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！

龍圖騰網恭喜長春大學申請的專利一種基于卷積神經網絡的坑洼道路檢測系統和檢測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：CN118710987B 。

龍圖騰網通過國家知識產權局官網在2025-04-18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：202410979809.7，技術領域涉及：G06V10/764；該發明授權一種基于卷積神經網絡的坑洼道路檢測系統和檢測方法是由戴銀飛;李永鑫;楊開;蔡佳琪設計研發完成，并于2024-07-22向國家知識產權局提交的專利申請。

本一種基于卷積神經網絡的坑洼道路檢測系統和檢測方法在說明書摘要公布了：本發明公開了一種基于卷積神經網絡的坑洼道路檢測系統和檢測方法，屬于計算機視覺和機器學習技術領域。本發明的系統結合卷積神經網絡模型和隨機森林算法，以提高道路表面損傷檢測的準確性。通過標準化預處理和局部二值模式特征提取方法，處理和分析各種格式和質量的道路圖像。系統基于PD?CNN模型構建深度學習框架，調整參數以優化模型性能。系統進一步采用多種評估指標對模型進行全面檢驗，包括精確率、召回率、F1分數和ROC曲線等。通過詳細的數據可視化分析，證明了PD?CNN模型在坑洼道路檢測任務上的高效性和準確性。本發明的基于卷積神經網絡的坑洼道路檢測系統和檢測方法在訓練集上的準確度達到98.339％，在驗證集上達到99.003％，顯示出極高的分類性能。

本發明授權一種基于卷積神經網絡的坑洼道路檢測系統和檢測方法在權利要求書中公布了：1.一種基于卷積神經網絡的坑洼道路檢測方法，使用一種基于卷積神經網絡的坑洼道路檢測系統，所述檢測系統包括圖像預處理模塊、PD-CNN模塊、隨機森林模塊和控制模塊；所述圖像預處理模塊用于對道路圖像進行標準化處理和特征提取，圖像預處理模塊采用局部二值模式特征提取方法，以增強系統模型對不同格式和質量的道路圖像的處理能力；所述PD-CNN模塊用于對預處理后的圖像進行分類和識別，PD-CNN模塊基于VGG16模型預訓練構建，并通過調整參數以優化模型性能，PD-CNN模塊進行了定制化調整，包括凍結某些層的權重以保持預訓練網絡的特征提取能力，同時解凍最后幾層以進行微調，確保模型適應特定類型的道路圖像特征；所述隨機森林模塊用于對分類結果進行驗證和進一步處理；所述控制模塊用于協調圖像預處理模塊、PD-CNN模塊和隨機森林模塊的操作，控制模塊包括參數優化單元，用于在訓練過程中調整PD-CNN模型的參數，以達到最佳分類性能，其特征在于：包括以下步驟：1數據收集與預處理從不同來源收集道路圖像，通過圖像預處理模塊對道路圖像進行標準化處理，包括去噪和增強；圖像預處理模塊通過Albumentations庫進行數據增強，Albumentations庫允許更精確地對每個變換的參數進行細致調整，使其增強后的數據集更加適應特定的坑洼道路識別訓練，包括但不限于各種噪聲、模糊、光照變化、遮擋模擬等復雜變換，后續圖像預處理模塊還對道路圖像進行了標準化處理和局部二值模式LBP特征提取，這種方法增強了圖像中的關鍵特征；2特征提取采用局部二值模式特征提取方法提取道路圖像的特征；3模型訓練將預處理后的圖像輸入PD-CNN模型進行訓練，凍結某些層的權重以保持預訓練網絡的特征提取能力，同時解凍最后幾層以進行微調，確保模型適應特定類型的道路圖像特征；引入早停技術和模型檢查點以優化訓練過程，防止過擬合并確保在驗證集上獲得最佳性能；通過使用EarlyStopping和ModelCheckpoint這兩種回調函數，幫助模型保持對未見數據的泛化能力，確保每次得到的最佳模型都被保存；訓練的后期階段通過在數據集上微調預訓練模型的高層，也即，最后兩到三個卷積塊，細調整這些層以使模型更好地適應特定的坑洼形狀和大小，優化模型性能；4分類與驗證利用訓練好的PD-CNN模型對圖像進行分類，使用隨機森林模塊對分類結果進行驗證，經過驗證的隨機森林和LBP組合模塊，通過參數調優找到最佳的模型配置；5結果輸出與分析根據分類和驗證結果，輸出檢測報告。

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長春大學，其通訊地址為：130022 吉林省長春市衛星路6543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”。