智能识别路面坑洼或裂缝算法模型的图像训练数据已成功在浙江省数据知识产权登记平台进行登记，应用在道路病害检测、智能巡检系统领域

杭州声贝软件技术有限公司 本次登记的数据知识产权 智能识别路面坑洼或裂缝算法模型的图像训练数据, 本数据集主要用于提升AI模型对道路表面坑洼或裂缝等缺陷的识别能力与精确性。通过对该数据集的训练，使AI模型能够实现路面坑洼、裂缝等缺陷的自动分类与评估，并可应用于高速公路、市政道路、桥梁隧道的定期巡检与预防性养护。同时，本数据集可为道路养护部门的决策优化与资源调度提供支持，助力车载巡检系统和无人机巡查平台实现病害地理标记、损伤分级及维修优先级评估。 1.数据采集 通过企业自有摄像设备自行采集道路路面图像，同步记录图像ID、采集时间、设备型号、地理坐标、光照条件、天气状况等数据。 2.数据预处理与标注​​ 通过数据清洗剔除模糊、重复图像。按7:2:1比例划分训练集/验证集/测试集，设置多级标注体系： ​​一级标签：坑洼/裂缝/正常 ​​二级标签：轻度（<2cm深）/中度（2-5cm）/重度（>5cm） ​​三级标签：横向裂缝/纵向裂缝/网状裂缝/块状裂缝 ​​辅助标注：边界框坐标、裂缝像素面积、车道线相对位置 3.模型选择与初始化​​ 采用YOLOv8s预训练模型，初始化参数并优化超参数：学习率0.001-0.0001动态调整，批量大小1-32动态调整，锚框参数适配坑洼裂缝形态；集成形态估计模块提升识别准确率。 4.模型训练​​ 基于PyTorch实施分布式训练，采用混合精度训练（FP16）提升效率。设置训练时长，数据增强模拟逆光、积水反光等干扰情况，添加遮挡物干扰等特效，模拟夜间低光照及雨雾天气条件。设置早停机制（patience=15），梯度裁剪：max_norm=1.0。 5.模型评估 在训练模型的过程中，使用验证集调整超参数，训练完成后在测试集上评估模型表现，评估指标包含： 基础性能：mAP@0.5、误报率 场景鲁棒性测试：雨天检出率

查看智能识别路面坑洼或裂缝算法模型的图像训练数据

登记内容：

关于 杭州声贝软件技术有限公司 , 杭州声贝软件技术有限公司是一家专注于语音识别和人工智能领域的创新型科技公司，致力于为用户提供高质量的语音识别和语音合成解决方案。公司凭借领先的技术实力和出色的产品表现，在智能语音交互领域取得了显著的市场地位。

关于 浙江省数据知识产权登记平台 , 浙江省数据知识产权登记平台是一个专门用于登记和管理数据知识产权的官方平台。该平台允许企业和个人申请登记其数据知识产权，包括专利分类数据、客户价值评估数据等。平台提供公告功能，展示已登记、放弃或撤销的数据知识产权信息，并提供详细的申请人、申请时间和更新信息。