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！

龙图腾网获悉山东科技大学申请的专利一种基于任务对齐与动态类别加权的轨道缺陷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：CN121213573B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511771678.4，技术领域涉及：G06T7/00；该发明授权一种基于任务对齐与动态类别加权的轨道缺陷检测方法是由高歌;王德印;吕楠;徐文恺;路正博;韩文哲;郗皓冉;赵勇设计研发完成，并于2025-11-28向国家知识产权局提交的专利申请。

本一种基于任务对齐与动态类别加权的轨道缺陷检测方法在说明书摘要公布了：本发明公开了一种基于任务对齐与动态类别加权的轨道缺陷检测方法，属于轨道交通运维技术领域，其步骤为：利用无人机搭载高清摄像设备，对铁路或城市轨道进行巡检，获取轨道图像数据；对采集到的图像进行预处理并划分为训练集、验证集和测试集；在YOLO目标检测网络的训练过程中，在正样本分配阶段引入任务对齐打分；设计统一稀缺‑尺寸联合加权的分类损失，引入动态更新的类别权重，同时刻画类别稀缺性与目标尺寸对学习难度的影响，从而提升整体检测精度；利用训练好的模型对无人机采集的新轨道图像进行推理，输出包含缺陷类别、位置与置信度的检测结果。

本发明授权一种基于任务对齐与动态类别加权的轨道缺陷检测方法在权利要求书中公布了：1.一种基于任务对齐与动态类别加权的轨道缺陷检测方法，其特征在于，包括以下步骤： S1：利用无人机搭载高清摄像设备，对铁路或城市轨道进行巡检，获取轨道图像数据； S2：对采集到的图像进行预处理并划分为训练集、验证集和测试集； S3：在YOLO目标检测网络的训练过程中，在正样本分配阶段引入任务对齐打分； S4：设计统一稀缺-尺寸联合加权的分类损失，引入动态更新的类别权重，同时刻画类别稀缺性与目标尺寸对学习难度的影响，从而提升整体检测精度； S5：利用训练好的模型对无人机采集的新轨道图像进行推理，输出包含缺陷类别、位置与置信度的检测结果； 所述S4包括以下子步骤： S4.1：对每个类别，分别计算出现频次和平均归一化面积，出现频次为近几轮迭代内类别被选为正样本的动态平滑统计值，表达式为： ； 其中，和分别为更新后和更新前的出现频次，为当前批正样本数，为加权平滑系数，； 平均归一化面积为近几轮内类别正样本归一化面积的动态平滑平均值，表达式为： ； 其中，为当前批正样本面积均值； S4.2：将稀缺度项和尺寸项用线性加权融合为类别权重得到类别权重函数： ； 其中，为加权系数，调整与对最终权重的影响，，为防止出现除零的常数，、为调节参数，分别用于控制类别稀缺性项与目标尺寸项对权重的影响强度，； S4.3：对进行归一化和裁剪处理，表达式为： ； ； 其中，为归一化后的类别权重，和分别为类别权重的最小值和最大值，为最终类别权重； S4.4：将作用到每个正样本的分类监督项中，构造加权分类损失： ； 其中，为正样本的真实类别标签，为模型输出的正样本的类别预测概率，为二元交叉熵损失函数，为正样本的真实类别权重，为正样本集合，为正样本数。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。