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申请的专利基于四基数坐标注意力增强的混凝土裂缝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：CN121353285B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511914603.7，技术领域涉及：G06T7/00；该发明授权基于四基数坐标注意力增强的混凝土裂缝智能检测方法是由景文倩;张志星;肖烽;郭文杰;聂彪设计研发完成，并于2025-12-18向国家知识产权局提交的专利申请。

本基于四基数坐标注意力增强的混凝土裂缝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四基数坐标注意力增强的混凝土裂缝智能检测方法，属于计算机视觉与土木工程检测技术领域。本发明通过改进YOLO11网络架构构建QuadCoord‑YOLO网络，创新性引入CoT‑CSP模块与QCE模块：CoT‑CSP模块将上下文变换器机制与CSP结构深度融合，增强长距离依赖关系建模能力；QCE模块首次提出四基数并行通道注意力机制，结合坐标注意力和深层卷积实现三路并行多维度特征增强，突破传统SE模块单路径压缩的信息瓶颈。实验结果表明，该方法将边界框检测mAP50从72.6%提升至78.1%，分割mAP50从58.9%提升至66.6%，且仅增加3.2%参数量82,456个参数。本发明可应用于智能化结构健康监测系统，为混凝土结构状况评估和维护决策提供准确技术支撑。

本发明授权基于四基数坐标注意力增强的混凝土裂缝智能检测方法在权利要求书中公布了：1.一种基于四基数坐标注意力增强的混凝土裂缝智能检测方法，其特征在于，包括以下步骤： S1、构建混凝土裂缝数据集，对所述数据集中的裂缝图像进行标注以生成包含边界框信息和像素级分割掩码的标注信息，并将所述数据集划分为训练集、验证集和测试集； S2、基于YOLO系列网络构建QuadCoord-YOLO网络架构，在所述YOLO系列网络的骨干网络中替换至少部分原始特征提取模块为CoT-CSP模块，在所述YOLO系列网络的检测头中集成QCE模块，所述CoT-CSP模块为上下文变换器机制与CSP结构深度融合的模块，所述QCE模块为融合四基数并行通道注意力机制、坐标注意力机制及深层卷积增强的模块，所述QuadCoord-YOLO网络架构还包括颈部的特征融合子网络； S3、设计所述CoT-CSP模块，通过双路径特征分离单元将输入特征划分为第一分支和第二分支，对所述第一分支应用至少一个串联的上下文注意力块进行上下文变换处理，再通过特征融合单元将经上下文变换处理后的第一分支特征与第二分支特征拼接并经卷积融合； S4、构建所述QCE模块，采用三路并行架构，分别通过坐标注意力子模块生成空间注意力权重、通过四基数通道注意力子模块生成通道注意力权重、通过卷积特征增强子模块提取深层局部特征，再通过自适应融合单元将三个子模块的输出加权融合； 步骤S4中，所述坐标注意力子模块通过对输入特征分别进行和的自适应平均池化，得到两个方向的池化特征；将所述池化特征拼接后通过卷积降维至并经h-swish激活，再通过两个卷积生成高度方向注意力权重和宽度方向注意力权重，所述和经Sigmoid激活后逐元素相乘，得到空间注意力权重； 步骤S4中，所述四基数通道注意力子模块通过对输入特征进行全局平均池化，得到C×1×1的全局特征向量；所述四基数通道注意力子模块包括四个并行的全连接分支，每个分支的压缩比为2，将输入特征从维压缩至维；四个所述全连接分支的输出在通道维度拼接形成维聚合特征，再通过全连接层映射回维并经Sigmoid激活，得到通道注意力权重； S5、使用所述训练集对所述QuadCoord-YOLO网络进行端到端训练，通过复合损失函数优化所述QuadCoord-YOLO网络的参数； S6、利用训练完成的QuadCoord-YOLO网络模型对混凝土结构图像进行裂缝检测与分割，输出裂缝的边界框、分割掩码及置信度信息。

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，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街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。