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！

龙图腾网获悉广东工业大学申请的专利一种基于深度学习方法的高韧性混凝土多缝开展行为识别与表征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：CN120070833B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510535529.1，技术领域涉及：G06V10/20；该发明授权一种基于深度学习方法的高韧性混凝土多缝开展行为识别与表征方法及系统是由林嘉祥;黄景昊;刘柳逸;李伟冰;吴嘉仕;张舸设计研发完成，并于2025-04-27向国家知识产权局提交的专利申请。

本一种基于深度学习方法的高韧性混凝土多缝开展行为识别与表征方法及系统在说明书摘要公布了：本发明属于计算机视觉与高性能混凝土力学测试技术领域，公开了一种基于深度学习方法的高韧性混凝土多缝开展行为识别与表征方法及系统，包括：基于高韧性混凝土裂纹图像样本的特征构建图像特征数据集；对所述图像特征数据集进行预处理，获得预处理数据集；基于预训练模型Segformer‑B2和改进的U‑net网络构建SegB2‑Unet神经网络，通过所述预处理数据集对所述SegB2‑Unet神经网络进行训练，获得高韧性混凝土裂纹语义分割模型；基于所述高韧性混凝土裂纹语义分割模型对高韧性混凝土拉伸裂纹进行识别，提取裂纹的长度和宽度，获得裂纹形态信息。本发明适用于高韧性混凝土单轴拉伸试验中的裂纹精确识别与量化分析。

本发明授权一种基于深度学习方法的高韧性混凝土多缝开展行为识别与表征方法及系统在权利要求书中公布了：1.一种基于深度学习方法的高韧性混凝土多缝开展行为识别与表征方法，其特征在于，所述方法包括： 基于高韧性混凝土裂纹图像样本的特征构建图像特征数据集； 对所述图像特征数据集进行预处理，获得预处理数据集； 基于预训练模型Segformer‑B2和改进的U‑net网络构建SegB2‑Unet神经网络，通过所述预处理数据集对所述SegB2‑Unet神经网络进行训练，获得高韧性混凝土裂纹语义分割模型； 基于所述高韧性混凝土裂纹语义分割模型对高韧性混凝土拉伸裂纹进行识别，提取裂纹的长度和宽度，获得裂纹形态信息； 基于预训练模型Segformer‑B2和改进的U‑net网络构建SegB2‑Unet神经网络的方法包括：采用Segformer‑B2作为编码器，结合U‑Net解码器，并集成多尺度特征融合和注意力机制，网络结构整体分为编码部分、瓶颈部分和解码部分； 在编码器部分，采用Segformer‑B2作为特征提取网络，该网络首先通过重叠Patch嵌入处理输入图像，使得图像分割为若干个有重叠区域的Patch，随后，图像进入四层Transformer块，每层都包含高效自注意力机制和混合前馈网络，捕捉不同尺度的裂纹特征； 瓶颈层部分：瓶颈层位于编码器与解码器之间，用于进一步提取高层特征，并降低冗余信息；该部分采用3×3卷积进行特征提炼，并结合批量归一化Batch Normalization和ReLU激活函数，确保信息能够有效传播，并缓解梯度消失问题；此外，瓶颈层还具备通道调整功能，通道会从Transformer块输出的通道数512扩展到1024，并且进行深层次特征进行卷积提取高层特征，之后再返回512通道； 解码器部分：解码器采用多阶段上采样策略逐步恢复特征图的空间分辨率；在每个阶段中，首先利用转置卷积模块进行初步上采样，并通过双线性插值精确调整特征图尺寸；为了弥补深层网络在信息传递过程中可能丢失的空间细节，每个阶段充分利用跳跃连接，将编码器中高分辨率的特征直接传递到相应的解码层阶段，增强对裂纹边缘和其他微小细节的捕捉能力；每个跳跃连接之后，都紧跟一个卷积融合层 3×3 卷积、BatchNorm 和 ReLU ，以进一步融合上采样后的特征与编码器传递来的特征。

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广东工业大学，其通讯地址为：510000 广东省广州市东风东路729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。