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！

龙图腾网获悉浙江大学申请的专利基于卷积神经网络与双目视觉的智能配筋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：CN116703835B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310578442.3，技术领域涉及：G06T7/00；该发明授权基于卷积神经网络与双目视觉的智能配筋检测方法及系统是由赵唯坚;魏翠婷设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本基于卷积神经网络与双目视觉的智能配筋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卷积神经网络与双目视觉的智能配筋检测方法及系统。该方法包括步骤：S1：使用深度相机采集钢筋的RGB图像和深度图像数据；S2：将钢筋的RGB图像输入卷积神经网络进行钢筋识别，获取钢筋的预测边界框及掩膜；S3：基于钢筋识别结果，利用双目视觉技术进行配筋检测，输出可视化的钢筋质量验收结果。本发明将卷积神经网络用于钢筋识别，提高钢筋目标检测与分割的准确度；并结合双目视觉技术，使智能配筋检测具备实时性，同时输出可视化结果，在钢筋隐蔽工程中辅助工作人员进行质量验收，大大提升工效，降低人工成本。

本发明授权基于卷积神经网络与双目视觉的智能配筋检测方法及系统在权利要求书中公布了：1.一种基于卷积神经网络与双目视觉的智能配筋检测方法，其特征在于，包括步骤： S1：使用深度相机采集钢筋的RGB图像和深度图像数据； S2：将钢筋的RGB图像输入卷积神经网络进行钢筋识别，获取钢筋的预测边界框及掩膜； S3：基于钢筋识别结果，利用双目视觉技术进行配筋检测，输出可视化的钢筋质量验收结果； 步骤S2具体包括步骤： S2.1：使用照相机设备采集钢筋原始图片，利用人工标注的方法制作钢筋掩膜标签，将数据集划分为训练集和测试集，并通过数据增强对数据集进行扩增； S2.2：使用公开数据集COCO2017在改进MaskR-CNN模型上进行预训练，基于迁移学习的原理初始化网络参数； S2.3：通过步骤S2.1中的数据集对步骤S2.2建立的改进MaskR-CNN模型进行训练，构建钢筋实例分割模型； S2.4：将深度相机采集的钢筋RGB图像输入钢筋实例分割模型，获取钢筋的预测边界框与掩膜； 步骤S2.2中，所述改进MaskR-CNN模型包括优化的特征提取模块、RPN模块、ROI对齐模块和输出分支； 所述优化的特征提取模块为在基于残差网络的特征金字塔结构ResNet-FPN中，加入自下而上传播路径和由通道注意力CA模块与空间注意力机制SA模块构成的CA-SA模块；在所述CA模块中，高为H、宽为W、通道数为C的特征图输入全局平均池化层后，空间维度W和H将被压缩为单位1，随后将得到的1×1×C特征图进行卷积操作，并经过softmax处理使通道之和为1，此时的输出即为各通道的注意力机制权重，将该权重与输入特征图在通道上对应相乘来获取输出特征图；在所述SA模块中，特征图经过1×1卷积和softmax处理后，通道维度被压缩为单位1，SA模块在二维平面上习得H×W尺寸特征图的权重矩阵，该权重矩阵对应每个像素点的空间注意力机制权值，代表空间位置信息的重要程度，赋予输入特征图该权重矩阵以放大重要特征，弱化背景信息，从而实现特征筛选和增强的效果；所述自下而上传播路径具体指：基于ResNet-FPN获得的{P2，P3，P4，P5}特征图，将P2的特征信息传递给N2，N2进行3×3卷积将高宽下采样至P3尺寸后，与P3逐元素相加送入CA-SA模块得到N3，依此类推，在P4和P5特征图上进一步提取N4和N5，从而获得{N2，N3，N4，N5}特征图； 图像经所述优化的特征提取模块生成特征图；RPN模块在特征图上进一步对每一点生成强先验的锚点框，通过1×1卷积来获取锚点框的分类得分与边界框回归量，以此筛选出一组较好的候选框输入ROI对齐模块；ROI对齐模块将所述优化的特征提取模块生成的特征图和RPN模块筛选出的候选框变换到相同维度，以满足后续全卷积网络对输入特征的要求；最后，将ROI对齐模块得到的特征输入全连接层，在分类分支、边界框回归分支和掩膜分支分别输出物体的预测类别得分、边界框回归量和像素掩膜，从而完成整个检测与分割任务。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。