基于神经网络的道路介电常数反演及病害判别方法(高校公示15天)(不包年费滞纳金)(需要二变)
本申请涉及一种基于神经网络的道路介电常数反演及病害判别方法。所述方法包括:基于TransUNet基线扩展跳跃连接数量并引入门控注意力机制,增设多尺度特征融合模块、非对称深度‑空间注意力模块及深监督解码头;采用AdamW优化器与Warmup‑余弦退火学习率调度策略,构建自适应区域加权损失函数以放大介电常数突变边界损失权重。通过道路GPR仿真数据集训练模型并经验证集调参至收敛后,输入待检测道路GPR‑B‑scan图像,输出介电常数分布,依据不同病害的介电常数特征,实现空洞、脱空、疏松体及富水体等隐蔽性病害的精准判别。采用本方法能够实现高分辨率介电常数端到端反演、精准捕捉多尺度病害特征。
《基于神经网络的道路介电常数反演及病害判别方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2026100191482,当前法律状态为已下证,由长沙理工大学提出申请,发明人为吕松涛;李园葧;于静;谭攀;鲁巍巍;段海辉,申请日期为2026-01-08,公开(公告)日期为2026-04-10,国际专利分类号(IPC)为 G06V 10/80 (2022.01),高新资质:未报高企。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:本申请涉及一种基于神经网络的道路介电常数反演及病害判别方法。所述方法包括:基于TransUNet基线扩展跳跃连接数量并引入门控注意力机制,增设多尺度特征融合模块、非对称深度‑空间注意力模块及深监督解码头;采用AdamW优化器与Warmup‑余弦退火学习率调度策略,构建自适应区域加权损失函数以放大介电常数突变边界损失权重。通过道路GPR仿真数据集训练模型并经验证集调参至收敛后,输入待检测道路GPR‑B‑scan图像,输出介电常数分布,依据不同病害的介电常数特征,实现空洞、脱空、疏松体及富水体等隐蔽性病害的精准判别。采用本方法能够实现高分辨率介电常数端到端反演、精准捕捉多尺度病害特征。
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!
