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！

龙图腾网获悉昆明理工大学申请的专利一种用于盘式制动器振动位移测量的语义分割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：CN119992092B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510095304.9，技术领域涉及：G06V10/26；该发明授权一种用于盘式制动器振动位移测量的语义分割方法是由王森;费申奥;沈爱萍;朱黎颖设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本一种用于盘式制动器振动位移测量的语义分割方法在说明书摘要公布了：本发明公开了一种用于盘式制动器振动位移测量的语义分割方法，属于视觉振动位移测量和计算机视觉领域。本发明用于对获取的盘式制动器振动视频的每一帧经过语义分割网络模型预测后得到对应的分割掩码；所述语义分割网络模型包括编码器和解码器，在编码器采用Resnet101作为网络主干，将其中7×7卷积和最大池化替换成基于Harr小波变换的下采样模块，并且在Resnet101网络原本的残差块中插入全局‑局部特征提取模块；在解码器部分采用基于协同注意力的尺度内特征交互模块和拉普拉斯图像引导的跨尺度特征融合模块。本发明注重局部和全局信息之间的平衡关系，有效地强调了图像中的边缘信息，弥补了深层网络中细节和局部结构信息的缺失，提升了网络模型对盘式制动器的定位精度，提高了语义分割模型在动态环境下对于盘式制动器细微变化的敏感程度和捕捉能力。

本发明授权一种用于盘式制动器振动位移测量的语义分割方法在权利要求书中公布了：1.一种用于盘式制动器振动位移测量的语义分割方法，其特征在于，包括以下步骤： 获取盘式制动器振动视频数据； 视频的每一帧经过语义分割网络模型预测后得到对应的分割掩码；所述语义分割网络模型包括编码器和解码器，在编码器采用Resnet101作为网络主干，将其中7×7卷积和最大池化替换成基于Harr小波变换的下采样模块，使输出的特征图具有图像帧中盘式制动器的更多细节信息，并且在Resnet101网络原本的残差块中插入全局-局部特征提取模块提升语义分割网络对盘式制动器细节和局部结构信息的表征能力，通过编码器获得特征层f2、f3、f4和f5；在解码器部分采用基于协同注意力的尺度内特征交互模块和拉普拉斯图像引导的跨尺度特征融合模块，将特征层f5输入到基于协同注意力的尺度内特征交互模块，通过基于协同注意力的尺度内特征交互模块从特征层中提取盘式制动器图像的空间语义信息并减轻空间语义差异，以获得特征层P5，将原始输入的图像f1、特征层f2、特征层f3、特征层f4、特征层f5及特征层P5输入到拉普拉斯图像引导的跨尺度特征融合模块得到对应的分割掩码； 所述编码器具体为：首先对输入图像f1进行两次基于Haar小波的下采样模块处理，经过第一个基于Haar小波的下采样模块处理后，得到特征层f2；将特征层f2作为第二个基于Haar小波的下采样模块的输入，将第二个基于Haar小波的下采样模块的输出依次经三个插入全局-局部特征提取模块的残差块，三个插入全局-局部特征提取模块的残差块输出结果依次为特征层f3、f4和f5； 所述插入全局-局部特征提取模块的残差块，具体为：在原残差块部分的1×1和3×3卷积后增加了全局-局部特征提取模块，全局-局部特征提取模块将输入的图片进行局部自适应平均池化，以此获得局部空间信息；随后分成两个分支，第一个分支对得到的局部特征进行全局自适应平均池化，当空间维度减小到1时进行卷积操作，然后扩张到该模块原始输入尺寸；第二个分支对得到的局部特征进行形状调整后，通过一维卷积提取更深层次的特征，再通过形状调整回到该模块原始输入尺寸；将两个分支得到的特征进行加权融合，再通过自适应反平均池化将其恢复到与输入特征相同的尺寸得到注意力图；最终将输入特征与生成的注意力图相乘，得到全局-局部特征提取模块的输出。

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昆明理工大学，其通讯地址为：650031 云南省昆明市一二一大街文昌路68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”。