图进行特征提取，得到第二合成特征； S13：将第一合成特征和第二合成特征输入匹配网络，计算获得匹配网络的匹配损失； S14：通过第一合成特征，训练异常天气处理网络，输出去雨图像；通过去雨图像和样本真实图像计算获得GAN-CNN网络的感知损失和均方误差损失； S15：重复步骤S12-S14直至匹配损失、感知损失和均方误差损失均小于对应的预设值，获得训练好的异常天气处理网络； 匹配损失Lmatch的计算公式为： Lmatch＝Lf+Lc 其中，Fs和Ft分别表示第一合成特征和第二合成特征，Ms和Mt分别表示Fs和Ft的均值向量，表示Frobenius范数，d表示特征维度； 生成对抗网络的感知损失的计算公式为： perceptualloss＝contentloss+λ·adverserialloss contentloss＝||VGGItruth-VGGIclear||2 adverserialloss＝∑[logDItruth+log1-GIclear] 其中，Itruth为样本真实图像，Iclear为去雨图像，VGG表示卷积神经网络，||·||2表示L2范数，λ为感知损失和均方误差损失的共享权重； 卷积神经网络的均方误差损失的计算公式为： I＝||VGG[fI；θ]-VGGItruth||2+λ·||fI；θ-Itruth||2 其中，fI；θ＝Iclear表示去雨图像； S2：通过样本真实图像集合构建路面裂缝图像集合和安全锥图像集合，将路面裂缝图像集合和安全锥图像集合输入自适应特征重构网络，获得路面裂缝特征集合和安全锥特征集合； S3：构建路面裂缝检测网络和安全锥检测网络，通过路面裂缝特征集合对路面裂缝检测网络进行训练，获得训练好的路面裂缝检测网络；通过安全锥特征集合对安全锥检测网络进行训练，获得训练好的安全锥检测网络； S4：将待检测合成图像输入训练好的异常天气处理网络，获得待检测真实图像，将待检测真实图像输入训练好的路面裂缝检测网络和训练好的安全锥检测网络，分别获得路面裂缝检测结果和安全锥检测结果。

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江西赣粤高速公路股份有限公司;中国地质大学(武汉);江西省交通设计研究院有限责任公司，其通讯地址为：330000 江西省南昌市高新区火炬大街199号赣能大厦；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”。

以上内容由龙图腾AI智能生成。