Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 江苏星湖科技有限公司尤万成获国家专利权

江苏星湖科技有限公司尤万成获国家专利权

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!

龙图腾网获悉江苏星湖科技有限公司申请的专利基于多元数据融合的台区施工质量缺陷识别与定位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:CN120781304B

龙图腾网通过国家知识产权局官网在2025-11-25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:202511285935.3,技术领域涉及:G06F18/25;该发明授权基于多元数据融合的台区施工质量缺陷识别与定位方法是由尤万成;倪驰凯;李文洲;杜明煜;陈钊翔;方超;尤诗莹;罗泽慧设计研发完成,并于2025-09-10向国家知识产权局提交的专利申请。

基于多元数据融合的台区施工质量缺陷识别与定位方法在说明书摘要公布了:本发明公开了基于多元数据融合的台区施工质量缺陷识别与定位方法,包括:采集台区施工现场的多源数据,并预处理生成标准化数据集;对时序监测数据进行趋势提取与降噪,构建融合特征表示;自适应生成异常敏感子空间,并执行归一化编码;将异常敏感子空间嵌入至Diffusion扩散模型,构建改进的扩散建模结构;对融合特征进行扩散重建,获取重建误差;基于重建误差、平滑值与残差序列,进行异常分析与缺陷判定;缺陷位置映射至拓扑结构或地理坐标,实现可视化定位与推送预警。本发明通过引入异常敏感子空间与改进的Diffusion扩散模型,实现了对台区施工质量缺陷的高精度识别与空间精准定位。

本发明授权基于多元数据融合的台区施工质量缺陷识别与定位方法在权利要求书中公布了:1.基于多元数据融合的台区施工质量缺陷识别与定位方法,其特征在于,包括: 采集台区施工现场的多源数据,对多源数据进行预处理,生成标准化数据集; 对标准化数据集中的时序监测数据采用指数平滑法进行趋势提取和降噪处理,得到时序监测数据的平滑值与残差序列,将标准化数据集和平滑值与残差序列进行多模态特征融合,构建融合特征表示; 基于融合特征表示,采用自适应子空间提取方法,针对融合特征表示中的各时空节点动态生成异常敏感子空间,并对异常敏感子空间进行归一化编码; 将异常敏感子空间嵌入至Diffusion扩散模型的结构中,集成于Diffusion扩散模型,对融合特征表示中异常敏感区域自适应加权建模与噪声抑制,构建改进的Diffusion扩散模型; 采用改进的Diffusion扩散模型对融合特征表示进行重建,得到重建特征表示,计算融合特征表示与重建特征表示输出之间的差异,获得重建误差; 基于重建误差、平滑值与残差序列,对融合特征表示的各数据维度进行异常分析,判定存在施工质量缺陷的具体时空位置; 将判定的缺陷位置映射至台区施工现场的结构拓扑或地理坐标,完成缺陷的精准定位与可视化输出,并将缺陷信息推送至施工管理与运维平台; 所述构建改进的Diffusion扩散模型,包括: 构建改进的Diffusion扩散模型,包括异常敏感子空间嵌入模块、动态门控噪声抑制模块、多通道融合模块以及主干Diffusion建模模块; 异常敏感子空间嵌入模块以异常敏感子空间为输入,包括特征加权单元和归一化单元,特征加权单元根据异常敏感权重对输入特征分量进行加权处理,归一化单元将加权后的特征归一化,输出高敏感区域特征表示; 多通道融合模块的输入包括高敏感区域特征表示、标准化数据集中的时序监测数据、图像信息、环境参数与结构运行状态数据,内部设置多通道分流单元,将高敏感区域特征表示、时序监测数据与图像信息作为常规通道特征,环境参数与结构运行状态数据作为辅助通道特征,不同通道分别进行特征编码和增强,并在指定交互节点进行通道间特征融合,输出融合特征流; 将融合特征流输入至动态门控噪声抑制模块,包括门控因子生成单元和噪声控制单元,门控因子生成单元根据融合特征流的异常敏感性和残差分布,动态分配各特征分量的噪声抑制强度,噪声控制单元依托门控因子自动调节不同特征分量在扩散过程中的噪声注入与去噪参数,输出抑噪后的特征流; 将抑噪后的特征流输入至主干Diffusion建模模块,包括正向扩散单元、逆向去噪采样单元和噪声预测网络,抑噪后的特征流经正向多步加噪后进入逆向去噪采样流程,由噪声预测网络在每一步进行噪声预测和去除,输出重建特征表示; 在主干Diffusion建模模块的多层网络结构中,针对异常敏感子空间设置专用残差监控与特征强化分支,实时分析异常敏感特征在扩散与去噪各阶段的变化,对异常分量进行分层特征增强; 将主干Diffusion建模模块输出的重建特征表示与融合特征表示进行对比,计算重建误差,输出最终改进的Diffusion扩散模型。

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苏星湖科技有限公司,其通讯地址为:210003 江苏省南京市鼓楼区幕府南路190号七层;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。