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！

龙图腾网获悉华东交通大学;重庆大学溧阳智慧城市研究院申请的专利基于目标检测算法的预制隧道管片预埋套筒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：CN119963804B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202411949247.8，技术领域涉及：G06V10/25；该发明授权基于目标检测算法的预制隧道管片预埋套筒检测方法是由赵宏宇;王翔宇;章露;孙浚博;汪军;史伟翔;王雨飞设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本基于目标检测算法的预制隧道管片预埋套筒检测方法在说明书摘要公布了：本发明为基于目标检测算法的预制隧道管片预埋套筒检测方法，包括以下步骤：利用全景摄像头获取浇筑前已安装预埋套筒和未安装预埋套筒的隧道管片模具图像；将模具图像的大小转化为224*224的标准大小，之后每一个像素乘以相同的像素权重，所有新图像构成数据集，将数据集划分为训练集和测试集，并将训练集中含有预埋套筒的图像做数据标注；再进行均值滤波，数据增强处理，形成增强后的数据集；构建KAN‑DETR目标检测模型，利用增强后的数据集训练KAN‑DETR目标检测模型，用于预制隧道管片预埋套筒数量的检测。其兼顾较高的判别速度和较高的判别精度，适合于预埋套筒数量检测中。

本发明授权基于目标检测算法的预制隧道管片预埋套筒检测方法在权利要求书中公布了：1.一种基于目标检测算法的预制隧道管片预埋套筒数量检测方法，其特征在于，所述检测方法包括以下步骤： 利用全景摄像头获取浇筑前已安装预埋套筒和未安装预埋套筒的隧道管片模具图像；将模具图像的大小转化为224*224的标准大小，获得标准大小图像； 将获取的标准格式图像的每一个像素乘以相同的像素权重，得到新图像，以突出预埋套筒，像素权重设置为1.25； 所有新图像构成数据集，将数据集划分为训练集和测试集，并将训练集中含有预埋套筒的图像做数据标注，标出其中的预埋套筒；其次将数据集进行均值滤波，并将训练集做数据增强处理； 均值滤波:使用一个3*3大小的窗口在乘以像素权重后的新图像上滑动，计算每个窗口内像素的平均值，并用这个平均值替换窗口中心的像素； 数据增强处理的过程是：将均值滤波处理后的图像分别顺时针旋转30°、60°和90°，之后将图像进行随机擦除，即在图像中覆盖一个大小为50*50的布满随机值的矩形框，模拟被钢铁遮挡住部分的预埋套筒，最后形成增强后的数据集； 构建KAN-DETR目标检测模型，所述KAN-DETR目标检测模型包括主干网络ResNet-kan、混合编码器和带有辅助预测头的解码器，图片输入主干网络ResNet-kan中，进行特征提取获得多层不同尺度的特征图，然后利用混合编码器处理多尺度特征，将混合编码器的输出连接DIoU感知查询选择，从中选择固定数量的特征作为解码器的初始目标查询，然后解码器生成边界框和置信度得分，经过前馈神经网络将解码器的输出转化为概率分布，从而得到最终的预测结果，进而判断是否缺少预埋套筒； 利用增强后的数据集训练KAN-DETR目标检测模型，用于预制隧道管片预埋套筒数量的检测； 所述主干网络ResNet-kan中，输入图像首先经过7*7卷积核的卷积层，卷积层的输出通道数为64，然后经过3*3的池化层，经过池化作用之后的数据进入四种通道数不同的卷积组，这四种卷积组由两个1*1的卷积核与一个3*3的卷积核组成，这些卷积组会重复不同的次数，第一种卷积组重复3次，输出的通道数为256，第二种卷积组重复4次，输出的通道数为512，第三种卷积组重复6次，输出的通道数为1024，第四种卷积组重复3次，输出的通道数为2048；经过四种卷积组卷积后的特征图像G1x作为MultKAN模块的输入，再经过平均池化层、全连接层、和激活函数softmax的处理，获得步长分别为8、16和32的输出特征，分别记为S3、S4以及S5，S3、S4以及S5作为混合编码器的输入特征； 在MultKAN模块中，特征图像G1x进入第一个1*1的卷积核，卷积核个数为512个，将通道数降为512，再进入第二个3*3的卷积核，步长为2，进一步对特征图像降维得到G2x，再进入MultKAN层，MultKAN层的输出MultKANG1x与G2x进行特征相加，获得MultKAN模块的输出； 所述解码器包括依次连接的可变形注意力机制、归一化层、自注意力机制、归一化层、GR-kan和归一化层；其中可变形注意力机制的的计算公式为： 其中，y是输出特征图，p0是输出空间中的点，pn是卷积核的相对位置；ωpn是卷积核的权重；x是输入特征图；Δpn是学习到的偏移量； 所述GR-kan的计算方式为：内部单变量函数Internalx通过sigmoid函数的形式，将输入的实数值x映射到一个介于0和1之间的输出值， 而外部单变量函数Externalx是将一组已知的数据点通过分段线性近似的方式连接起来，形成一个光滑的曲线，计算公式为： 其中n1表示内部单变量函数Internalx的数量，ci是训练期间优化的系数，Px,Qx是多项式；GR-Kan网络的输出为Fx，计算公式为： Fx＝ωInternalx+Externalx 其中ω是权重，Internalx为内部单变量函数，Externalx为外部单变量函数。

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华东交通大学;重庆大学溧阳智慧城市研究院，其通讯地址为：330013 江西省南昌市经开区双港东大街808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。