买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜深圳市城市交通规划设计研究中心股份有限公司申请的专利路面波浪快速识别模型构建方法、电子设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119152278B 。

龙图腾网通过国家知识产权局官网在2025-03-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411594930.4，技术领域涉及：G06V10/764；该发明授权路面波浪快速识别模型构建方法、电子设备及存储介质是由孟安鑫;李梦蝶;刘星;吴成龙;刘梦杨设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本路面波浪快速识别模型构建方法、电子设备及存储介质在说明书摘要公布了：路面波浪快速识别模型构建方法、电子设备及存储介质，属于道路工程技术领域。为解决路面波浪病害的快速智能识别，本发明包括采集路面图像进行压缩处理，得到压缩处理后的路面图像；进行标注，得到路面波浪快速识别模型的数据集；构建路面波浪快速识别的基础模型、第一辅助模型、第二辅助模型与强化模型；构建路面波浪快速识别的基础模型、第一辅助模型、第二辅助模型与强化模型输出层之间的损失函数，构建总体损失函数，然后构建基于总体损失函数的模型优化方法，经过训练得到优化后的基础模型进行增强改进，得到最终的路面波浪快速识别模型；构建基于最终的路面波浪快速识别模型的数字孪生模型，用于路面波浪病害的更新。本发明提高道路安全性。

本发明授权路面波浪快速识别模型构建方法、电子设备及存储介质在权利要求书中公布了：1.一种路面波浪快速识别模型构建方法，其特征在于，包括如下步骤：S1.采用车载三维结构光相机采集路面图像，然后对采集的路面图像进行压缩处理，得到压缩处理后的路面图像；S2.对步骤S1得到的压缩处理后的路面图像，进行标注，得到路面波浪快速识别模型的数据集；S3.构建路面波浪快速识别的基础模型、第一辅助模型、第二辅助模型与强化模型；步骤S3的具体实现方法包括如下步骤：S3.1.构建路面波浪快速识别的基础模型：S3.1.1.基础模型A由1个输入层、9个卷积层、9个激活层、3个池化层、1个合并层、1个上采样层、1个路径聚合网络层PANet、1个池化拼接层、1个空间金字塔池化层SPP、1个输出层构成；S3.1.2.将步骤S2得到的训练集输入到基础模型A中，通过误差反向传播算法，计算神经网络单元的权重和偏置，完成基础模型A的训练，得到训练完毕的基础模型A；基础模型A的损失函数的计算公式为： 其中，La为基础模型A的损失函数；Na为基础模型A中数据样本总数；yia为第ia个样本的真实标签，pia为基础模型A预测第ia个样本为类别1的概率；S3.1.3.基础模型A对应的4个输出单元的节点输出值为a1、a2、a3、a4，将4个输出单元的节点输出值进行初始转换，得到输出值ai对应的概率值fai的计算公式为： 然后将4个输出单元的节点输出值进一步优化转换，得到输出值ai对应的增强概率值gai的计算公式为： 其中，G为增强系数，然后对每个节点对应的实际病害标注为hai；S3.1.4.采用gai以及步骤S2得到的训练集，结合误差链式求导法则，训练基础模型A，训练完毕后，得到基础模型A对应的4类病害的输出值，依次记为ja1，ja2，ja3，ja4；S3.2.构建路面波浪快速识别的第一辅助模型：S3.2.1.第一辅助模型B由1个输入层、9个卷积层、9个激活层、5个池化层、1个合并层、1个上采样层、1个PANet层、1个池化拼接层、1个SPP层、1个输出层构成；S3.2.2.将步骤S2得到的训练集输入到第一辅助模型B中，通过误差反向传播算法，计算神经网络单元的权重和偏置，完成第一辅助模型B的训练，得到训练完毕的第一辅助模型B；第一辅助模型B的损失函数的计算公式为： 其中，Lb为第一辅助模型B的损失函数；Nb为第一辅助模型B中数据样本总数；yib为第ib个样本的真实标签，pib为第一辅助模型B预测第ib个样本为类别1的概率；S3.2.3.第一辅助模型B对应的4个输出单元的节点输出值为b1、b2、b3、b4，将4个输出单元的节点输出值进行初始转换，得到输出值bi对应的概率值fbi的计算公式为： 然后将4个输出单元的节点输出值进一步优化转换，得到输出值bi对应的增强概率值gbi的计算公式为： S3.2.4.采用gbi以及步骤S2得到的训练集，结合误差链式求导法则，训练第一辅助模型B，训练完毕后，得到第一辅助模型B对应的病害输出值为jbi，输出层的4个节点中，每个节点对应的实际病害标注为hbi，i＝1,2,3,4；S3.3.构建路面波浪快速识别的第二辅助模型：S3.3.1.第二辅助模型C由1个输入层、12个卷积层、12个激活层、5个池化层、1个合并层、1个上采样层、1个PANet层、1个池化拼接层、1个SPP层、1个输出层构成；S3.3.2.将步骤S2得到的训练集输入到第二辅助模型C中，通过误差反向传播算法，计算神经网络单元的权重和偏置，完成第二辅助模型C的训练，得到训练完毕的第二辅助模型C；第二辅助模型C的损失函数的计算公式为： 其中，Lc为第二辅助模型C的损失函数；Nc为第二辅助模型C中数据样本总数；yic为第ic个样本的真实标签，pic为第二辅助模型C预测第ic个样本为类别1的概率；S3.3.3.第二辅助模型C对应的4个输出单元的节点输出值为ci，将4个输出单元的节点输出值进行初始转换，得到ci对应的概率值fci的计算公式为： 然后将4个输出单元的节点输出值进一步优化转换，得到输出值ci对应的增强概率值gci的计算公式为： 其中，G为增强系数，然后对每个节点对应的实际病害标注为hci；S3.3.4.采用gci以及步骤S2得到的训练集，结合误差链式求导法则，训练第二辅助模型C，训练完毕后，得到第二辅助模型C对应的4类病害的输出值为jci；S3.4.构建路面波浪快速识别的强化模型：S3.4.1.强化模型D由1个输入层、14个卷积层、14个激活层、5个池化层、1个合并层、1个上采样层、1个PANet层、1个池化拼接层、1个SPP层、1个输出层构成；S3.4.2.将步骤S2得到的训练集输入到强化模型D中，通过误差反向传播算法，计算神经网络单元的权重和偏置，完成强化模型D的训练，得到训练完毕的强化模型D；强化模型D的损失函数的计算公式为： 其中，Ld为强化模型D的损失函数；Nd为强化模型D中数据样本总数；yid为第id个样本的真实标签，pid为强化模型D预测第id个样本为类别1的概率；S3.4.3.强化模型D对应的4个输出单元的节点输出值为di，将4个输出单元的节点输出值进行初始转换，得到di对应的概率值fdi的计算公式为： 然后将4个输出单元的节点输出值进一步优化转换，得到输出值di对应的增强概率值gdi的计算公式为： 其中，G为增强系数，然后对每个节点对应的实际病害标注为hdi；S3.4.4.采用gdi以及步骤S2得到的训练集，结合误差链式求导法则，训练强化模型D，训练完毕后，得到强化模型D对应的4类病害的输出值为jdi；S4.构建路面波浪快速识别的基础模型、第一辅助模型、第二辅助模型与强化模型输出层之间的损失函数；S5.基于步骤S4得到的基础模型、第一辅助模型、第二辅助模型与强化模型输出层之间的损失函数构建总体损失函数，然后构建基于总体损失函数的模型优化方法，经过训练得到优化后的基础模型；S6.对步骤S5得到的优化后的基础模型进行增强改进，得到最终的路面波浪快速识别模型；S7.构建基于最终的路面波浪快速识别模型的数字孪生模型，用于路面波浪病害的更新。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳市城市交通规划设计研究中心股份有限公司，其通讯地址为：518000 广东省深圳市龙华区民治街道北站社区龙华设计产业园总部大厦1栋1101；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。