
山东科技大学所持一种基于任务对齐与动态类别加权的轨道缺陷检测方法等2项专利实施许可
收藏
点击量:26次
网上报名请点击我要购买 。
我要购买
| 项目名称 | 山东科技大学所持一种基于任务对齐与动态类别加权的轨道缺陷检测方法等2项专利实施许可 | 项目编号 | TAHA2669451 |
| 转让底价 | 200 万元 | 转让方 | 山东科技大学 |
| 保证金 | 0万元 | 保证金支付方式 | 银行转账 |
| 挂牌时间 | 2026-04-17 至 2026-04-23 | ||
一、项目介绍
技术项目信息登记表(供给方)
| 技术项目名称 | 山东科技大学所持一种基于任务对齐与动态类别加权的轨道缺陷检测方法等2项专利实施许可 | ||
| 行业分类 | 高端装备与先进制造|其他 | ||
| 战略性新兴产业分类 | 高端装备制造产业|轨道交通装备产业|轨道交通专用设备、关键系统及部件 | ||
| 权属人所属地域 | 山东省青岛市黄岛区 | ||
| 十强产业领域 | -- | ||
| 项目权属(个人或单位名称) | 山东科技大学 | ||
| 专利情况 | 有 | ||
| 转让底价 | 200 万元 | ||
| 合作方式 | 成果许可 | ||
| 项目简介 | 专利1介绍:一种基于任务对齐与动态类别加权的 轨道缺陷检测方法 专利申请日:2025.11.28 授权公告日:2026.02.24 专利权期限:20年 介绍:本发明公开了一种基于任务对齐与动态类别加权的轨道缺陷检测方法,属于轨道交通运维技术领域,其步骤为:利用无人机搭载高清摄像设备,对铁路或城市轨道进行巡检,获取轨道图像数据;对采集到的图像进行预处理并划分为训练集、验证集和测试集;在YOLO目标检测网络的训练过程中,在正样本分配阶段引入任务对齐打分;设计统一稀缺‑尺寸联合加权的分类损失,引入动态更新的类别权重,同时刻画类别稀缺性与目标尺寸对学习难度的影响,从而提升整体检测精度;利用训练好的模型对无人机采集的新轨道图像进行推理,输出包含缺陷类别、位置与置信度的检测结果。 专利2介绍:一种面向无人机的交通非现场快速取证的机巢选址方法 专利申请日:2025.04.16 授权公告日:2025.07.08 专利权期限:20年 介绍:本发明公开了一种面向无人机的交通非现场快速取证的机巢选址方法,属于无人机机巢选址技术领域,该方法为:首先寻找事故高发交叉口,获取并处理选定区域内交叉口交通数据,运用熵权法对数据中的各指标进行权重分配,运用TOPSIS法计算各交叉口综合评分,确立风险阈值,确立事故高发交叉口为风险点并分配权重,对上述步骤得到的事故风险点,建立平面直角坐标系,将风险点对照到坐标系中,获取其位置坐标;然后建立交通事故非现场取证无人机机巢选址模型,基于NSGA‑II算法对无人机机巢选址模型求解,获得最优的机巢选址方案。 | ||||||||||||||||||||||
| 市场前景分析 | |||||||||||||||||||||||
| 与同类成果相比优势分析 | |||||||||||||||||||||||
| 专利明细 | |||||||||||||||||||||||
| 序号 | 名称 | 申请号 | 类别 | 申请日 | 授权日 |
| 1 | 一种面向无人机的交通 非现场快速取证的机巢 选址方法 | CN202510474383.4 | 发明 | 2025-04-16 | 2025-07-08 |
| 2 | 一种基于任务对齐与动 态类别加权的轨道缺陷 检测方法 | CN202511771678.4 | 发明 | 2025-11-28 | 2026-02-24 |
| 专利是否合并转让 | 是 | ||||
| 获得资助情况(国家计划课题等) | -- | ||
| 项目开发阶段 | -- | ||
| 样品情况 | 无 | 样品类型 | -- |
| 信息有效期 | -- 至 -- | ||
三、披露信息
| 价款支付方式 | 银行转账
价款支付要求:银行转账 |
||
| 受让方资格条件 | 1、意向受让方须为依法设立的企业法人、其他经济组织或 具有完全民事行为能力的自然人; 2、意向受让方须具有良好财务状况、支付能力; 3、本项目不接受联合体受让。 |
||
| 重大事项及其他披露内容 | 1.本标的整体受让,不可拆分。 2.专利1介绍:一种基于任务对齐与动态类别加权的轨道缺陷检测方法 专利申请日:2025.11.28 授权公告日:2026.02.24 专利权期限:20年 介绍:本发明公开了一种基于任务对齐与动态类别加权的轨道缺陷检测方法,属于轨道交通运维技术领域,其步骤为:利用无人机搭载高清摄像设备,对铁路或城市轨 道进行巡检,获取轨道图像数据;对采集到的图像进行预处理并划分为训练集、验证集和测试集;在YOL0目标检测网络的训练过程中,在正样本分配阶段引入任务对齐打分;设计统一稀缺一尺寸联合加权的分类损失,引入动态更新的类别权重,同时刻画类别稀缺性与目标尺寸对学习难度的影响,从而提升整体检测精度;利用训练好的模型对无人机采集的新轨道图像进行推理,输出包含缺陷类别、位置与置信度的检测结果。 专利2介绍:一种面向无人机的交通非现场快速取证的机巢选址方法 专利申请日:2025.04.16 授权公告日:2025.07.08 专利权期限:20年 介绍:本发明公开了一种面向无人机的交通非现场快速取证的机巢选址方法,属于无人机机巢选址技术领域,该方法为:首先寻找事故高发交叉口,获取并处理选定区域内交叉口交通数据,运用熵权法对数据中的各指标进行权重分配,运用TOPSIS法计算各交叉口综合评分,确立风险阈值,确立事故高发交叉口为风险点并分配权重,对上述步骤得到的事故风险点,建立平面直角坐标系,将风险点对照到坐标系中,获取其位置坐标;然后建立交通事故非现场取证无人机机巢选址模型,基于NSGA‑II算法对无人机机巢选址模型求解,获得最优的机巢选址方案。 3.截至挂牌日,已取得发明专利证书。 |
||
| 与转让相关的其他条件 | 意向受让方须承诺,在递交受让申请并交纳交易保证金后,即表明理解并接受本次资产转让的所有内容及程序,完全了解与认可转让标的状况以及存在的瑕疵等一切内 容,并自行承担受让转让标的所带来的一切风险和后果;成为最终受让方后不得以不了解转让标的为由退还转让标的,否则将视为违约;非因转让方原因所引发的风险因素,由受让方自行承担。 意向受让方须承诺,在收到《挂牌结果通知单》之日起5个工作日内与转让方签署《实施许可合同书》,并于签订《实施许可合同书》之日起5个工作日内支付应付交易价款至转让方指定账户(交易价款无息结算),交易费用支付至中心指定账户(如本项目公告对以上办理时间有不同约定的,从其约定)。协议成交不收取交易费用,若产生竞价,收取竞价佣金。 |
||