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！

龙图腾网获悉南京中设航空科技发展有限公司申请的专利一种基于Yolo V5的多阈值半监督道路异常病害智能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：CN114170480B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202111532418.3，技术领域涉及：G06V10/774；该发明授权一种基于Yolo V5的多阈值半监督道路异常病害智能检测方法是由周敏;夏颖;陈宇飞;张松;张韵晨设计研发完成，并于2021-12-15向国家知识产权局提交的专利申请。

本一种基于Yolo V5的多阈值半监督道路异常病害智能检测方法在说明书摘要公布了：本发明公开了一种基于YoloV5的多阈值半监督道路异常病害智能检测方法，包括收集路面异常病害图像，组成教师样本集，并对教师样本集进行预处理，得到初始训练数据集；训练YoloV5目标检测网络，得到初始教师模型；进一步收集真实场景路面图像数据，基于多阈值方式，形成学生样本集；将教师样本集进行强数据增强、学生样本集进行弱数据增强，在初始教师模型的基础上进行模型的训练，得到进化教师模型；持续收集真实场景路面图像数据，不断优化进化教师模型，最终得到目标路面病害识别检测网络；进行道路异常病害智能检测。本发明能够以较低的成本持续实现模型的迭代，能有效提升各类路面病害的识别准确率。

本发明授权一种基于Yolo V5的多阈值半监督道路异常病害智能检测方法在权利要求书中公布了：1.一种基于YoloV5的多阈值半监督道路异常病害智能检测方法，其特征在于，包括： 步骤1、收集路面异常病害图像，组成教师样本集，并对教师样本集进行预处理，得到初始训练数据集D_T； 步骤2、用初始训练数据集训练YoloV5目标检测网络，得到初始教师模型M_T； 步骤3、进一步收集真实场景路面图像数据，基于多阈值方式，采用教师模型进行图像的伪标签标注，形成学生样本集D_S； 步骤4、将教师样本集D_T进行强数据增强、学生样本集D_S进行弱数据增强，在初始教师模型M_T的基础上进行模型的训练，得到进化教师模型M_T’； 步骤5、持续收集真实场景路面图像数据，重复步骤3-4，不断优化进化教师模型M_T’，提高模型的识别能力，最终得到目标路面病害识别检测网络； 步骤6、采用目标路面病害识别检测网络进行道路异常病害智能检测； 所述步骤3包括： 步骤3.1、重新收集真实场景路面图像数据，作为原始检测图像； 步骤3.2、对原始检测图像进行图像水平翻转、90度、270度旋转得到测试增广图像集，并对测试增广图像数据集进行归一化处理后，组成测试样本集； 步骤3.3、利用步骤2中训练的得到的初始教师模型M_T对测试样本集进行预测； 步骤3.4、对初始教师模型的输出结果，先采用高得分置信度阈值θ0进行一阶段有效样本的筛选，保留得分置信度高于阈值θ0的输出结果，删除得分置信度低于阈值θ0的输出结果，选取保留的输出结果中不为空的图像作为有效样本； 步骤3.5、在步骤3.4中得到的有效样本中，利用步骤2中训练的得到的初始教师模型M_T，采用低得分置信度阈值θ1进行伪标签标记，形成学生样本集D_S； 所述步骤4包括： 步骤4.1、对训练集D_T_train进行强数据增强，得到D_T_train’； 所述强数据增强包括：图像水平翻转、图像90度、图像270度旋转、图像随机擦除、图像色彩变换、图像直方图均衡化、图像几何变换、图像随机噪声增强和图像JPEG伪影增强； 步骤4.2、对学生样本集D_S进行弱数据增强,得到D_S’； 所述弱数据增强包括：图像水平翻转、图像90度和图像270度旋转； 步骤4.3、以初始教师模型M_T作为YoloV5目标检测网络的预训练模型，设置较小的学习率，使用D_T_train’与D_S’的混合数据集进行模型的训练，得到进化教师模型M_T’。

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南京中设航空科技发展有限公司，其通讯地址为：210004 江苏省南京市秦淮区永丰大道36号天安数码城06栋1104；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。