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！

龙图腾网获悉山东省水利科学研究院申请的专利基于人工智能的堤坝滑坡病害识别方法及装置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：CN120067692B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510181368.0，技术领域涉及：G06F18/214；该发明授权基于人工智能的堤坝滑坡病害识别方法及装置是由孙雪琦;谢文鹏;倪新美;卞俊威;刘征;张立志;徐远志;牛景涛;李勇;张凌晓;朱军;吴芳设计研发完成，并于2025-02-19向国家知识产权局提交的专利申请。

本基于人工智能的堤坝滑坡病害识别方法及装置在说明书摘要公布了：本发明涉及一种基于人工智能的堤坝滑坡病害识别方法及装置，属于堤坝滑坡病害识别领域。其包括以下步骤：对实际堤坝监测点的堤坝滑坡数据进行采集，并进行人工标注，得到标注好的堤坝滑坡数据集；标注好的堤坝滑坡数据集输入到训练好的基于层次强化的生成对抗网络中，得到扩充后的堤坝滑坡数据集；将扩充后的堤坝滑坡数据集输入到训练好的基于自适应卷积核优化的神经网络中进行特征提取，得到提取后的堤坝滑坡数据特征；将提取后的堤坝滑坡数据特征输入到训练好的基于高阶特征内插的支持向量机算法中，得到堤坝滑坡病害识别结果。本发明能够提高特征提取的精度和效率，从而精准识别不同滑坡级别。

本发明授权基于人工智能的堤坝滑坡病害识别方法及装置在权利要求书中公布了：1.一种基于人工智能的堤坝滑坡病害识别方法，其特征在于，包括以下步骤： S1.对实际堤坝监测点的堤坝滑坡数据进行采集，并进行人工标注，得到标注好的堤坝滑坡数据集； S2.所述标注好的堤坝滑坡数据集输入到训练好的基于层次强化的生成对抗网络进行数据扩充，得到扩充后的堤坝滑坡数据集；所述基于层次强化的生成对抗网络包括生成器和判别器；生成器中采用层次强化学习机制，通过多层决策过程优化生成样本的质量； 基于层次强化的生成对抗网络的训练流程如下： S21.初始化生成器和判别器的网络参数，初始化策略通过使用均值为0、方差为单位矩阵的正态分布初始化； S22.对判别器进行预训练； S23.在对抗训练阶段，首先，固定生成器参数，将真实堤坝滑坡数据和生成器输出的生成堤坝滑坡数据输入到判别器进行处理，更新判别器参数，所述生成器输出的生成堤坝滑坡数据为通过将从噪声分布中采样的噪声输入到生成器中得到的数据；然后，固定判别器参数，更新生成器参数，生成器通过层次强化学习策略调整其生成策略；生成器的损失函数公式表示如下： 其中，表示生成器的损失函数，表示组合嵌入损失的权重，表示组合嵌入损失；所述组合嵌入损失的公式表示如下： ，，，其中，表示当前批次生成样本的数量，表示生成器的神经网络层的特征提取函数，表示特征提取函数对第个特征维度的非线性变换函数，表示生成堤坝滑坡数据的特征维数；表示第一权重参数，表示第二权重参数，表示边界参数，用于控制损失的平衡；表示L2范数，表示取最大值，表示第个真实堤坝滑坡数据，表示第个输入噪声； S24.生成器的每一层在训练时通过强化学习独立调整，在生成器的训练过程中，每次调整的奖励基于判别器的反馈及嵌入损失计算得到，公式表示如下： ，，其中，表示Sigmoid函数，表示层次强化学习率参数，表示生成器的神经网络层调整的奖励； S25.重复步骤S22‑S24，直至满足预设的停止迭代条件，完成训练，得到训练好的基于层次强化的生成对抗网络； S3.将所述扩充后的堤坝滑坡数据集输入到训练好的基于自适应卷积核优化的神经网络中进行特征提取，得到提取后的堤坝滑坡数据特征；基于自适应卷积核优化的神经网络包括输入层、卷积层、池化层和全连接层；所述卷积层进行残差连接组成残差块，各残差块进行跳跃连接，所述跳跃连接为本领域常规残差神经网络连接方式； S4.将提取后的堤坝滑坡数据特征输入到训练好的基于高阶特征内插的支持向量机算法中进行堤坝滑坡病害识别分类，得到堤坝滑坡病害识别结果。

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山东省水利科学研究院，其通讯地址为：250000 山东省济南市历下区历山路125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”。

以上内容由龙图腾AI智能生成。