一种基于深度学习的裂缝检测方法及系统(高校公示5个工作日)(不包年费滞纳金)（人工智能、无损检测、裂缝检测、公路、桥梁、隧道、铁路轨道、建筑工程、工业管道）

本发明提出了一种基于深度学习的裂缝检测方法及系统，涉及裂缝检测技术领域。包括获取裂缝原始图像；以包含编码器模块和解码器模块的Deeplab V3+模型为基础模型，其中编码器模块包括主干特征提取网络和金字塔部分，将编码器模块的金字塔部分融合SA‑Net注意力模块，同时将解码器的浅层特征和深层特征融合之后的卷积层替换为深度可分离卷积，搭建SA‑Deeplab V3+模型；将裂缝原始图像输入至SA‑Deeplab V3+模型中，进行特征提取并得到裂缝预测图像。本发明对于裂缝的检测准确率较高、效率更高、泛化能力更强。

《一种基于深度学习的裂缝检测方法及系统(高校公示5个工作日)(不包年费滞纳金)（人工智能、无损检测、裂缝检测、公路、桥梁、隧道、铁路轨道、建筑工程、工业管道）》是一发明专利，专利号为 2023104927468，当前法律状态为已下证，由山东大学提出申请，发明人为刘国良;石昌腾;田国会，申请日期为2023-04-26，公开（公告）日期为2025-07-29，国际专利分类号（IPC）为 G06T 7/00 (2017.01)，高新资质：未报高企，所属技术领域包括：人工智能、无损检测、裂缝检测、公路、桥梁、隧道、铁路轨道、建筑工程、工业管道。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明提出了一种基于深度学习的裂缝检测方法及系统，涉及裂缝检测技术领域。包括获取裂缝原始图像；以包含编码器模块和解码器模块的Deeplab V3+模型为基础模型，其中编码器模块包括主干特征提取网络和金字塔部分，将编码器模块的金字塔部分融合SA‑Net注意力模块，同时将解码器的浅层特征和深层特征融合之后的卷积层替换为深度可分离卷积，搭建SA‑Deeplab V3+模型；将裂缝原始图像输入至SA‑Deeplab V3+模型中，进行特征提取并得到裂缝预测图像。本发明对于裂缝的检测准确率较高、效率更高、泛化能力更强。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！