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！

龙图腾网获悉西安邮电大学申请的专利基于改进YOLOX的桥梁病害检测方法、系统、设备及介质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：CN117237805B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202311203066.6，技术领域涉及：G06V20/10；该发明授权基于改进YOLOX的桥梁病害检测方法、系统、设备及介质是由谷静;李倩怡;崔晨;李颖慧设计研发完成，并于2023-09-18向国家知识产权局提交的专利申请。

本基于改进YOLOX的桥梁病害检测方法、系统、设备及介质在说明书摘要公布了：本申请公开了一种基于改进YOLOX的桥梁病害检测方法、系统、设备及介质，主要涉及桥梁病害检测技术领域，用以解决现有的1检测头分类与检测互不相关的弊端；2损失函数中的损失计算结果，无法反映出yolox预测与真实两者之间的真实距离，难以继续网络训练的问题。包括：将预处理后的桥梁病害图片拆分为训练集和测试集；通过siou损失函数更新预训练模型对应的网络权重，以完成yolox网络的网络权重的调整；获得若干特征层；将特征层输入检测头，通过检测头中的预设特征提取网络，获取特征层对应的尺度特征；将尺度特征输入检测头中的任务对齐器TAP进行尺度特征的分类与任务对齐，进而获得分类信息和检测框定位信息。

本发明授权基于改进YOLOX的桥梁病害检测方法、系统、设备及介质在权利要求书中公布了：1.一种基于改进YOLOX的桥梁病害检测方法，其特征在于，所述方法包括： 将桥梁病害图片输入yolox网络，对桥梁病害图片进行数据预处理，将预处理后的桥梁病害图片拆分为训练集和测试集；其中，yolox网络包括主干网络、颈部FPN和检测头； 通过预设VOC数据集对yolox网络的初始预训练模型进行迁移学习，以获得第一预训练模型，并通过训练集和siou损失函数更新第一预训练模型对应的网络权重，以获得最终预训练模型，完成yolox网络的网络权重的调整；训练集至少包括：第一训练集和第二训练集，且训练集中桥梁病害图片包括：预测边界框与真实边界框；具体包括： 通过预设VOC数据集，对初始预训练模型中的YOLOX权重进行迁移学习，以获得第一预训练模型；对第一预训练模型中YOLOX权重中的预设权重进行冻结，进而通过第一训练集对第一预训练模型进行迭代训练，以获得第二预训练模型；通过第二训练集对第二预训练模型进行选代训练，同时根据预设权重解冻顺序，对预设权重进行解冻，以获得第三预训练模型；其中，全部预训练模型均采用最优传输理论全局分配模型中每个目标框对应的桥梁病害数据，以获得桥梁病害数据对应的预测边界框其中，全部预训练模型包括初始预训练模型、第一预训练模型、第二预训练模型和第三预训练模型；且全部预训练模型均通过siou损失函数，对预测边界框与真实边界框进行损失计算，以获得第三预训练模型对应的损失计算结果，利用反向传播算法和损失计算结果，对第三预训练模型中的网络权重进行更新，以获得若干权重更新集合；其中，网络权重包括预设权重；确定若干权重更新集合中预测边界框准确率最高的权重更新集合，将第三预训练模型中的网络权重更新为预测边界框准确率最高的权重更新集合，以获得最终预训练模型； 通过主干网络加载测试集，输出测试集对应的特征点集合；通过颈部FPN对特征集点合进行特征采样融合，以获得若干特征层；将特征层输入检测头，通过检测头中的预设特征提取网络，获取特征层对应的尺度特征；将尺度特征输入检测头中的任务对齐器TAP进行尺度特征的分类与任务对齐，进而获得分类信息和检测框定位信息。

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西安邮电大学，其通讯地址为：710121 陕西省西安市长安区西长安街618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。