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！

龙图腾网获悉安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站)申请的专利基于自适应深度学习模型训练的水下建筑物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：CN120823491B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202510805141.9，技术领域涉及：G06V20/05；该发明授权基于自适应深度学习模型训练的水下建筑物缺陷检测方法是由王兵;孔楠楠;刘旭;胡海松;姚亮;张景奎设计研发完成，并于2025-06-17向国家知识产权局提交的专利申请。

本基于自适应深度学习模型训练的水下建筑物缺陷检测方法在说明书摘要公布了：本发明涉及水下图像识别技术领域，具体为基于自适应深度学习模型训练的水下建筑物缺陷检测方法，包括获取水下图像数据作为第一训练集，利用生成对抗网络生成包含缺陷原型表征和环境特征向量的第二训练集；构建自适应检测模型，包括主干特征提取器、多尺度特征金字塔、自适应注意力模块和缺陷知识嵌入模块；利用环境特征向量和缺陷原型表征对训练数据进行课程排序；利用标准检测损失、原型对比损失和辅助损失进行优化；引入对抗训练，持续对缺陷原型嵌入向量进行对齐与微调，最终得到训练完成的自适应检测模型；利用训练完成的自适应检测模型实现对水下建筑物的缺陷检测，最终实现了水下缺陷精准高效检测。

本发明授权基于自适应深度学习模型训练的水下建筑物缺陷检测方法在权利要求书中公布了：1.基于自适应深度学习模型训练的水下建筑物缺陷检测方法，其特征在于，包括： 获取多模态水下图像数据作为第一训练集，利用生成对抗网络对第一训练集进行数据增强和特征提取，得到包含相应缺陷原型表征和环境特征向量的第二训练集； 构建自适应检测模型，自适应检测模型包括主干特征提取器、多尺度特征金字塔、自适应注意力模块和利用缺陷原型表征并进行动态优化的缺陷知识嵌入模块； 利用环境特征向量和缺陷原型表征对第二训练集进行课程排序，所述利用环境特征向量和缺陷原型表征对第二训练集进行课程排序包括：将所有水下图像训练样本根据其对应的环境特征向量与预先定义的一组不同离散等级的参考环境特征向量之间的加权距离度量进行划分，形成环境难度分桶；在每个环境难度分桶内部，依据训练样本的综合缺陷易识别度评估结果，将样本从易于识别到难以识别进行排序；所述综合缺陷易识别度评估包括，针对原始标注的训练样本，考量与训练样本关联的缺陷原型表征的初始分类置信度和训练样本在初始训练阶段被正确识别的频率；针对所述生成对抗网络生成的增强样本，依据其生成时所采用的缺陷原型的已知易识别度特性来确定；采用包含标准检测损失、原型对比损失和辅助损失进行优化，所述辅助损失通过在预定义的度量空间中最小化特征之间的差异来优化目标；在自适应检测模型的特征层引入对抗训练，持续对缺陷知识嵌入模块中的缺陷原型嵌入向量进行对齐与微调，得到训练完成的自适应检测模型； 将训练完成的自适应检测模型部署到设备中实现对水下建筑物的缺陷检测。

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安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站)，其通讯地址为：230088 安徽省合肥市高新区红枫路55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。