買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉廣東工業大學申請的專利一種基于Mask R-CNN與遷移學習的路面病害檢測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120318502B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510804461.2，技術領域涉及：G06V10/25；該發明授權一種基于Mask R-CNN與遷移學習的路面病害檢測方法及系統是由張舸;盧宇澄;楊銘津;林嘉祥;陳貢發設計研發完成，并于2025-06-17向國家知識產權局提交的專利申請。

本一種基于Mask R-CNN與遷移學習的路面病害檢測方法及系統在說明書摘要公布了：本發明公開了一種基于MaskR?CNN與遷移學習的路面病害檢測方法及系統，包括：收集路面病害圖像形成數據集；使用Labelme標注工具對數據集進行病害標注；利用優化的StableDiffusion3.5Large模型對標注的道路病害數據集進行擴充；通過多種骨干特征提取架構從擴充后的道路病害數據集中進行多尺度特征提取，基于尺度互補特征融合網絡即SCFN對提取的多尺度特征進行融合，基于融合的多尺度特征，構建基于MaskR?CNN的最優檢測模型；利用最優檢測模型量化待檢測病害圖像，完成在復雜道路背景下病害檢測。本發明有效解決復雜背景下的多類型多目標的路面病害檢測以及像素量化問題。

本發明授權一種基于Mask R-CNN與遷移學習的路面病害檢測方法及系統在權利要求書中公布了：1.一種基于MaskR-CNN與遷移學習的路面病害檢測方法，其特征在于，所述方法包括： 步驟1，收集路面病害圖像形成數據集； 步驟2，使用Labelme標注工具對數據集進行病害標注； 步驟3，利用優化的StableDiffusion3.5Large模型對標注的道路病害數據集進行擴充； 步驟4，通過多種骨干特征提取架構從擴充后的道路病害數據集中進行多尺度特征提取，基于尺度互補特征融合網絡即SCFN對提取的多尺度特征進行融合，基于融合的多尺度特征，構建基于MaskR-CNN的最優檢測模型； 步驟5，利用基于MaskR-CNN的最優檢測模型量化待檢測病害圖像，完成在復雜道路背景下病害檢測； 所述步驟3中，利用優化的StableDiffusion3.5Large模型對標注的道路病害數據集進行擴充，包括： 利用VAE-encoder提取輸入圖像的視覺特征； 根據所述視覺特征，動態調整生成參數與提示詞嵌入向量，生成具有結構多樣性與風格變化的合成圖像； 根據所述合成圖像，引入基于道路病害物理形態的領域提示策略，生成內容更貼合實際裂縫與坑洞的演化特征； 構建自動化篩選機制，利用訓練好的卷積神經網絡對合成圖像進行語義一致性與特征保真度檢測，剔除噪聲圖像與偽造圖像； 所述步驟4中，多種骨干特征提取架構包括：選取ResNet-50與ResNet-101兩種深層卷積網絡作為主干結構，并分別組合FPN即金字塔特征網絡、C4即第四階段卷積輸出及DC5即第五階段空洞卷積結構構建特征提取模塊，設計出六種差異化特征路徑； 其中，C4結構提取來自ResNetStage4的中層特征；DC5架構則在Stage5中引入空洞卷積，擴展感受野以加強全局語義表達；FPN結構借助跨層橫向連接與上采樣機制，融合不同尺度的語義信息； 所述步驟4中，基于尺度互補特征融合網絡對提取的多尺度特征進行融合，包括： 從主干網絡的中淺層提取具備紋理的分辨率滿足預設要求的特征； 從深層獲取具備全局感知能力的抽象語義表示； 同時融合FPN模塊中構建的多尺度語義特征，以覆蓋不同大小的目標信息。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廣東工業大學，其通訊地址為：510006 廣東省廣州市番禺區廣州大學城外環西路100號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。