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！

龙图腾网获悉李德乐申请的专利一种基于深度学习的河道拥堵状况判断系统、方法、存储介质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：CN115909003B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202211302536.X，技术领域涉及：G06V10/82；该发明授权一种基于深度学习的河道拥堵状况判断系统、方法、存储介质是由李德乐;郑炜坤;陈鹭星设计研发完成，并于2022-10-24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河道拥堵状况判断系统、方法、存储介质在说明书摘要公布了：本发明提供了一种基于深度学习的河道拥堵状况判断系统、方法、存储介质，该方法利用探测装置中的位置信息定位模块实时获取当前探测装置所在的地理坐标信息，并借助流速信息采集模块核实当前河道位置的流速是否正常，当存在异常变化时，利用图像采集单元拍摄该地理位置处河道的图像并交由服务端进行河道拥堵程度判定，服务端上存储有训练完成的神经网络模型，该神经网络模型能够结合探测装置上传的图像信息以及当前地理位置信息对应的地理数据，自动分析出当前河道地理位置对应的拥堵程度，并输出处理策略信息至探测装置或移动端。通过上述方案能够提升河道拥堵状况判断的精准性和及时性，从而提高了河道拥堵状况的监测效率。

本发明授权一种基于深度学习的河道拥堵状况判断系统、方法、存储介质在权利要求书中公布了：1.一种基于深度学习的河道拥堵状况判断系统，其特征在于，所述系统包括探测装置以及服务端，所述探测装置包括： 位置信息定位模块，用于实时采集当前河道的地理位置信息； 流速信息采集模块，用于实时采集当前河道内水流的流速信息； 控制模块，用于在判定某一地理位置信息对应的流速信息的变化值与历史数据库中该地理位置信息的预设流速信息的差值大于预设误差值时，发送图像采集控制信号给图像采集单元； 图像采集单元，用于根据所述图像采集控制信号采集当前河道的图像信息，并将采集的图像信息回传给控制模块； 所述服务端用于接收控制模块上传的图像信息以及当前地理位置信息对应的地理数据，将所述图像信息以及地理数据输入至训练完成的神经网络模型中，输出当前河道对应的拥堵程度信息，并根据所述当前河道对应的拥堵程度信息确定相应的处理策略信息，将所述处理策略信息下发给探测装置或移动端； 读取样本数据库中的样本图像以及样本图像对应的地理数据对神经网络模型进行重复训练，提高神经网络模型准确度，得到训练好的神经网络模型包括： 取一组训练样本图像，将该组样本图像对应的地理数据、样本图像特征以及拥堵程度信息输入至神经网络； 神经网络采用梯度算法对所述样本图像对应的地理数据权重以及样本图像特征权重进行矩阵运算，其学习率和学习率的偏移量设一个基础值，运算完成后，得到一个关于输入样本图像与其对应的拥堵物类型、拥堵程度信息的数学模型；所述地理数据的权重根据该地理位置的降雨数据以及河道地理形状特征计算得出；所述样本图像的权重根据所述样本图像中拥堵物位置的像素点占比确定；所述拥堵物类型根据判定的拥堵物在所述样本图像上的位置分布确定； 更换一组训练数据，重新进行运算，每次运算，模型都会因梯度算法得到修正，变得更为靠近数据反映的真实模型； 全部训练样本数据组都轮替过后，计为完成一轮训练，至少完成一轮训练后，开始对模型进行评估； 读取测试的训练样本图像对该模型进行评估，输入样本图像，从模型获得输出的拥堵程度信息为y1，与样本图像对应的拥堵程度信息的实际值y比对，如果理论值y1等于实际值y，记为预测成功，也即识别正确，以精确率对模型进行评估： 如果数学模型精确率a≥80％，则认为模型合适，将其代码保存，否则，通过增加样本数据、增加训练轮数、微调学习率和或偏移量算法参数来优化模型； 将最终优化完成的模型部署于服务端上，与前端接口功能结合，前端接口用于接收所述控制模块上传的河道图像。

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李德乐，其通讯地址为：366000 福建省三明市永安市巴溪大道2199号福建水利电力职业技术学院；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。