申请/专利权人：澳门科技大学

申请日：2023-12-07

公开（公告）日：2024-03-01

公开（公告）号：CN117636047A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06V10/80;G06V10/52;G06V10/44;G06V10/56;G06V20/10;G06V10/774;G06V10/776;G06N3/0464;G06N3/084;G06N3/094

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明公开了一种青砖建筑外墙面损伤类型的识别方法。该方法包括：收集青砖建筑外墙面的图像数据；对该图像数据进行预处理；对预处理后的该图像数据进行人工识别，以标注该青砖建筑外墙面的损伤类型和损伤位置；利用标注后的该图像数据训练深度学习模型；通过调整该深度学习模型的训练参数并且测试不同的图像数据集，对训练后的该深度学习模型进行优化；以及通过优化后的该深度学习模型，对新收集的该青砖建筑外墙面的图像数据进行自动识别，得到包括损伤类型和损伤位置的识别结果。本发明通过深度学习模型的训练和优化，从而能够解决现有技术中损伤识别成本高、操作难度大的技术问题。

主权项：1.一种青砖建筑外墙面损伤类型的识别方法，其特征在于，包括：收集青砖建筑外墙面的图像数据，所述图像数据用于展示青砖外墙的损伤类型，所述损伤类型包括砖块缺失、砖块开裂、砖块变黄、砖块附着植物和微生物和砖块附着污渍；对所述图像数据进行预处理，所述预处理包括图像增强、图像尺寸调整和图像对比度调整；对预处理后的所述图像数据进行人工识别，以标注所述青砖建筑外墙面的损伤类型和损伤位置；利用标注后的所述图像数据训练深度学习模型，所述深度学习模型采用YOLOv4框架并且包括多层卷积神经网络以学习所述青砖建筑外墙面的损伤特征，其中所述YOLOv4框架采用迁移学习方法，通过使用先前训练好的权重作为初始权重以提高训练效率；通过调整所述深度学习模型的训练参数并且测试不同的图像数据集，对训练后的所述深度学习模型进行优化；以及通过优化后的所述深度学习模型，对新收集的所述青砖建筑外墙面的图像数据进行自动识别，得到包括损伤类型和损伤位置的识别结果。

全文数据：

权利要求：

百度查询： 澳门科技大学 一种青砖建筑外墙面损伤类型的识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD