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！

龙图腾网获悉安徽理工大学申请的专利一种大坝渗漏电性异常识别方法、系统及电子设备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：CN116740687B 。

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：202310724771.4，技术领域涉及：G06V20/60；该发明授权一种大坝渗漏电性异常识别方法、系统及电子设备是由张平松;汪椰伶;席超强;谭磊设计研发完成，并于2023-06-16向国家知识产权局提交的专利申请。

本一种大坝渗漏电性异常识别方法、系统及电子设备在说明书摘要公布了：本发明提供的一种大坝渗漏电性异常识别方法、系统及电子设备，涉及大坝渗漏电性异常识别技术领域。方法包括获取待测大坝的视电阻率图像；将待测大坝的视电阻率图像输入到大坝渗漏电性异常识别模型中，确定待测大坝中的渗漏电性异常区位置与异常数；大坝渗漏电性异常识别模型是利用标注后的视电阻率图像，对端对端深度学习模型进行训练后得到的。本发明通过构建并训练端对端深度学习模型能够提高大坝渗漏电性异常区的识别精度和效率。

本发明授权一种大坝渗漏电性异常识别方法、系统及电子设备在权利要求书中公布了：1.一种大坝渗漏电性异常识别方法，其特征在于，包括： 获取待测大坝的视电阻率图像； 将所述待测大坝的视电阻率图像输入到大坝渗漏电性异常识别模型中，确定待测大坝中的渗漏电性异常状况；所述大坝渗漏电性异常识别模型是利用标注后的视电阻率图像，对端对端深度学习模型进行训练后得到的；所述渗漏电性异常状况包括渗漏电性异常区域的数量和每个渗漏电性异常区域的位置； 所述端对端深度学习模型包括：依次连接的前端、后端和后处理模块； 所述前端包括编码器；所述编码器是去除VGG16深度卷积神经网络中的全连接层后得到的； 所述后端包括分割分支解码器和嵌入分支解码器；所述分割分支解码器的输入端和嵌入分支解码器的输入端均与所述编码器的输出端连接；所述分割分支解码器的输出端和嵌入分支解码器的输出端均与所述后处理模块的输入端连接； 所述分割分支解码器用于输出渗漏电性异常区识别结果； 所述嵌入分支解码器用于输出渗漏电性异常区掩膜图像； 所述后处理模块用于对渗漏电性异常区掩膜图像进行聚类处理，并将聚类结果与分割分支解码器输出的图像相结合，得到渗漏电性异常区的分类结果，根据异常区域的视觉特征确定渗漏异常电阻率是否相同；提取渗漏电性异常特征并结合渗漏电性异常区掩膜图像确定渗漏电性异常状况。

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安徽理工大学，其通讯地址为：232001 安徽省淮南市泰丰大街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。