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！

龍圖騰網恭喜三峽金沙江云川水電開發有限公司申請的專利基于專家系統的多目標優化大壩裂縫檢測增強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：CN119090875B 。

龍圖騰網通過國家知識產權局官網在2025-03-25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：202411570403.X，技術領域涉及：G06T7/00；該發明授權基于專家系統的多目標優化大壩裂縫檢測增強方法及系統是由唐培根;張祥;李小亮;何鑫;馬國輝設計研發完成，并于2024-11-06向國家知識產權局提交的專利申請。

本基于專家系統的多目標優化大壩裂縫檢測增強方法及系統在說明書摘要公布了：本發明公開了基于專家系統的多目標優化大壩裂縫檢測增強方法及系統，涉及智能監測與檢測技術，包括輸入原始圖像數據并進行預處理，構建并訓練混合專家模型MoE，通過門控單元的網關模塊進行初次粗粒度檢測；進行網關模塊和混合專家模型MoE的鏈接適配，通過優化算法根據適配結果訓練調整網關模塊與混合專家模型MoE的參數并激活混合專家模型MoE進行二次細粒度檢測；對混合專家模型MoE的細粒度檢測的輸出結果進行融合，生成并提供最終的裂縫檢測報告。本發明提升多目標裂縫檢測的效率和準確性，采用多目標優化和貝葉斯優化來細致調節模型參數，提高模型的性能，增加其在不同檢測場景下的適應性和魯棒性，體現本發明在裂縫檢測技術領域的先進性。

本發明授權基于專家系統的多目標優化大壩裂縫檢測增強方法及系統在權利要求書中公布了：1.基于專家系統的多目標優化大壩裂縫檢測增強方法，其特征在于：包括，輸入原始圖像數據并進行預處理，構建并訓練混合專家模型MoE，通過門控單元的網關模塊進行初次粗粒度檢測，通過多目標檢測模型對輸入待檢測圖像進行多類型裂縫的檢測，輸出裂縫檢測結果和對應概率值，根據對應裂縫檢測結果包括未檢測到任何裂縫、單個裂縫類型、多個裂縫類，判斷進一步操作過程，當判斷檢測到多個裂縫類型，根據裂縫類型，匹配混合專家模型中的專家檢測模型，根據匹配混合專家模型中的專家檢測模型計算得出的匹配度大小，選擇匹配度最高的專家檢測模型進行關聯，門控單元的網關模塊通過多目標檢測模型根據裂縫概率值分配每個專家模型的權重，門控單元通過SSD架構進行訓練圖像中的裂縫類型，考慮裂縫類型的不平衡問題，調整權重分配；進行網關模塊和混合專家模型MoE的鏈接適配，通過優化算法根據適配結果訓練調整網關模塊與混合專家模型MoE的參數并激活混合專家模型MoE進行二次細粒度檢測，根據二次細粒度檢測的檢測結果判斷專家模型和門控單元的判斷誤差大小，根據誤差結果保留對應檢測結果；對混合專家模型MoE的細粒度檢測的輸出結果進行融合，根據裂縫位置和裂縫類型進行結果融合，先通過裂縫的距離位置進行首輪判斷，判斷不同模型檢測到的裂縫位置之間的距離為是否同一條裂縫，為同一條裂縫時，將位置和大小信息取平均值進行合并，進行二輪判斷，判斷裂縫類型是否一致，結果一致時則直接融合，生成并提供最終的裂縫檢測報告；所述初次粗粒度檢測包括，通過多目標檢測模型對輸入待檢測圖像進行多類型裂縫的檢測，輸出裂縫檢測結果和對應概率值p；當裂縫檢測結果中表示圖像中未檢測到任何裂縫時，重新進入預處理模塊中進行亮度增強；當裂縫檢測結果中表示圖像中只存在單個裂縫類型，且對應概率p大于90％時，直接輸出結果；當裂縫檢測結果中表示圖像中檢測到多個裂縫類型M＝{裂縫1,裂縫2,…,裂縫M}，且對應概率為{p1,p2,…,pM}，根據裂縫類型，匹配混合專家模型中的專家檢測模型： 其中，Q為混合專家模型中當前專家檢測模型的匹配度，M為檢測到的裂縫類型數量，pj為第j類裂縫的檢測概率，Tj為第j類裂縫的特征類型，Ej為第j類裂縫對應的專家檢測模型，ΔTj為第j類裂縫特征類型與標準特征類型的偏差，σT為裂縫特征類型的方差，ΔEj為第j類裂縫專家檢測模型與標準模型的偏差，σE為裂縫專家檢測模型的方差，為所有裂縫檢測概率的平均值，gTj,Ej為裂縫類型與專家檢測模型匹配度計算函數： 根據Q的匹配度大小，選擇匹配度最高的專家檢測模型進行關聯，門控單元的網關模塊通過多目標檢測模型根據裂縫概率值分配每個專家模型的權重： 門控單元通過SSD架構進行訓練圖像中的裂縫類型，考慮裂縫類型的不平衡問題，調整權重分配；其中，ωj為第j個裂縫類型對應選擇的專家模型的權重，pj1為第j1類裂縫的檢測概率，σp為高斯分布的方差，Qj為第j個裂縫類型與專家模型的匹配度，Qmax為所有裂縫類型與專家模型匹配度中的最大值，k為sigmoid函數的陡峭程度參數，μT和μE分別為裂縫特征類型和裂縫專家檢測模型的標準差；所述優化算法包括，通過多目標優化算法調整門控單元和所有專家模型間的參數配合，規定網關模塊的目標是最大化系統整體檢測性能，通過f1函數判斷的關鍵裂縫檢測優先級： 通過調整網關模塊的參數，將關鍵裂縫數據分配給最擅長檢測關鍵裂縫的專家模型，其中，T是關鍵裂縫類型的集合，ACp是對應于類型j的檢測準確率；網關模塊通過f2函數反饋系統整體檢測性能： 其中，分別表示平均準確率、平均交并比、平均精準、平均召回率和平均正確率，系數β、γ、δ、和ε是權重參數，調整性能指標在整體目標函數中的影響力；通過f1函數和f2函數定義多目標優化的目標函數： 其中，S為多目標優化的目標函數，s1為關鍵裂縫檢測優先級的權重系數，ad1為關鍵裂縫檢測優先級的調節參數，為理想的關鍵裂縫檢測優先級，κ為歸一化常數，s2為系統整體檢測性能的權重系數，ad2為系統整體檢測性能的調節參數；通過貝葉斯優化進行的微調，選擇初始超參數組合θroute和θexperts，計算目標函數值Sθroute,θexperts，其中，θroute和θexperts分別代表網關模塊和專家模型的超參數，使用觀測到的超參數組合和對應的目標函數訓練高斯過程模型，選擇超參數以最大化獲取函數θnext＝argmaxθEIθ，將θnext作為下一個提高性能的超參數組合，迭代更新性能達到預定的水平停止，根據優化結果更新門控單元和MoE的參數；所述二次細粒度檢測包括，圖像經過門控單元匹配后，激活選擇的對應專家模型進行二次細粒度檢測： 當Δ＝0時，代表專家模型和門控單元的判斷誤差最小，保留初次粗粒度檢測的檢測結果，當Δ＝1時，代表專家模型和門控單元的判斷誤差最大，保留專家模型的檢測結果；其中，Δ為二次細粒度檢測模型的總判別誤差，N為圖像樣本數量，Ii為第i個圖像樣本，ωj為門控單元的權重參數，為門控單元對圖像Ii的匹配結果，EiIi；We為第i個專家模型對圖像Ii的檢測輸出，Λ為圖像Ii中的裂縫區域，Gx為裂縫類型判別函數，Tj為第j類裂縫的特征類型，即裂縫特征提取結果；所述輸出結果進行融合包括，當待檢測圖像通過混合專家模型MoE得出裂縫檢測結果后，根據裂縫位置和裂縫類型進行結果融合，先通過裂縫的距離位置進行首輪判斷，具體為，規定專家模型A和B，檢測結果為裂縫a和裂縫b；模型A在位置lA檢測到裂縫a的信息為xA,yA,wA,hA,tA，其中，xA,yA是裂縫a中心的坐標，wA和hA是裂縫a的寬度和高度，tA是裂縫a的類型；模型B在位置lB檢測到裂縫b的信息為xB,yB,wB,hB,tB，其中，xB,yB是裂縫b中心的坐標，wB和hB是裂縫b的寬度和高度，tB是裂縫b的類型；如果lA和lB間距小于5厘米，則認為模型A和模型B檢測結果指向同一個裂縫，取平均值合并位置和大小： 當lA和lB間距小于5厘米時，進行二輪判斷，通過裂縫類型進行判斷，如果tA和tB一致，則兩條裂縫特征高度重合，直接進行融合，如果tA和tB不一致，則通過計算裂縫類型置信度，選擇置信度高的裂縫類型作為融合后的裂縫類型，t為裂縫類型，t∈T；當lA和lB間距不小于5厘米時，判斷為獨立裂縫，不需要進行類型融合，放入獨立裂縫圖像庫中，并與庫中圖像比對分布模式，當呈現規律性分布時，認為兩類裂縫相關聯，移出圖像庫中交由人工專家判斷，當沒有規律性分布時，保留在獨立裂縫圖像庫。

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三峽金沙江云川水電開發有限公司，其通訊地址為：650205 云南省昆明市盤龍區寶云路220號昆明三峽大廈18樓；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”。