買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉江西省水利科學院(江西省大壩安全管理中心、江西省水資源管理中心)申請的專利基于圖像識別的水利工程安全隱患評估預測系統及方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120598965B 。

龍圖騰網通過國家知識產權局官網在2025-09-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202511109401.5，技術領域涉及：G06T7/00；該發明授權基于圖像識別的水利工程安全隱患評估預測系統及方法是由周志維;方詩標;吳曉彬;游文蓀;喻蔚然;汪慶;龔羊慶;徐耀宗;朱斌;李磊設計研發完成，并于2025-08-08向國家知識產權局提交的專利申請。

本基于圖像識別的水利工程安全隱患評估預測系統及方法在說明書摘要公布了：本發明涉及水利工程安全監測技術領域，具體公開了基于圖像識別的水利工程安全隱患評估預測系統及方法，通過多模態傳感網絡同步采集水利工程表面圖像、內部結構探測數據及環境參數，采用多尺度卷積神經網絡結合三維點云配準技術提取表面視覺特征參數，利用自適應時頻分析和小波包重構算法提取內部隱蔽性缺陷的物理特征參數；構建雙重機器學習框架，通過深度殘差網絡消除環境干擾，基于門控循環單元分析特征間因果關系，篩選關鍵特征參數集；采用自適應核函數的高斯過程回歸模型進行動態風險預測，結合多尺度小波變換識別風險突變點,最終通過模糊綜合評判算法生成安全狀態評分和分級預警信號。

本發明授權基于圖像識別的水利工程安全隱患評估預測系統及方法在權利要求書中公布了：1.基于圖像識別的水利工程安全隱患評估預測方法，其特征在于，包括以下步驟： 采集目標水利工程的多源監測數據，包括表面圖像數據、內部結構探測數據和環境參數數據； 對目標水利工程的表面圖像數據進行特征提取，獲得反映工程結構狀態的視覺特征參數，具體包括以下步驟： 采用多尺度融合卷積網絡對表面圖像進行分層特征提取，其中第一層卷積核尺寸設置為7×7像素，用于捕捉大尺度結構變形特征，第二層卷積核尺寸設置為3×3像素，用于提取細微裂縫紋理特征，第三層通過空洞卷積擴大感受野，檢測潛在滲流區域； 將提取的多尺度特征輸入空間注意力機制模塊，生成特征權重分布圖，對裂縫密集區和結構連接部位進行特征增強，同時抑制水體反光區域的干擾特征； 通過三維點云配準技術將二維特征映射至工程結構實體模型，計算特征參數的空間連續性指標，剔除因拍攝角度導致的偽缺陷特征； 基于特征聚類算法自動歸類相似缺陷模式，輸出包含裂縫長度、分布密度、走向角度的視覺特征參數集，其中裂縫走向角度通過霍夫變換改進算法在極坐標空間進行量化； 對目標水利工程的內部結構探測數據進行時頻特征分析，提取表征隱蔽性缺陷的物理特征參數，具體包括以下步驟： 采用改進的短時傅里葉變換對聲吶探測信號進行時頻分解，其中窗函數采用自適應高斯窗，窗寬根據信號瞬時頻率動態調整，在低頻段使用寬窗保證頻率分辨率，在高頻段使用窄窗提高時間分辨率； 構建三維時頻特征矩陣，第一維度為時間序列，第二維度為頻率分量，第三維度為信號幅值，通過非負矩陣分解算法提取表征管涌特征的時頻模式基向量； 將分解后的時頻模式與預先建立的缺陷特征庫進行匹配，其中匹配度超過閾值的模式被標記為潛在缺陷信號； 對標記的缺陷信號進行小波包重構，計算其能量熵和奇異值作為物理特征參數，其中能量熵用于量化缺陷的隨機性程度，奇異值用于表征缺陷的幾何形態特征； 將視覺特征參數和物理特征參數輸入預訓練的特征篩選模型，通過雙重機器學習框架分離各特征參數之間的關聯干擾，輸出獨立影響安全狀態的關鍵特征參數集； 將關鍵特征參數集輸入水利工程動態風險預測模型，通過非參數化建模獲得隨時間變化的風險概率曲線，其中水利工程動態風險預測模型能夠自動識別風險突變點； 根據風險概率曲線和風險突變點，生成水利工程的安全狀態評估結果和分級預警信號，實現安全隱患的實時預測。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人江西省水利科學院(江西省大壩安全管理中心、江西省水資源管理中心)，其通訊地址為：330000 江西省南昌市青山湖區北京東路1038號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。