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！

龙图腾网获悉中新钢铁集团有限公司申请的专利基于深度学习的管道内污水监控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：CN121617042B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610141540.4，技术领域涉及：G06V20/52；该发明授权基于深度学习的管道内污水监控系统及方法是由李洪勇;李伟;张文清;毛鹏程;陈恒辉设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本基于深度学习的管道内污水监控系统及方法在说明书摘要公布了：本发明公开了基于深度学习的管道内污水监控系统及方法，包括如下步骤：S1、采集图像数据预处理生成标准化污水图像序列；S2、引入管道径向位置编码与轴向位置编码，生成结构增强图像特征序列；S3、输入改进型Mask2Former图像分割网络，执行语义查询分组与边界细化预测输出异常分割量集合；S4、施加径向分布一致性约束与轴向连续性约束，生成污水状态特征向量；S5、执行状态判定，生成污水异常状态标识；S6、与预设污水状态阈值规则匹配，进入排污过程判定模式；S7、重复执行S1至S4并执行恢复判定，形成监控结果。本发明实现管道内污水异常的稳定识别与精准判定，提升监控可靠性与排污控制安全性。

本发明授权基于深度学习的管道内污水监控系统及方法在权利要求书中公布了：1.基于深度学习的管道内污水监控方法，其特征在于，包括如下步骤： S1、采集管道内污水连续图像数据，预处理生成标准化污水图像序列； S2、对标准化污水图像序列引入管道径向位置编码与轴向位置编码，执行结构先验嵌入运算，生成结构增强图像特征序列； S3、将结构增强图像特征序列输入基于Mask2Former架构的图像分割网络，在掩膜查询阶段，按照预设的污水异常语义类型构建若干个查询组，对每一查询组内的查询向量分别与结构增强图像特征序列执行分组注意力更新运算，生成更新后的查询组集合；在掩膜预测阶段，将更新后的查询组集合用于异常区域掩膜生成，同时并行引入异常边界感知细化分支，对异常区域边界位置执行约束修正处理，形成经联合约束预测的异常分割量集合，用于表征管道内污水异常的空间分布； S4、基于异常分割量集合按管道径向分布一致性约束与轴向连续性约束执行结构一致性区域量化运算，生成污水状态特征向量；具体包括： S41、基于异常分割量集合，在每一帧图像中提取异常区域像素集合，依据管道径向位置编码将异常区域像素集合映射至对应的径向分区，形成异常径向分布序列； S42、对异常径向分布序列中各径向分区的异常像素数量进行统计，对相邻径向分区的异常像素分布变化执行一致性判定，对未通过一致性判定的径向分区对应异常像素集合执行抑制处理，生成径向一致性约束下的异常区域像素集合； S43、基于径向一致性约束下的异常区域像素集合，按照标准化污水图像序列的帧顺序，在相邻图像帧之间对异常区域像素集合执行位置对应，形成异常区域轴向分布序列； S44、对异常区域轴向分布序列在相邻图像帧之间执行连续性判定，对未通过连续性判定的异常区域像素集合执行剔除处理，生成结构一致性约束下的异常区域像素集合； S45、对异常区域在各径向分区与轴向区段内的分布情况进行汇总，生成污水状态特征向量； S5、对污水状态特征向量执行污水状态判定运算，生成污水异常状态标识； S6、将污水异常状态标识与预设污水状态阈值规则进行匹配，在匹配成立时生成排污触发状态标识并切换为排污过程判定模式，采集排污过程污水图像序列； S7、对排污过程污水图像序列依次执行步骤S1至步骤S4，生成排污过程污水状态特征向量，对排污过程污水状态特征向量执行恢复判定运算，在恢复判定成立时生成停止排污状态标识，形成管道内污水监控结果。

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中新钢铁集团有限公司，其通讯地址为：221000 江苏省徐州市新沂市新沂经济开发区大桥西路168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。