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！

龙图腾网获悉四川希尔得科技有限公司申请的专利一种基于深度学习的燃气管道泄漏检测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：CN120823564B 。

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：202511327477.5，技术领域涉及：G06V20/52；该发明授权一种基于深度学习的燃气管道泄漏检测方法是由何柳;梁先锋设计研发完成，并于2025-09-17向国家知识产权局提交的专利申请。

本一种基于深度学习的燃气管道泄漏检测方法在说明书摘要公布了：本发明公开了一种基于深度学习的燃气管道泄漏检测方法，属于图像数据处理技术领域，包括步骤：获取管道泄漏检测数据集D1；基于目标熵和区域生长构造管道图像预处理模块，用于在样本上生成管道区域标注；基于双路特征提取和动态融合、FFT特征提取等构造双路径道注意力模块DPCA；基于SegFormer编码器和DPCA构造燃气泄漏分割网络并训练得到燃气泄漏分割模型，用于待识别的管道红外图像识别中。本发明无需引入额外管道标注任务，能通过管道图像预处理模块快速定位管道区域，通过DPCA对特征提取、分析和识别，能提高气体泄漏检测的准确率，尤其适用于对比度低、以及工业场景复杂的管道红外图像中泄漏区域的识别。

本发明授权一种基于深度学习的燃气管道泄漏检测方法在权利要求书中公布了：1.一种基于深度学习的燃气管道泄漏检测方法，其特征在于，包括以下步骤； S1，获取管道泄漏检测数据集D1，其中样本为经过目标区域标注的管道红外图像，所述目标区域为泄漏区域； S2，构造一管道图像预处理模块，用于在样本上生成管道区域标注，其中一样本中管道区域的生成方法包括步骤S21~S24； S21，将样本转换为包含256个灰度级的灰度图，并统计每个灰度级的灰度分布； S22，任选一灰度级s将灰度图分为背景和目标，得到分割图像，0≤s≤255，计算此时的背景信息熵HB、目标信息熵HO，并计算灰度级s的信息熵之和Hs，Hs=HB+HO； S23，按S22方法得到每个灰度级的信息熵之和，将最大的信息熵之和作为样本的目标熵、目标熵对应的灰度级标记为生长阈值Th，并将Th对应的分割图像标记为ITh； S24，遍历ITh目标区域中连续坐标最长的像素点集合作为生长区域S，用区域生长算法按Th对S进行区域生长得到管道区域； S25，将管道区域标注到样本中，得到预处理样本； S3，构造一双路径道注意力模块； 所述双路径道注意力模块用于通过第一输入端输入第一特征图C1、第二输入端输入第二特征图C2，将C1、C2各自经深度可分离卷积和膨胀卷积得到第三特征图C3和第四特征图C4，再将C3、C4经拼接、1×1卷积和sigmod激活运算得到门限特征图C5，再根据公式C6=C3×C5[0]+C4×C5[1]得到融合特征图C6，其中C5[0]、C5[1]分别为C5第一、第二通道的特征图； 对C6进行FFT变换并提取实部和虚部，将实部和虚部沿通道维度拼接再经1×1卷积得到第一频域特征F1，经多层感知得到第二频域特征F2，将F2和C6相乘得到通道注意力特征F3，再根据公式得到双路径道注意力模块的输出特征Fout，所述Fout与样本大小相同； S4，构造燃气泄漏分割网络，包括SegFormer编码器和双路径道注意力模块，其中SegFormer编码器阶段2和阶段4的输出端分别对应连接双路径道注意力模块的第一输入端和第二输入端，并将双路径道注意力模块的输出特征Fout作为预测输出； S5，训练燃气泄漏分割网络至收敛，得到燃气泄漏分割模型，其中1次训练为：获取一批次样本，每个样本经管道图像预处理模块生成对应的预处理样本，再经燃气泄漏分割网络得到预测输出，计算样本真实标注与预测输出的间的损失，并以最小化损失调整燃气泄漏分割网络的参数； S6，获取待识别的管道红外图像，经管道图像预处理模块生成对应的预处理样本，再经燃气泄漏分割模型得到预测输出。

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四川希尔得科技有限公司，其通讯地址为：610000 四川省成都市双流区西南航空港经济开发区空港四路2666号浩朗科技园七区502；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。