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！

龙图腾网获悉合肥工业大学申请的专利一种基于深度学习算法的氢气泄漏监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：CN118245776B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202410371958.5，技术领域涉及：G06F18/213；该发明授权一种基于深度学习算法的氢气泄漏监测方法是由刘波;陈龙;夏振耀;李扬;徐京涛;尹圣杰;赵国瑞;钱云霄设计研发完成，并于2024-03-29向国家知识产权局提交的专利申请。

本一种基于深度学习算法的氢气泄漏监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算法的氢气泄漏监测方法，属于气体泄漏监测领域；本发明包括以下内容：将多个半导体气体传感器组成阵列结构，构成气体采集模块，分别获取氢气和干扰气体浓度与输出响应的瞬态变化特征数据，作为训练数据集；设计深度学习算法网络结构，将全部训练数据集预处理，导入神经网络结构，进行识别和回归训练，获得气体浓度；阈值算法判别气体种类；然后，将深度学习算法网络模型，阈值算法搭载在单片机开发板上，结合信号采集与处理模块、数据传输模块、LCD显示模块，实现氢气泄漏监测。本发明实现了对复杂环境下氢气泄漏的精准监测，解决了现有技术中利用单一传感器监测氢气泄漏时的准确度低、浓度误差大等问题。

本发明授权一种基于深度学习算法的氢气泄漏监测方法在权利要求书中公布了：1.一种基于深度学习算法的氢气泄漏监测方法，其特征在于，包括以下步骤： S1、将多个气体传感器组成传感器阵列，构成气体采集模块，获取氢气浓度与输出响应的瞬态变化特征数据，作为氢气训练数据集； S2、利用气体传感器阵列，采集氢气泄漏真实场景中存在的其他干扰气体的信号数据特征，作为干扰气体训练数据集； S3、基于S1中所得的氢气训练数据集及S2中所得的干扰气体训练数据集，设计深度学习算法网络模型，将全部训练数据集预处理，然后导入神经网络，进行识别和回归训练，获得气体浓度；所述深度学习算法网络具体为LSTM和bottleneck-CBAM框架串行结构，其先经过bottleneck-CBAM处理，所述bottleneck-CBAM包含2个1×1卷积和1个3×1卷积，输出经过CBAM算法处理后与原数据经过3×1的卷积后的输出数据相加，得到bottleneck-CBAM输出的数据，该数据进行尺度变化后，经过LSTM算法处理，再通过一个线性回归器，最后得到气体的组分和输出浓度信息； S4、设置阈值，采用阈值算法，滤除掉浓度过低的气体种类，记录剩余的气体的种类以及对应的浓度信息；所述阈值通过将测试数据输入网络后预测的结果与实际测试标签对比得到，每种气体对应一个阈值浓度，阈值的采用方法为： T i=MaxP1,P2,…,Pn 式中，i表示第i类气体，Ti表示第i类气体的阈值；Pn表示第n个该气体标注数据集浓度为0的测试数据输入网络后预测的该气体的浓度； S5、将深度学习算法网络模型搭载在单片机开发板上，结合信号采集与处理模块、数据传输模块、LCD显示模块，实现氢气泄漏监测。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市经开区丹霞路485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。