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！

龙图腾网获悉江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)申请的专利基于图像识别的水利工程安全隐患评估预测系统及方法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：CN120598965B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202511109401.5，技术领域涉及：G06T7/00；该发明授权基于图像识别的水利工程安全隐患评估预测系统及方法是由周志维;方诗标;吴晓彬;游文荪;喻蔚然;汪庆;龚羊庆;徐耀宗;朱斌;李磊设计研发完成，并于2025-08-08向国家知识产权局提交的专利申请。

本基于图像识别的水利工程安全隐患评估预测系统及方法在说明书摘要公布了：本发明涉及水利工程安全监测技术领域，具体公开了基于图像识别的水利工程安全隐患评估预测系统及方法，通过多模态传感网络同步采集水利工程表面图像、内部结构探测数据及环境参数，采用多尺度卷积神经网络结合三维点云配准技术提取表面视觉特征参数，利用自适应时频分析和小波包重构算法提取内部隐蔽性缺陷的物理特征参数；构建双重机器学习框架，通过深度残差网络消除环境干扰，基于门控循环单元分析特征间因果关系，筛选关键特征参数集；采用自适应核函数的高斯过程回归模型进行动态风险预测，结合多尺度小波变换识别风险突变点,最终通过模糊综合评判算法生成安全状态评分和分级预警信号。

本发明授权基于图像识别的水利工程安全隐患评估预测系统及方法在权利要求书中公布了：1.基于图像识别的水利工程安全隐患评估预测方法，其特征在于，包括以下步骤： 采集目标水利工程的多源监测数据，包括表面图像数据、内部结构探测数据和环境参数数据； 对目标水利工程的表面图像数据进行特征提取，获得反映工程结构状态的视觉特征参数，具体包括以下步骤： 采用多尺度融合卷积网络对表面图像进行分层特征提取，其中第一层卷积核尺寸设置为7×7像素，用于捕捉大尺度结构变形特征，第二层卷积核尺寸设置为3×3像素，用于提取细微裂缝纹理特征，第三层通过空洞卷积扩大感受野，检测潜在渗流区域； 将提取的多尺度特征输入空间注意力机制模块，生成特征权重分布图，对裂缝密集区和结构连接部位进行特征增强，同时抑制水体反光区域的干扰特征； 通过三维点云配准技术将二维特征映射至工程结构实体模型，计算特征参数的空间连续性指标，剔除因拍摄角度导致的伪缺陷特征； 基于特征聚类算法自动归类相似缺陷模式，输出包含裂缝长度、分布密度、走向角度的视觉特征参数集，其中裂缝走向角度通过霍夫变换改进算法在极坐标空间进行量化； 对目标水利工程的内部结构探测数据进行时频特征分析，提取表征隐蔽性缺陷的物理特征参数，具体包括以下步骤： 采用改进的短时傅里叶变换对声呐探测信号进行时频分解，其中窗函数采用自适应高斯窗，窗宽根据信号瞬时频率动态调整，在低频段使用宽窗保证频率分辨率，在高频段使用窄窗提高时间分辨率； 构建三维时频特征矩阵，第一维度为时间序列，第二维度为频率分量，第三维度为信号幅值，通过非负矩阵分解算法提取表征管涌特征的时频模式基向量； 将分解后的时频模式与预先建立的缺陷特征库进行匹配，其中匹配度超过阈值的模式被标记为潜在缺陷信号； 对标记的缺陷信号进行小波包重构，计算其能量熵和奇异值作为物理特征参数，其中能量熵用于量化缺陷的随机性程度，奇异值用于表征缺陷的几何形态特征； 将视觉特征参数和物理特征参数输入预训练的特征筛选模型，通过双重机器学习框架分离各特征参数之间的关联干扰，输出独立影响安全状态的关键特征参数集； 将关键特征参数集输入水利工程动态风险预测模型，通过非参数化建模获得随时间变化的风险概率曲线，其中水利工程动态风险预测模型能够自动识别风险突变点； 根据风险概率曲线和风险突变点，生成水利工程的安全状态评估结果和分级预警信号，实现安全隐患的实时预测。

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江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)，其通讯地址为：330000 江西省南昌市青山湖区北京东路1038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”。