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！

龙图腾网获悉无锡莱姆顿科技股份有限公司申请的专利面向结构损伤检测的跨颜色空间信息缺失分辨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：CN120747038B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511150044.7，技术领域涉及：G06T7/00；该发明授权面向结构损伤检测的跨颜色空间信息缺失分辨方法及系统是由王诏亮;包献忠设计研发完成，并于2025-08-18向国家知识产权局提交的专利申请。

本面向结构损伤检测的跨颜色空间信息缺失分辨方法及系统在说明书摘要公布了：本发明提供一种面向结构损伤检测的跨颜色空间信息缺失分辨方法及系统，涉及图像处理技术领域，该方法包括构建图像训练集，包含原始灰度图像及其对应的检测标签、以及由原始灰度图像转换生成的伪彩图像及其相同检测标签；将原始灰度图像和伪彩图像输入跨颜色空间状态协同网络进行训练；训练过程中，采用三重损失函数优化跨颜色空间状态协同网络；使用优化后的跨颜色空间状态协同网络对待检测目标图像进行检测。本发明通过CCSC模块强化跨颜色空间特征一致性，MDM模块提升全局信息捕捉，三重损失增强鲁棒性，显著提高图像检测精度与稳定性。

本发明授权面向结构损伤检测的跨颜色空间信息缺失分辨方法及系统在权利要求书中公布了：1.一种面向结构损伤检测的跨颜色空间信息缺失分辨方法，其特征在于，包括： S1：构建图像训练集，包含原始灰度图像及其对应的检测标签、以及由所述原始灰度图像转换生成的伪彩图像及其相同检测标签； S2：将所述原始灰度图像和伪彩图像输入跨颜色空间状态协同网络进行训练，所述跨颜色空间状态协同网络包括： 第一特征提取器和第二特征提取器，分别用于提取原始灰度图像和伪彩图像的多层级特征； L-1个跨颜色空间协同注意力模块，用于对所述第一特征提取器和所述第二特征提取器输出的同层级特征进行隐状态空间关联，生成互补特征，其中L为设定正奇数，L≥3； L个第一多方向Mamba融合模块和L个第二多方向Mamba融合模块，分别用于对所述互补特征进行多方向状态空间建模； 第一解码器和第二解码器，分别用于基于所述第一多方向Mamba融合模块和所述第二多方向Mamba融合模块的输出特征进行上采样融合； 第一YOLOv8Neck模块和第二YOLOv8Neck模块，分别用于接收所述第一解码器和所述第二解码器的输出特征，进行多尺度特征融合； 第一YOLOv8DecoupledHead模块和第二YOLOv8DecoupledHead模块，分别连接所述第一YOLOv8Neck模块和所述第二YOLOv8Neck模块，输出最终检测结果：原始灰度图像和伪彩图像中检测目标的预测类别、置信度、中心坐标及宽高； S3：训练过程中，采用三重损失函数优化所述跨颜色空间状态协同网络： 第一损失，用于度量原始灰度图像检测结果与标签的差异； 第二损失，用于度量伪彩图像检测结果与标签的差异； 第三损失，用于约束原始灰度图像与伪彩图像检测结果的一致性； S4：使用优化后的跨颜色空间状态协同网络对待检测目标图像进行检测； 其中所述对所述第一特征提取器和所述第二特征提取器输出的同层级特征进行隐状态空间关联，生成互补特征的过程包括： 首先，将第一特征提取器En的第l级编码模块输出特征的一个像素的特征fl∈Rc、第二特征提取器的第l级编码模块输出特征的一个像素的特征同时输入跨颜色空间协同注意力模块，其中c,h,w分别表示特征的通道数、高度和宽度，l＝1,2,…,L，R为实数集；特征fl在经过层归一化之后，输入被划分为两个分支，在第一个分支中，输入通过一个线性层、一个激活函数输出特征fl,1；在第二个分支中，输入依次经过一个线性层、一维卷积和一个激活函数输出特征特征在经过层归一化之后，输入被划分为两个分支，在第一个分支中，输入通过一个线性层、一个激活函数输出特征在第二个分支中，输入依次经过一个线性层、一维卷积和一个激活函数输出特征 然后，将两个输入的第二个分支中的特征fl,2和进行混合操作，将混合结果送入状态空间模型生成融合特征h′，其过程如下： 接着，融合特征h′通过层归一化进行标准化处理得到特征h，并与输入的第一个分支的输出进行逐元素乘法，以合并两条分支，生成融合特征fl,3和其过程如下： fl,3＝h*fl,1； 最后，将融合特征fl,3和投影回原空间并使它们通过残差连接以获得互补特征f′l和其过程表述为： f′l＝fl+LinearLNfl,3； 其中，Linear代表线性层，LN代表层归一化； 所述对所述互补特征进行多方向状态空间建模的过程包括： 多维度特征预处理：针对第一特征提取器或第二特征提取器的输出特征，通过维度交换与深度可分离卷积，生成三个不同方向的特征分支，分别捕捉不同维度的空间特征信息； 双分支像素级状态空间建模：对每个方向的特征分支，按像素级进行双分支处理： 第一分支通过线性层与激活函数提取基础特征； 第二分支经线性层、一维卷积与激活函数处理后，送入状态空间模型挖掘长距离空间依赖关系，再通过层归一化与第一分支特征逐元素相乘，结合线性层投影与残差连接，生成该方向的增强特征； 多方向特征融合与更新：将三个方向的增强特征经维度还原后在通道维度拼接，通过卷积层进行融合，再结合原始输入特征的残差连接，输出全局优化后的特征，实现跨多维度的状态空间信息增强与特征一致性强化。

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无锡莱姆顿科技股份有限公司，其通讯地址为：214000 江苏省无锡市滨湖区蠡园开发区吟白路1号研创大厦13楼1301；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。