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！

龙图腾网获悉中国电建集团华东勘测设计研究院有限公司申请的专利基于卷积神经网络的管道图像的缺陷识别方法及装置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：CN120013928B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202510466160.3，技术领域涉及：G06T7/00；该发明授权基于卷积神经网络的管道图像的缺陷识别方法及装置是由申屠华斌;阳旭;周小勇;黄森军;吴海天设计研发完成，并于2025-04-15向国家知识产权局提交的专利申请。

本基于卷积神经网络的管道图像的缺陷识别方法及装置在说明书摘要公布了：本发明提供了一种基于卷积神经网络的管道图像的缺陷识别方法及装置，涉及图像识别技术领域，通过对待识别的排水管网图像及标准排水管网图像进行分段线性灰度变换处理，得到第一灰度图像和第二灰度图像，能够根据图像内容的不同区域特性调整灰度映射关系，从而更有效地突显出各种类型的缺陷细节。并确定第一灰度图像和第二灰度图像之间的灰度像素差值，可以准确定位到图像中的缺陷区域。再基于灰度像素差值生成特征矩阵，通过预设的卷积神经网络对特征矩阵进行特征识别，以确定排水管网图像指示的排水管网的缺陷类别，不仅大大减少了人工参与的程度，还能够在不同的光照条件、噪声水平下能够保持较高的性能。

本发明授权基于卷积神经网络的管道图像的缺陷识别方法及装置在权利要求书中公布了：1.一种基于卷积神经网络的管道图像的缺陷识别方法，其特征在于，所述方法包括： 获取待识别的排水管网图像，以及所述排水管网图像对应的标准排水管网图像； 对所述排水管网图像和所述标准排水管网图像分别进行分段线性灰度变换处理，得到所述排水管网图像对应的第一灰度图像和标准排水管网图像对应的第二灰度图像； 确定所述第一灰度图像和所述第二灰度图像之间的灰度像素差值； 基于所述灰度像素差值生成特征矩阵，通过预设的卷积神经网络对所述特征矩阵进行特征识别，输出所述排水管网图像的识别结果； 基于所述识别结果，确定所述排水管网图像指示的排水管网的缺陷类别； 对所述排水管网图像和所述标准排水管网图像分别进行分段线性灰度变换处理，得到所述排水管网图像对应的第一灰度图像和标准排水管网图像对应的第二灰度图像的步骤，包括： 计算所述排水管网图像和所述标准排水管网图像分别对应的初始灰度值； 获取预先设置的多个灰度变换阈值，将所述初始灰度值和所述灰度变换阈值进行比对，确定当前初始灰度值对应的变换区间； 基于所述变换区间，对所述初始灰度值进行线性变换处理，得到变换后的灰度值；其中，所述变换区间包括预设的变换斜率；所述变换斜率基于所述初始灰度值对应的预设阈值和所述变换后的灰度值对应的预设阈值计算； 基于所述变换后的灰度值，确定所述排水管网图像对应的第一灰度图像，或者，所述标准排水管网图像对应的第二灰度图像； 其中，所述方法还包括： 基于所述排水管网图像的所述第一灰度图像的局部区域方差、空间域的标准差和灰度域的标准差，对所述第一灰度图像进行降噪处理；所述局部区域方差基于所述第一灰度图像的邻域内的像素点对应的灰度值计算; 所述变换斜率包括： 当0≤fi,ja时：； 当a≤fi,jb时：； 当b≤fi,j≤Mf时：； 其中，fi,j为原始函数；gi,j经过变换后的函数；Mf为原始函数fi,j的最大值；Mg为变换后函数gi,j的最大值；a表示原始函数值的第一个阈值，用于确定分段的界限；b表示原始函数值的第二个阈值，用于确定分段的界限；c表示变换后函数gi,j的最小值；d表示变换后函数gi,j的中间值，用于确定变换的范围； 计算所述排水管网图像和所述标准排水管网图像分别对应的初始灰度值的步骤，包括： 获取所述排水管网图像，或所述标准排水管网图像中每个像素对应的红色像素分量、绿色像素分量和蓝色像素分量； 根据预设的分量权重，计算所述红色像素分量、所述绿色像素分量和所述蓝色像素分量的加权和； 基于所述加权和，确定所述排水管网图像对应的初始灰度值，或者，或所述标准排水管网图像对应的初始灰度值。

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国电建集团华东勘测设计研究院有限公司，其通讯地址为：310000 浙江省杭州市拱墅区潮王路22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。