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！

龍圖騰網獲悉成都理工大學申請的專利三維探地雷達地下病害識別模型復雜環境自適應訓練方法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：CN120279543B 。

龍圖騰網通過國家知識產權局官網在2025-08-19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：202510759586.8，技術領域涉及：G06V20/64；該發明授權三維探地雷達地下病害識別模型復雜環境自適應訓練方法是由湯玲;姚光樂;石岱;王琛;徐曉宇;王洪輝;周楚宜;李瑞佳;李軍設計研發完成，并于2025-06-09向國家知識產權局提交的專利申請。

本三維探地雷達地下病害識別模型復雜環境自適應訓練方法在說明書摘要公布了：本發明公開了一種三維探地雷達地下病害識別模型復雜環境自適應訓練方法，屬于計算機模型技術領域，包括獲取源域數據集Ds和目標域數據集Dt；構造三維編解碼網絡；用DS訓練三維編解碼網絡得到基礎模型；用Dt訓練學生模型優化偽標簽；基于混合權重構造混合域數據集訓練學生模型，訓練時用教師模型生成混合域數據集內樣本的偽標簽，以最小化聯合損失更新學生模型，并用EMA方式更新教師模型。本發明用于在地下病害數據存在域差異訓練更新，實現跨域地下病害檢測的復雜環境需求。具有三維語義分割精度高、邊界識別能力強、跨域環境自適應能力與泛化性能的突破性增強、及計算效率與資源消耗優化的特點。

本發明授權三維探地雷達地下病害識別模型復雜環境自適應訓練方法在權利要求書中公布了：1.一種三維探地雷達地下病害識別模型復雜環境自適應訓練方法，其特征在于，包括以下步驟； S1，獲取數個帶類別標注圖的樣本構成源域數據集Ds，數個無標注的樣本構成目標域數據集Dt，所述樣本為三維探地雷達數據、類別為病害類別； Ds中一樣本Xs的類別標注圖為Ps，Dt中一樣本為Xt，Xs∈RD×H×W×Cin、Xt∈RD×H×W×Cin、Ps∈RD ×H×W×C，D、H、W分別為樣本分辨率的深度、長度和寬度，Cin為雷達反射強度的通道數，Cin=1，C為病害類別總數，Ps中位置d,h,w處的值為Xs中位置d,h,w處的真實病害類別，d、h、w分別為位置d,h,w的深度、長度和寬度； S2，構造三維編解碼網絡，包括三維編碼器、三維解碼器和自監督模塊； 所述三維編碼器用于對輸入的樣本編碼得到編碼特征，所述三維解碼器用于對編碼特征解碼再進行邊界增強，輸出每個位置的預測類別概率構成概率預測圖，所述自監督模塊用于根據一批次樣本的編碼特征構造正樣本和負樣本，計算InfoNCE損失； S3，用DS以最小化源域訓練總損失Ls訓練三維編解碼網絡，得到基礎模型，Ls=λcn1Lcn1+λclsLcls，Lcn1為InfoNCE損失、Lcls為分類損失，λcn1、λcls分別為Lcn1和Lcls的權重； S4，復制兩個基礎模型，分別作為教師模型和學生模型； S5，用Dt訓練學生模型，每次迭代基于自監督對比學習和雙重篩選偽標簽監督學習優化學生模型，其中一次優化包括步驟S51~S54； S51，用教師模型輸出Dt中每個樣本的概率預測圖作為偽標簽，Xt的偽標簽為，預設質量閾值λ、不確定性閾值?； S52，從Dt中任選一批次樣本，其中第b個樣本Xb，用學生模型輸出每個樣本的概率預測圖，用自監督模塊計算InfoNCE損失； S53，基于雙重篩選計算Xb的偽標簽監督損失Lp,b； 對Xb的偽標簽，基于局部相位量化計算位置d,h,w的LPQ值LPQd,h,w，對Xb，基于MCDropout計算位置d,h,w的不確定性Ud,h,w，并將LPQd,h,w＞λ且Ud,h,w＜?的位置構成Xb關注區域，計算Lp,b； ， 式中，為內位置總數，為Ud,h,w的歸一化值，為Xb的概率預測圖在位置d,h,w的值； S54，計算目標域總損失Lt，并以最小化Lt調整學生模型參數； ， 式中，B為批次大小，Lcn2為學生模型中自監督模塊的InfoNCE損失，λcn2為Lcn2的權重； S6，用Ds和Dt構造多個批次的混合域數據集； S7，用混合域數據集訓練學生模型，以最小化聯合損失Ltotal更新學生模型，并用EMA方式更新教師模型，Ltotal=+Ls+λtLt+λcLconsist，Lconsist為一批次樣本的一致性損失。

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成都理工大學，其通訊地址為：610000 四川省成都市成華區二仙橋東三路1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”。