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！

龙图腾网获悉桂林电子科技大学申请的专利一种基于像素强度顺序变化与分割网络的裂缝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：CN116452564B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202310447441.5，技术领域涉及：G06T7/00；该发明授权一种基于像素强度顺序变化与分割网络的裂缝检测方法是由黄廷辉;李升典;彭佳宝设计研发完成，并于2023-04-24向国家知识产权局提交的专利申请。

本一种基于像素强度顺序变化与分割网络的裂缝检测方法在说明书摘要公布了：本发明公开一种基于像素强度顺序变化与分割网络的裂缝检测方法，首先利用像素点强度顺序变化的特点对裂样本缝数据集中的各个样本裂缝图像进行处理，生成各个样本裂缝图像的辅助图；然后利用样本裂缝图像及其辅助图对裂缝分割网络进行训练，得到裂缝分割网络模型；接着利用像素点强度顺序变化的特点对将待检测裂缝图像进行处理，生成待检测裂缝图像的辅助图；最后将待检测裂缝图像及其辅助图送入裂缝分割网络模型中，完成待检测裂缝图像的裂缝检测。本发明不仅有效地解决了多样化裂缝检测场景中面临的挑战，并能够实现高效、准确、稳健的裂缝检测，还能够降低检测成本，提高检测效率，同时应用范围广泛。

本发明授权一种基于像素强度顺序变化与分割网络的裂缝检测方法在权利要求书中公布了：1.一种基于像素强度顺序变化与分割网络的裂缝检测方法，其特征是，包括步骤如下： 步骤1、构建裂缝分割网络； 上述裂缝分割网络由1个转换层、26个自注意力卷积层、3个混合池化层、2个最大池化层、2个最大逆池化层、3个交替卷积层、5个缩放注意力层、1个拼接层和1个卷积层组成； 转换层由1个激活层、1个门控逻辑层、2个残差层、1个空间注意力层、1个通道注意力层、3个相乘层和1个相加层组成；第一残差层与第一和第二相乘层的一个输入共同形成转换层的裂缝图像的输入；激活层的输入形成转换层的裂缝图像的辅助图的输入，激活层的输出连接门控逻辑层的输入，门控逻辑层的输出同时连接第一残差层和第一相乘层的另一个输入；第一相乘层的输出连接第二残差层的一个输入；第一残差层的输出分为两路，一路经由空间注意力层连接第三相乘层的一个输入，另一路经由通道注意力层连接第三相乘层的另一个输入；第三相乘层的输出同时连接第二残差层和第二相乘层的另一个输入；第二残差层和第二相乘层的输出形成转换层的输出； 交替卷积层由2个逆卷积层、1个卷积层、3个激活层、1个相减层和1个相加层组成；第一逆卷积层的输入形成交替卷积层的输入，第一逆卷积层的输出连接第一激活层的输入，第一激活层的输出连接卷积层的输入，卷积层的输出连接第二激活层的输入；第一逆卷积层的输入和第二激活层的输出同时连接相减层的输入，相减层的输出连接第二逆卷积层的输入，第二逆卷积层的输出连接第三激活层的输入；第一激活层的输出和第三激活层的输出同时连接相加层的输入，相加层的输出形成交替卷积层的输出； 转换层的输入形成裂缝分割网络的输入；转换层的输出连接第一自注意力卷积层的输入，第一自注意力卷积层的输出连接第二自注意力卷积层的输入，第二自注意力卷积层的输出连接第一混合池化层的输入；第一混合池化层的输出连接第三自注意力卷积层的输入，第三自注意力卷积层的输出连接第四自注意力卷积层的输入，第四自注意力卷积层的输出连接第二混合池化层的输入；第二混合池化层的输出连接第五自注意力卷积层的输入，第五自注意力卷积层的输出连接第六自注意力卷积层的输入，第六自注意力卷积层的输出连接第七自注意力卷积层的输入，第七自注意力卷积层的输出连接第三混合池化层的输入；第三混合池化层的输出连接第八自注意力卷积层的输入，第八自注意力卷积层的输出连接第九自注意力卷积层的输入，第九自注意力卷积层的输出连接第十自注意力卷积层的输入，第十自注意力卷积层的输出连接第一最大池化层的输入；第一最大池化层的输出连接第十一自注意力卷积层的输入，第十一自注意力卷积层的输出连接第十二自注意力卷积层的输入，第十二自注意力卷积层的输出连接第十三自注意力卷积层的输入，第十三自注意力卷积层的输出连接第二最大池化层的输入； 第二最大池化层的输出连接第一个最大逆池化层的输入；第一最大逆池化层的输出连接第十四自注意力卷积层的输入，第十四自注意力卷积层的输出连接第十五自注意力卷积层的输入，第十五自注意力卷积层的输出连接第十六自注意力卷积层的输入，第十六自注意力卷积层的输出连接第二最大逆池化层的输入；第二最大逆池化层的输出连接第十七自注意力卷积层的输入，第十七自注意力卷积层的输出连接第十八自注意力卷积层的输入，第十八自注意力卷积层的输出连接第十九自注意力卷积层的输入，第十九自注意力卷积层的输出连接第一交替卷积层的输入；第一交替卷积层的输出连接第二十自注意力卷积层的输入，第二十自注意力卷积层的输出连接第二十一自注意力卷积层的输入，第二十一自注意力卷积层的输出连接第二十二自注意力卷积层的输入，第二十二自注意力卷积层的输出连接第二交替卷积层的输入；第二交替卷积层的输出连接第二十三自注意力卷积层的输入，第二十三自注意力卷积层的输出连接第二十四自注意力卷积层的输入，第二十四自注意力卷积层的输出连接第三交替卷积层的输入；第三交替卷积层的输出连接第二十五自注意力卷积层的输入，第二十五自注意力卷积层的输出连接第二十六自注意力卷积层的输入； 第十一、十二、十三、十四、十五和十六自注意力卷积层的输出同时接第一缩放注意力层；第八、九、十、十七、十八和十九自注意力卷积层的输出同时接第二缩放注意力层；第五、六、七、二十、二十一和二十二自注意力卷积层的输出同时接第三缩放注意力层；第三、四、二十三和二十四自注意力卷积层的输出同时接第四缩放注意力层；第一、二、二十五和二十六自注意力卷积层的输出同时接第五缩放注意力层；转换层的输出和第一至第五缩放注意力层的输出同时接拼接层的输入，转换层的输出连接卷积层的输入，卷积层的输出形成裂缝分割网络的输出； 步骤2、获取样本裂缝数据集，并利用像素点强度顺序变化的特点对裂样本缝数据集中的各个样本裂缝图像进行处理，生成各个样本裂缝图像的辅助图； 步骤3、利用样本裂缝图像及其辅助图对步骤1的裂缝分割网络进行训练，得到裂缝分割网络模型； 步骤4、采集待检测裂缝图像，并利用像素点强度顺序变化的特点对将待检测裂缝图像进行处理，生成待检测裂缝图像的辅助图； 步骤5、将待检测裂缝图像及其辅助图送入步骤3的裂缝分割网络模型中，完成待检测裂缝图像的裂缝检测； 上述步骤2和步骤4中，利用像素点强度顺序变化的特点对裂缝图像进行处理生成裂缝图像的辅助图的具体过程如下： 步骤1对于裂缝图像上的每个像素点，将裂缝图像上与像素点在方向上距离的像素点视为像素点的相邻像素点； 步骤2计算裂缝图像的每个像素点与其相邻像素点的像素强度相对值： 其中，表示像素点的像素强度，表示像素点的相邻像素点的像素强度； 步骤3利用函数对裂缝图像的每个像素点与其相邻像素点的像素强度相对值进行归一化，得到裂缝图像的每个像素点与其相邻像素点的归一化像素强度相对值； 步骤4计算裂缝图像的每个像素点与其相邻像素点的位置强度： 其中，为设定的均值、为设定的方差，为设定的强度权重，为像素点与其相邻像素点与的欧氏距离； 步骤5计算裂缝图像的每个像素点与其相邻像素点的归一化像素强度相对值与位置强度相乘后的均值，得到裂缝图像的每个像素点的辅助像素强度； 步骤6根据裂缝图像每个像素点的像素强度所计算得到的每个像素点的辅助像素强度，即构成了裂缝图像的辅助图； 上述，为设定的方向的数量，，为设定的欧氏距离的数量。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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”。

以上内容由龙图腾AI智能生成。