安徽交控工程集团有限公司王小中获国家专利权
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!
龙图腾网获悉安徽交控工程集团有限公司申请的专利基于CNN-Transformer混合架构的道路设施病害演变预测与养护决策方法及系统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:CN121328829B 。
龙图腾网通过国家知识产权局官网在2026-04-14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:202511486606.5,技术领域涉及:G06Q10/04;该发明授权基于CNN-Transformer混合架构的道路设施病害演变预测与养护决策方法及系统是由王小中;梁琪;王大伟;纪厚强;吴斌;张斌;李连进;过令;章亚泰;龚磊设计研发完成,并于2025-10-17向国家知识产权局提交的专利申请。
本基于CNN-Transformer混合架构的道路设施病害演变预测与养护决策方法及系统在说明书摘要公布了:本发明公开了一种基于CNN‑Transformer混合架构的道路设施病害演变预测与养护决策方法及系统。该方法包括:获取多时期航拍影像,构建时序数据集并进行空间对齐与模拟退化处理;构建编码器‑解码器结构的混合网络模型,其编码器采用双通路结构,分别通过卷积块提取局部特征和基于注意力机制并集成边缘增强组件提取全局语义特征,解码器采用双向传播单元并通过跨尺度注意力机制融合特征;对模型进行协同训练与压缩得到精简预测模型;利用该模型预测设施状态,构建多准则优化目标,采用遗传算法求解得到非支配解集;最终根据决策偏好生成维护决策报告并可视化展示。本发明实现了对道路设施病害演变的精准预测与科学养护决策。
本发明授权基于CNN-Transformer混合架构的道路设施病害演变预测与养护决策方法及系统在权利要求书中公布了:1.一种基于CNN-Transformer混合架构的道路设施病害演变预测与养护决策方法,其特征在于,包括以下步骤: 获取目标道路设施的多时期航拍影像,构建时序数据集并进行空间对齐和模拟退化处理; 构建编码器-解码器结构的混合网络模型,其中编码器采用双通路结构,第一通路通过卷积块提取局部特征,第二通路基于注意力机制并集成边缘增强组件,解码器采用双向传播单元并通过跨尺度注意力机制融合特征; 对所述混合网络模型进行协同训练和模型压缩,得到精简预测模型; 利用所述精简预测模型进行设施状态预测,基于预测结果构建多准则优化目标,采用遗传算法求解得到非支配解集; 根据决策偏好从所述非支配解集中确定最终方案,生成维护决策报告并进行可视化展示; 其中,所述构建编码器-解码器结构的混合网络模型包括: 所述编码器的双通路结构中,第一通路采用包含深度可分离卷积的逆向稠密连接块逐层提取设施状态的局部细微特征; 第二通路在前端集成方向敏感-边缘增强滤波组件以强化轮廓信息,并基于分层滑动窗口注意力机制建模设施状态的全局语义与长期依赖关系; 所述解码器采用双向状态传播单元,通过前向-反向信息传递增强全局上下文理解能力,并引入跨尺度注意力聚合机制动态融合来自编码器双通路的特征信息; 所述对所述混合网络模型进行协同训练和模型压缩包括: 采用基于生成对抗网络的协同训练框架,其中生成器为所述的混合网络模型,判别器用于区分预测结果与真实标签; 在训练过程中采用分布式梯度约束算法,将梯度惩罚计算分散到多个训练批次中并行处理; 结合动态自适应学习率调控机制,根据训练过程中的梯度范数和性能指标动态调整学习率; 训练完成后,采用多层次特征映射迁移策略,将训练好的混合网络模型作为教师模型,将其特征提取能力迁移至结构精简的学生模型,得到所述精简预测模型。
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安徽交控工程集团有限公司,其通讯地址为:230088 安徽省合肥市高新区望江西路520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”。
以上内容由龙图腾AI智能生成。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励