更新时间：2026-08-15 00:02:25
已登记
详细信息
-
知识产权名称
无人机智能识别道路坍塌算法模型的图像训练数据
-
登记编号
DIP2025000002012
-
申请人
浙大启真未来城市科技（杭州）有限公司
-
登记类型
首次登记
-
登记有效期
3年
-
申请时间
2025-04-07 14:09:30
详细信息
-
所属行业
信息传输、软件和信息技术服务业
-
交易状态
待交易
-
数据规模
684
-
更新频次
每日更新
-
应用场景
无人机智能识别道路坍塌算法模型的图像训练数据的应用场景主要集中在提升AI模型对道路坍塌的识别能力和准确度。通过对这些数据的训练，AI模型能够更有效地支撑无人机在复杂地形环境下的全天候灾害监测任务，包括山区公路的路基沉降预警、矿区运输道路的路面裂缝检测、山体滑坡等场景。基于多边形标注与地质数据库的联动分析，能够为道路养护单位、应急管理部门提供塌方范围三维可视化报告，支撑交通管制决策、灾后应急通道规划及基础设施安全评估，显著提升地质灾害响应时效性。
-
算法规则简要说明
1、数据来源：原始数据通过自有智能无人机拍摄采集，记录图像ID、采集时间、文件路径、采集设备、地理坐标、拍摄高度、环境参数、多边形标注区域等数据，采用三维点云融合技术清洗异常数据。 2、数据预处理与标注：①对原始数据按7:2:1比例划分训练集/验证集/测试集；②采用多级标注体系：一级标签（坍塌/正常），二级标签（路基沉降/路面裂缝/山体滑坡等）。③关关联要素标注包含地质结构、排水系统状况、护栏变形量等关键特征。 3、模型选择和初始化：采用YOLOv5预训练模型，并初始化模型参数，设置合理的超参数：学习率0.001-0.0001动态调整，批量大小16，锚框参数根据拍摄图像特征优化；同时集成注意力机制增强小目标检测能力。 4、模型训练：使用PyTorch框架实施分布式训练，设置训练时长，采用迁移学习策略，冻结底层特征提取层参数，引入Mosaic数据增强提升复杂场景适应能力，设置早停机制（patience=15）防止过拟合。 5、模型评估：① 构建多维评估体系：基础指标（mAP@0.5）、夜间检测率、误报率、漏报率。② 设置渐进式测试：单点坍塌→连续路段损毁→复杂地形（桥梁/隧道）→地质灾害联动四阶段验证。 6、模型优化：优化多光谱融合推理引擎，保障推理速度，并构建区域性地质特征库。
-
更新频次
每日更新
-
存证平台
浙江省知识产权区块链公共存证平台
