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！

龙图腾网恭喜浙江大学申请的专利一种基于改进残差结构的桥梁病害智能识别方法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：CN115439657B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202211055635.2，技术领域涉及：G06V10/44；该发明授权一种基于改进残差结构的桥梁病害智能识别方法是由吕朝锋;徐致远;张鹤设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本一种基于改进残差结构的桥梁病害智能识别方法在说明书摘要公布了：本发明提供一种基于改进残差结构的桥梁病害智能识别方法，首先获取桥梁病害历史图片数据集，将其转换成像素矩阵，再利用数据增强算法得到增强数据副本，将其合并为训练集。然后搭建卷积神经网络，并对所搭建的卷积神经网络模型进行模型训练、验证和测试，得到对所述目标桥梁病害种类的识别结果。本发明基于原有的ResNet神经网络进行改进，设计了针对桥梁病害识别的新型神经网络ResNet+，优化了网络之间的残差结构，提高了桥梁病害识别的精度。

本发明授权一种基于改进残差结构的桥梁病害智能识别方法在权利要求书中公布了：1.一种基于改进残差结构的桥梁病害智能识别方法，其特征在于，该方法包括如下步骤： 步骤一：获取桥梁病害的历史图片数据集，所述数据集中包括关键结构位置的桥梁构件的服役状态的图片，并标注病害标签，整理成初始数据集； 步骤二：将步骤一的初始数据集中的初始数据转成R、G、B三个像素通道的像素值，并由像素值在图片中的位置将其转换成像素矩阵； 步骤三：采用数据增强算法，对初始数据集中的图片进行数据增强，得到增强数据副本的像素矩阵；将初始数据的像素矩阵和增强数据副本的像素矩阵合并，得到训练数据集； 步骤四：构建ResNet+卷积神经网络，并用步骤三得到的训练数据集对所述ResNet+卷积神经网络进行训练，生成ResNet+卷积神经网络的权重模型； 所述ResNet+卷积神经网络是在ResNet神经网络的基础上，在单个残差块内利用类残差连接取代残差块之间的单个3x3卷积核，从而增加每个网络层的感受野，强化网络在细粒度病害图像上的特征表达能力； 步骤五：将待识别的桥梁病害图像数据，也转成R、G、B三个像素通道的像素值，并由像素值在图片中的位置将其转换成像素矩阵，然后输入步骤四获得的ResNet+卷积神经网络的权重模型，得到待识别的桥梁病害的类别； 在单个残差块内利用类残差连接取代残差块之间的单个3x3卷积核的具体步骤如下： 1将用于病害图片数据降维的1x1大小的卷积核的输出特征按照通道数n均分为s组，每组特征的通道数为w，即n＝s×w，记均分后每一组特征为xi，i∈{1,2,....,s}； 2将原来残差卷积核也按照通道数均分为s组，每组的输出通道为w，记每组的卷积操作为Convi； 3对于分组后的每一组特征xi,除了第一个组不带有卷积操作外，其他组都对应卷积操作Convi，记yi为卷积操作Convi的输出，则从第二组开始，每一次卷积操作Convi前，都将上一组的输出yi-1与当前组的特征xi,进行残差连接，作为Convi的输入，依次类推，直到最后一组特征,用公式表示如下： 4将每组对应的输出进行通道拼接，输入最后一层的用于病害图片数据升维还原的1x1大小的卷积核，将这些多尺度的特征进行融合，得到残差块的输出。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；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”。