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！

龙图腾网获悉东南大学申请的专利一种基于计算机视觉的砌体建筑遗产残损识别与定位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：CN118865163B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202410826154.X，技术领域涉及：G06V20/17；该发明授权一种基于计算机视觉的砌体建筑遗产残损识别与定位方法是由淳庆;马世驭;花全均;张承文;翟飞设计研发完成，并于2024-06-25向国家知识产权局提交的专利申请。

本一种基于计算机视觉的砌体建筑遗产残损识别与定位方法在说明书摘要公布了：本发明公开了一种基于计算机视觉的砌体建筑遗产残损识别与定位方法，首先，基于航拍图片信息，利用深度学习方法学习砌体建筑遗产的典型残损病害形态与位置特征，实现残损病害的自动化、智能化识别；其次，针对航拍图片信息特点对目标识别网络YOLOv5n进行改进，实现具有更高检测精度、更快检测速度的Improved‑YOLOv5n；然后，采用基于遗传算法的OTSU多阈值图像分割算法对残损进行分割，能够获得清晰的损伤边缘；最后，采用靶标法排除不利于残损边缘几何定位的干扰因素，最终得到残损边缘在所在平面内的真实物理位置以及几何信息。本发明的残损识别与定位方法具有自动化、智能化的特点，检测网络具有较快的检测速度和精度。

本发明授权一种基于计算机视觉的砌体建筑遗产残损识别与定位方法在权利要求书中公布了：1.一种基于计算机视觉的砌体建筑遗产残损识别与定位方法，其特征在于，包括以下步骤：a设置砌体建筑遗产残损自动识别模块；步骤a1，形成数据集使用无人机对砌体建筑遗产进行拍摄，得到初始高精度图片数据，分析典型砌体建筑遗产残损病害特征，使用深度学习标注软件Labelme对图片进行标注，得到砌体建筑遗产残损病害数据集；步骤a2，针对UAV图像特点改进YOLOv5n网络得到Improved-YOLOv5n自动识别网络引入SEAttention；引入FocalLoss思想；引入剪枝方法；引入模型蒸馏技术；b设置砌体建筑遗产残损自动定位与量化模块步骤b1，在待预测砌体建筑遗产表面设置靶标，根据已知物理信息的靶标在拍摄图像上所呈现的位置和大小得到图像相应的透视变换矩阵以及像素标定值，步骤b2，标识残损所在的目标平面，获取目标平面角点相对于原图的位置；步骤b3，将待预测图像送入Improved-YOLOv5n检测网络进行检测，得到残损的预测框后进行裁剪，接着对裁剪后的目标残缺区域进行基于遗传算法的多阈值图像分割，首先将图像转换为灰度图，像素点的灰度范围为0到L-1，图像像素数为N，i-level灰度值的像素数为Ni，Pi表示i-level灰度值的像素出现的概率： 式中，i表示第i级灰度，范围为0～L-1，L-1为灰度的最大值；使用阈值T将图像分割目标C0和C1，ω0T和ω1T分别表示阈值为T时，C0和C1发生的概率，ω0T和ω1T通过下式得到： ω1T＝1-ω0TC0与C1的灰度均值分别为μ0T、μ1T，全图的灰度均值为μ，由下式得到： μ＝ω0μ0+ω1μ1阈值为T的类间方差定义如下：σ2T＝ω0μ0-μ2+ω1μ1-μ2将单阈值扩展到多阈值，即：threshold＝[T1，T2，…,Tn]，累计每个阈值区间内的类间方差如下式所示： 式中，n表示阈值的个数；ωk表示灰度值位于[Tk-1,Tk]区间内的概率；此时最大类间方差定义如下： 当类间方差σ2T1,T2,…,Tn达到最大值时，获得OTSU多阈值分割的最优阈值集合该过程采用遗传算法进行搜优；根据最优阈值集合对图像进行二值化分割，而后进一步使用开、闭运算消除图像噪声，获取清晰残损边缘，获得残损边缘相对于原图的位置；步骤b4，采用步骤b1得到的图像像素标定值以及透视变换矩阵对目标角点以及残损边缘点进行变换以及量化，得到残损在所在平面的位置，以及其它真实物理信息。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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”。