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！

龙图腾网获悉唐山市公路建设管理中心;交科(天津)智能交通发展有限公司;河北工业大学申请的专利基于卷积神经网络的沥青混合料图像分类方法及系统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：CN121074491B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202511195013.3，技术领域涉及：G06V10/764；该发明授权基于卷积神经网络的沥青混合料图像分类方法及系统是由李庆国;韩伯雅;庞佳宇设计研发完成，并于2025-08-26向国家知识产权局提交的专利申请。

本基于卷积神经网络的沥青混合料图像分类方法及系统在说明书摘要公布了：本发明公开了基于卷积神经网络的沥青混合料图像分类方法及系统，方法包括：采集含沥青混合料颗粒形态、分布密度等信息的原始图像数据；经卷积神经网络提取多尺度初级特征集；输入改进型YOLOv5模型特征融合模块，融合浅层细节与深层语义特征生成融合特征集；嵌入多头注意力机制强化关键特征、抑制冗余特征，输出强化特征集；由改进型YOLOv5模型检测头模块计算类别概率分布，确定含混合料类型、颗粒级配及沥青含量等级的分类结果。系统包括六个单元，各单元依次连接。本发明实现分类全自动化，提升效率与精准度，适配不同工程场景，为道路工程质量管控提供可靠技术支持。

本发明授权基于卷积神经网络的沥青混合料图像分类方法及系统在权利要求书中公布了：1.基于卷积神经网络的沥青混合料图像分类方法，其特征在于，包括以下步骤： 步骤S1：采集沥青混合料样本图像，将所述样本图像输入至预设图像采集模块进行图像数据采集操作，获取包括沥青混合料颗粒形态、颗粒分布密度、颗粒间隙特征及沥青膜覆盖状态的原始图像数据； 步骤S2：将所述原始图像数据输入至基于卷积神经网络构建的特征提取网络，通过所述特征提取网络中的卷积层对原始图像数据进行多尺度特征映射操作，利用卷积核对原始图像数据进行滑动窗口计算以生成初始特征图，再通过池化层对初始特征图进行下采样处理以保留标定特征信息并降低特征维度，得到沥青混合料图像的初级特征集； 步骤S3：将所述初级特征集输入至改进型YOLOv5模型的特征融合模块，所述特征融合模块采用多尺度特征融合策略，将不同层级的初级特征进行通道维度拼接与空间维度对齐操作，通过特征金字塔结构对初级特征集中的浅层细节特征与深层语义特征进行融合处理，生成融合特征集； 步骤S4：在所述改进型YOLOv5模型中嵌入多头注意力机制模块，将所述融合特征集输入至多头注意力机制模块，通过多个并行注意力头对融合特征集中的不同特征通道进行权重分配计算，对沥青混合料图像中与分类相关的标定特征区域进行注意力强化，对无关冗余特征进行抑制，输出强化特征集； 步骤S5：将所述强化特征集输入至改进型YOLOv5模型的检测头模块，所述检测头模块通过全连接层对强化特征集进行维度转换，将强化特征集映射至预设的沥青混合料分类类别空间，通过分类器对映射后的特征向量进行类别概率计算，得到沥青混合料图像对应的类别概率分布； 步骤S6：根据所述类别概率分布确定沥青混合料图像的分类结果，所述分类结果包括沥青混合料类型、颗粒级配等级及沥青含量等级，完成沥青混合料图像分类操作； 在步骤S3的特征融合模块中，采用特征融合权重计算模型对不同层级初级特征的融合权重进行动态调整，所述特征融合权重计算模型公式为：，其中，表示第i层级初级特征与第j层级初级特征的融合权重，分别为卷积特征贡献系数与特征相似度贡献系数，取值范围均为表示对第i层级初级特征与第j层级初级特征进行卷积运算得到的特征关联值；表示与的特征相似度，采用余弦相似度计算；n表示参与融合的初级特征层级总数； 在步骤S4的多头注意力机制模块中，采用多头注意力权重计算模型对每个注意力头的输出特征进行权重分配，所述多头注意力权重计算模型公式为：，其中，m的取值范围为为注意力头总数，取值为4-8；表示查询向量与键向量的维度，取值为64-256；分别表示第m个注意力头的查询矩阵、键矩阵与值矩阵，由融合特征集通过线性变换得到；表示沥青混合料特征离散系数，取值范围为表示第m个注意力头对应的特征距离矩阵，通过欧氏距离计算；表示平滑系数，取值为0.01。

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唐山市公路建设管理中心;交科(天津)智能交通发展有限公司;河北工业大学，其通讯地址为：300000 天津市西青区精武镇慧学道1号1-703；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。