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！

龙图腾网获悉中建一局集团第二建筑有限公司申请的专利基于图像识别的混凝土表面缺陷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：CN120219834B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202510291587.4，技术领域涉及：G06V10/764；该发明授权基于图像识别的混凝土表面缺陷检测方法及系统是由赵金洪;李发松;杨小立;刘志新;鲜江华;张健设计研发完成，并于2025-03-12向国家知识产权局提交的专利申请。

本基于图像识别的混凝土表面缺陷检测方法及系统在说明书摘要公布了：本发明公开了一种基于图像识别的混凝土表面缺陷检测方法及系统，属于图像数据处理技术领域，通过对待识别混凝土表面图像进行预处理，获取预处理之后的待识别混凝土表面图像，采用表面缺陷特征提取算法对预处理之后的待识别混凝土表面图像进行特征提取，得到待识别图像特征，最后调用预先部署的混凝土缺陷识别模型对所述待识别图像特征进行识别，获取每张待识别混凝土表面图像对应的表面缺陷检测结果，不仅能够有效地对混凝土表面缺陷进行检测，还能够有效地提升缺陷检测精度，提升了混凝土表面缺陷检测效率。

本发明授权基于图像识别的混凝土表面缺陷检测方法及系统在权利要求书中公布了：1.一种基于图像识别的混凝土表面缺陷检测方法，其特征在于，包括： 确定待识别缺陷区域，控制无人机对所述待识别缺陷区域进行图像采集，获取至少一张待识别混凝土表面图像； 针对任意一张待识别混凝土表面图像，对待识别混凝土表面图像进行预处理，获取预处理之后的待识别混凝土表面图像； 采用表面缺陷特征提取算法对预处理之后的待识别混凝土表面图像进行特征提取，得到待识别图像特征； 调用预先部署的混凝土缺陷识别模型对所述待识别图像特征进行识别，获取每张待识别混凝土表面图像对应的表面缺陷检测结果； 混凝土缺陷识别模型设置为CNN模型或YOLO模型； 混凝土缺陷识别模型的预先部署方法，包括： A1、对混凝土缺陷识别模型的超参数进行初始化，获取鸽群； A2、采用预先获取的样本图像特征以及样本图像特征对应的人工缺陷标签获取每个鸽子对应的损失函数值； A3、采用自适应惯性配合搜索策略对鸽群的飞行过程进行改进，获取一次飞行之后的鸽群为： 其中，表示第t次训练过程中第i个鸽子，表示第i个一次飞行之后的鸽子，i=1,2,…,N，N表示鸽群中鸽子的总数，表示第t+1次训练过程中第i个鸽子对应的速度，表示第t次训练过程中第i个鸽子对应的速度，表示自然常数，表示惯性权重，R表示定位航迹规划和磁石，且R属于0,1之间的随机数，表示0,1之间的第一随机数，表示0,1之间的第二随机数，表示第t次训练过程中第i个鸽子对应的随机配合搜索鸽子；表示最优鸽子，即损失函数值最小的鸽子；表示惯性权重的预设最大值，表示惯性权重的预设最小值，T表示最大训练次数； A4、采用混合信息学习策略对鸽群的精英淘汰策略进行改进，获取二次飞行之后的鸽子，包括： 将一次飞行之后的鸽子两两随机配对，并将针对任意两个已配对的鸽子，将损失函数值小的一个鸽子作为胜利者，将损失函数值大的一个鸽子作为失败者； 对胜利者更新为： 其中，表示第t次训练过程中第m个胜利者，m=1,2,…,N2，表示第m个二次飞行之后的胜利者，表示0,1之间的第三随机数，表示柯西分布因子，表示平滑过渡因子，log表示对数运算的符号，表示0,1之间的第四随机数，表示莱维飞行因子，表示所有胜利者的平均位置，表示0,1之间的第五随机数，G表示高斯分布因子； 对失败者更新为： 其中，表示第t次训练过程中第n个胜利者，n=1,2,…,N2，表示第n个二次飞行之后的失败者，表示第一学习因子，表示第二学习因子，表示0,1之间的第六随机数，表示0,1之间的第七随机数，表示失败者对应的胜利者，表示失败者对应的历史最优值； A5、判断当前训练次数是否大于或等于预设的最大训练次数，若是，则根据二次飞行之后的鸽子，重新确定最优鸽子，并将最优鸽子包含的超参数作为混凝土缺陷识别模型的最终超参数，以实现对混凝土缺陷识别模型的部署，否则返回步骤A2。

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中建一局集团第二建筑有限公司，其通讯地址为：102600 北京市大兴区龙河路14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。