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！

龙图腾网获悉北京建筑大学申请的专利古建筑脊兽装饰件巡检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：CN114429578B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202210109004.8，技术领域涉及：G06V10/774；该发明授权古建筑脊兽装饰件巡检方法是由侯妙乐;纪宇航;董友强;栗怡豪;郝务宸;孙晨曦设计研发完成，并于2022-01-28向国家知识产权局提交的专利申请。

本古建筑脊兽装饰件巡检方法在说明书摘要公布了：本发明公开了一种古建筑脊兽装饰件巡检方法，包括：获取训练样本集，其包括大量的已标注脊兽目标的脊兽图像；将脊兽图像输入至卷积神经网络模型中进行训练，并从卷积神经网络模型中获取与脊兽图像对应的最优检测特征图，卷积神经网络模型包括用于提取脊兽图像细粒度特征的聚合卷积层模块和用于提取脊兽图像语义信息的融入注意力机制的多尺寸卷积预测头模块；无人机根据设定的巡检点位和航线对古建筑脊兽装饰件定期进行巡检，在每个巡检点位均拍摄一组脊兽图像，使用训练完成的卷积神经网络模型对拍摄的一组脊兽图像进行检测，对多期的检测结果进行对比分析并判断脊兽装饰件是否发生损毁。本方法实现了大范围脊兽装饰件的快速自动化巡检。

本发明授权古建筑脊兽装饰件巡检方法在权利要求书中公布了：1.古建筑脊兽装饰件巡检方法，其特征在于，包括： 获取训练样本集，所述训练样本集中包括大量的已标注脊兽目标的脊兽图像； 将所述脊兽图像输入至卷积神经网络模型中进行训练，并从所述卷积神经网络模型中获取与所述脊兽图像对应的最优检测特征图，所述卷积神经网络模型包括：n个卷积层模块构成的聚合卷积层模块和融入注意力机制的多尺寸卷积预测头模块，其中，n为大于等于1的整数，所述聚合卷积层模块用于提取脊兽图像的细粒度特征，所述多尺寸卷积预测头模块用于提取脊兽图像的语义信息； 无人机根据设定的巡检点位和航线对古建筑脊兽装饰件定期进行巡检，在每个巡检点位均拍摄一组脊兽图像，使用训练完成的卷积神经网络模型对拍摄的一组脊兽图像进行检测，对多期的检测结果进行对比分析并判断脊兽装饰件是否发生损毁； 在所述聚合卷积层模块中，第一卷积层模块为基础卷积层，第二卷积层模块至第n卷积层模块具有统一的结构，均包括一个步长为2的卷积层和若干个深度聚合卷积进行跳层连接构成的残差块；其中，所述深度聚合卷积的具体处理过程为： 步骤S1、输入特征图为H×W×M，使用滤波器组分别在输入特征图的M个通道上一一对应独立计算二维卷积，得到特征图；其中，H为输入特征图的高，W为输入特征图的宽，M为输入特征图的通道数；其中，所述滤波器组中包括M个滤波器，每个滤波器的大小为； 步骤S2、利用滑动窗口，滑动步长为1，分别在特征图的M个通道上，为每个中心像素应用求和函数，计算范围内的元素代数和，得到特征图，将输入特征图与特征图在通道维度进行拼接得到特征图； 步骤S3、沿深度方向，使用滤波器计算特征图的点卷积深度聚合特征，其中，所述滤波器的大小为1×1； 步骤S4、重复步骤S3F次，得到的输出特征图为； 所述多尺寸卷积预测头模块包括进行压缩操作和激励操作的SE模块以及融合不同区域范围信息的多尺寸卷积结构模块，所述多尺寸卷积结构模块包括：并联连接的1×1和3×3的两个标准卷积，对并联连接的两个标准卷积输出的特征图进行拼接的拼接模块，以及按顺序依次串联连接的滤波器数量分别为C和2C的两个3×3标准卷积。

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北京建筑大学，其通讯地址为：100044 北京市西城区展览馆路1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。