買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜牡丹區(qū)公路事業(yè)發(fā)展中心申請(qǐng)的專利一種瀝青路面健康狀態(tài)監(jiān)測(cè)系統(tǒng)和方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119848467B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-06-13發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510315731.3，技術(shù)領(lǐng)域涉及：G06F18/20；該發(fā)明授權(quán)一種瀝青路面健康狀態(tài)監(jiān)測(cè)系統(tǒng)和方法是由陳玉磊;王森;崔永升設(shè)計(jì)研發(fā)完成，并于2025-03-18向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種瀝青路面健康狀態(tài)監(jiān)測(cè)系統(tǒng)和方法在說明書摘要公布了：本申請(qǐng)公開了一種瀝青路面健康狀態(tài)監(jiān)測(cè)系統(tǒng)和方法，屬于交通基礎(chǔ)設(shè)施監(jiān)測(cè)技術(shù)領(lǐng)域。該系統(tǒng)包括以下模塊：多源數(shù)據(jù)采集模塊，用于實(shí)現(xiàn)對(duì)路面狀態(tài)參數(shù)的實(shí)時(shí)獲取；數(shù)據(jù)處理模塊，用于對(duì)采集的多源數(shù)據(jù)進(jìn)行時(shí)空對(duì)齊、質(zhì)量評(píng)估、異常處理和標(biāo)準(zhǔn)化；多尺度特征提取模塊，用于分別從微觀病害、路段狀態(tài)和網(wǎng)絡(luò)級(jí)層面提取特征，構(gòu)建多尺度特征表征體系；動(dòng)態(tài)圖分析模塊，用于構(gòu)建分層動(dòng)態(tài)圖結(jié)構(gòu)，實(shí)現(xiàn)路網(wǎng)健康狀態(tài)的統(tǒng)一建模和分析；健康評(píng)估模塊，用于實(shí)現(xiàn)路面健康狀態(tài)的實(shí)時(shí)評(píng)估、劣化趨勢(shì)預(yù)測(cè)和風(fēng)險(xiǎn)預(yù)警；決策可視化模塊，用于展示監(jiān)測(cè)數(shù)據(jù)、預(yù)測(cè)結(jié)果及預(yù)警信息，并基于評(píng)估結(jié)果自動(dòng)生成養(yǎng)護(hù)決策建議。

本發(fā)明授權(quán)一種瀝青路面健康狀態(tài)監(jiān)測(cè)系統(tǒng)和方法在權(quán)利要求書中公布了：1.一種瀝青路面健康狀態(tài)監(jiān)測(cè)系統(tǒng)，其特征在于，包括以下模塊： 多源數(shù)據(jù)采集模塊，用于實(shí)現(xiàn)對(duì)路面狀態(tài)參數(shù)的實(shí)時(shí)獲取； 數(shù)據(jù)處理模塊，用于對(duì)采集的多源數(shù)據(jù)進(jìn)行時(shí)空對(duì)齊、質(zhì)量評(píng)估、異常處理和標(biāo)準(zhǔn)化； 多尺度特征提取模塊，用于分別從微觀病害、路段狀態(tài)和網(wǎng)絡(luò)級(jí)層面提取特征，構(gòu)建多尺度特征表征體系； 動(dòng)態(tài)圖分析模塊，用于構(gòu)建分層動(dòng)態(tài)圖結(jié)構(gòu)，實(shí)現(xiàn)路網(wǎng)健康狀態(tài)的統(tǒng)一建模和分析； 健康評(píng)估模塊，用于實(shí)現(xiàn)路面健康狀態(tài)的實(shí)時(shí)評(píng)估、劣化趨勢(shì)預(yù)測(cè)和風(fēng)險(xiǎn)預(yù)警； 決策可視化模塊，用于展示監(jiān)測(cè)數(shù)據(jù)、預(yù)測(cè)結(jié)果及預(yù)警信息，并基于評(píng)估結(jié)果自動(dòng)生成養(yǎng)護(hù)決策建議； 多尺度特征提取模塊包括以下組件： 微觀特征提取單元，通過高分辨率卷積層捕捉路面微觀病害的細(xì)節(jié)特征； 路段特征提取單元，利用中等感受野的卷積層提取路段級(jí)別的狀態(tài)特征； 網(wǎng)絡(luò)級(jí)特征提取單元，采用全局池化層，提取路網(wǎng)級(jí)別的宏觀特征； 多尺度特征融合單元，將微觀、路段和網(wǎng)絡(luò)級(jí)特征進(jìn)行融合，構(gòu)建統(tǒng)一的多尺度表征體系，實(shí)現(xiàn)路面狀態(tài)的全面刻畫； 尺度交互單元，使用特征金字塔結(jié)構(gòu)，促進(jìn)不同尺度特征之間的信息交互； 特征增強(qiáng)單元，通過特征歸一化操作，增強(qiáng)特征的區(qū)分度和魯棒性，以提高對(duì)復(fù)雜路面狀態(tài)的適應(yīng)能力； 將微觀、路段和網(wǎng)絡(luò)級(jí)特征進(jìn)行融合，構(gòu)建統(tǒng)一的多尺度表征體系，實(shí)現(xiàn)路面狀態(tài)的全面刻畫，包括以下步驟： 通過設(shè)計(jì)多分支的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，分別處理微觀、路段和網(wǎng)絡(luò)三個(gè)層級(jí)的特征，并利用注意力機(jī)制學(xué)習(xí)不同尺度特征的重要性權(quán)重，并將三個(gè)層級(jí)的特征進(jìn)行融合； 將融合后的特征通過映射轉(zhuǎn)換為固定維度的向量表示，使其既包含微觀的行為模式，也包含中觀的路段狀態(tài)和宏觀的網(wǎng)絡(luò)特征，從而實(shí)現(xiàn)對(duì)路面狀態(tài)的全面刻畫； 通過高分辨率卷積層捕捉路面微觀病害的細(xì)節(jié)特征，包括以下步驟： 對(duì)處理后的路面圖像執(zhí)行卷積操作，生成多個(gè)特征圖，用公式表示為：Yi,j=I＊Ki,j=∑m∑nIi+m,j+n·Km,n，其中，Yi,j表示卷積操作后輸出 特征圖中位置為i,j的像素值；i,j表示圖像中像素的坐標(biāo)，其中i是行坐標(biāo)，j是列坐標(biāo)；I表示輸入的路面圖像；K為卷積核；＊表示卷積操作；I＊K表示輸入圖像I與卷 積核K進(jìn)行卷積運(yùn)算后的結(jié)果，輸出的是一個(gè)特征圖；m和n表示卷積核K的行和列位置，在計(jì)算卷積時(shí)，用于索引卷積核K的各個(gè)元素；Ii+m,j+n表示輸入圖像I中的一個(gè)像素 ，位于坐標(biāo)i+m,j+n位置；Km,n表示卷積核K中的一個(gè)元素，位于位置m,n； 使用不同大小的卷積核K1,K2,...,Kn，對(duì)處理后的圖像進(jìn)行多尺度卷積操作，從而提取多尺度特征，并通過如下公式對(duì)多尺度特征進(jìn)行融合：Ymulti-scale=[I ＊K1,I＊K2,...,I＊Kn]，其中，Ymulti-scale表示多尺度特征圖的融合結(jié)果；I＊K1表示輸入圖像I與卷積核K1進(jìn)行卷積運(yùn)算后的結(jié)果；I＊K2表示輸入 圖像I與卷積核K2進(jìn)行卷積運(yùn)算后的結(jié)果；I＊Kn表示輸入圖像I與卷積核Kn進(jìn)行卷積運(yùn)算后的結(jié)果； 采用ReLU激活函數(shù)對(duì)卷積特征圖進(jìn)行激活操作，去除無效特征并強(qiáng)化局部損傷的響應(yīng)，以突出路面表面細(xì)節(jié)，用公式表示為：Ai,j=ReLUYi,j，其中，Ai,j表示經(jīng)過ReLU函數(shù)處理后的特征圖中，第i,j位置的激活值；ReLU·表示ReLU激活函數(shù)； 將激活后的特征圖輸入分類網(wǎng)絡(luò)，通過與損傷分類權(quán)重矩陣Wdamage和偏置項(xiàng)b的結(jié)合，利用Softmax函數(shù)得到損傷的分類概率分布：Pdamage=SoftmaxWdamag e·A+b，其中，Pdamage表示損傷分類的概率分布，是通過神經(jīng)網(wǎng)絡(luò)的分類層輸出的結(jié)果；A表示經(jīng)過卷積和激活函數(shù)處理后的特征圖；Softmax·表示Softmax函數(shù)； 動(dòng)態(tài)圖分析模塊包括以下組件： 圖結(jié)構(gòu)構(gòu)建單元，將路網(wǎng)抽象為分層動(dòng)態(tài)圖結(jié)構(gòu)，節(jié)點(diǎn)表示路段，邊表示連接關(guān)系，為路網(wǎng)健康狀態(tài)建模提供基礎(chǔ)拓?fù)浣Y(jié)構(gòu)； 節(jié)點(diǎn)特征嵌入單元，將多尺度特征提取模塊的輸出結(jié)果嵌入到圖節(jié)點(diǎn)中，表征每個(gè)路段的健康狀態(tài)和屬性信息； 邊權(quán)重學(xué)習(xí)單元，通過自適應(yīng)機(jī)制學(xué)習(xí)節(jié)點(diǎn)間邊的權(quán)重，動(dòng)態(tài)反映路段之間的空間關(guān)聯(lián)性和影響強(qiáng)度； 時(shí)空?qǐng)D卷積單元，利用時(shí)空?qǐng)D卷積網(wǎng)絡(luò)同時(shí)捕捉路網(wǎng)的空間依賴性和時(shí)間動(dòng)態(tài)變化，實(shí)現(xiàn)跨尺度的特征傳播與融合； 時(shí)空注意力單元，引入注意力機(jī)制，動(dòng)態(tài)分配不同節(jié)點(diǎn)和時(shí)段的重要性權(quán)重； 圖池化單元，通過分層池化操作對(duì)圖結(jié)構(gòu)進(jìn)行降維，提取路網(wǎng)級(jí)別的全局特征，實(shí)現(xiàn)從局部到全局的健康狀態(tài)聚合； 通過分層池化操作對(duì)圖結(jié)構(gòu)進(jìn)行降維，提取路網(wǎng)級(jí)別的全局特征，實(shí)現(xiàn)從局部到全局的健康狀態(tài)聚合，包括以下步驟： 基于路段間的物理連接關(guān)系構(gòu)建鄰接矩陣，并定義初始鄰域范圍作為局部感受野； 在預(yù)定義的鄰域范圍內(nèi)，設(shè)計(jì)專用池化函數(shù)對(duì)節(jié)點(diǎn)特征進(jìn)行初步聚合，將相鄰路段的狀態(tài)信息映射為統(tǒng)一的特征表示； 通過迭代式擴(kuò)大池化操作的感受野范圍，逐層對(duì)特征進(jìn)行聚合和抽象，最終得到維度大幅降低但保留關(guān)鍵語(yǔ)義信息的全局特征表示； 健康評(píng)估模塊包括以下組件： 實(shí)時(shí)狀態(tài)分析單元，利用多尺度特征表征和動(dòng)態(tài)圖分析結(jié)果，實(shí)時(shí)計(jì)算路面的健康評(píng)分和關(guān)鍵性能指標(biāo)； 劣化趨勢(shì)預(yù)測(cè)單元，基于時(shí)間序列分析和機(jī)器學(xué)習(xí)算法，預(yù)測(cè)路面健康狀態(tài)的未來變化趨勢(shì)，識(shí)別潛在的劣化風(fēng)險(xiǎn)； 風(fēng)險(xiǎn)預(yù)警生成單元，根據(jù)健康狀態(tài)和預(yù)測(cè)趨勢(shì)，自動(dòng)生成預(yù)警信息，包括劣化風(fēng)險(xiǎn)等級(jí)和可能的影響范圍； 動(dòng)態(tài)對(duì)比分析單元，對(duì)比歷史數(shù)據(jù)和當(dāng)前評(píng)估結(jié)果，識(shí)別異常變化或長(zhǎng)期趨勢(shì)； 養(yǎng)護(hù)需求評(píng)估單元，基于健康狀態(tài)和風(fēng)險(xiǎn)評(píng)估結(jié)果，評(píng)估各區(qū)域的養(yǎng)護(hù)需求和緊迫程度。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人牡丹區(qū)公路事業(yè)發(fā)展中心，其通訊地址為：274000 山東省菏澤市牡丹區(qū)牡丹北路2030號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。