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！

龙图腾网获悉安徽建工水利开发投资集团有限公司申请的专利基于深度学习的边坡防护智能检测系统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：CN120524122B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202510546647.2，技术领域涉及：G06F18/20；该发明授权基于深度学习的边坡防护智能检测系统是由施德;梅进军;程杨;任良和;张海军;范洋洋;葛厚海;朱玲娟;郑虎;陶文斌设计研发完成，并于2025-04-28向国家知识产权局提交的专利申请。

本基于深度学习的边坡防护智能检测系统在说明书摘要公布了：本发明涉及边坡防护技术领域，尤其涉及基于深度学习的边坡防护智能检测系统。其技术方案包括多源异构数据感知模块、数据融合与特征提取模块、边坡状态智能诊断与预警模块、边缘‑云端协同计算架构和系统优化模块。本发明通过多模态检测网络实现了多源异构数据的配准与特征互补，并通过物理信息神经网络架构有效抑制了过拟合现象，并通过构建动态风险评估模型，实现了风险量化评估，配合四级预警策略实现了缩短预警响应时间，降低误报率，另外，通过物理约束对抗训练方法提高了系统在极端场景下的检测精度，从而提高了系统的环境适应性，还通过在线增量学习模块实现了模型持续更新进化，解决了传统系统因地质条件变化导致的性能衰减问题。

本发明授权基于深度学习的边坡防护智能检测系统在权利要求书中公布了：1.基于深度学习的边坡防护智能检测系统，其特征在于，包括： 多源异构数据感知模块，所述多源异构数据感知模块包括地面雷达监测单元、空基立体扫描单元和地面物联传感单元； 数据融合与特征提取模块，用于对所述多源异构数据感知模块所采集的空-地数据进行时空基准对齐，并融合多源特征，构建边坡状态表征； 边坡智能诊断与预警模块，基于所述数据融合与特征提取模块所提取的多尺度特征对边坡状态进行智能诊断，并进行分级预警； 边缘-云端协同计算架构，所述边缘-云端协同计算架构包括边缘计算层与云端分析层； 所述数据融合与特征提取模块包括时空联合校准子模块、跨模态特征补偿网络子模块和基于深度学习的物理约束子模块； 所述时空联合校准子模块包括用于将无人机、地面传感器数据统一至同一坐标系的动态坐标系转换模型与用于对齐不同采样频率的数据时间轴的动态时间规整算法； 所述动态坐标系转换模型公式表示为： ； 其中，为旋转矩阵，为偏航角，为平移向量，为速度场修正项； 所述动态时间规整算法公式表示为： ； 其中，为时间序列前点与前点的最小累积距离，分别为第和个时间点的数据值； 所述跨模态特征补偿网络子模块包括双通道特征提取架构，所述双通道特征提取架构包括细节通道和趋势通道，所述细节通道采用空洞卷积网络进行边坡微观特征提取，所述趋势通道包括用于预测边坡宏观形变趋势的ARIMA时间序列预测模型和用于融合特征的自适应特征融合单元，所述ARIMA时间序列预测模型公式表示为： ； 其中为滞后算子，，分别为自回归与移动平均系数，为差分阶数，为白噪声； 所述自适应特征融合单元采用BiLSTM特征融合公式对多尺度特征进行动态加权融合，所述BiLSTM特征融合公式如下： ； 其中，为所述空洞卷积所提取的细节特征，为所述ARIMA时间序列预测模型输出的趋势特征，为可学习的门控权重矩阵； 所述基于深度学习的物理约束子模块包括嵌入岩土力学方程的PINN架构与多任务联合损失函数，所述PINN架构的平面应力平衡公式表示为： ； 其中，为应力张量分量，为岩土密度，为重力加速度分量； 所述多任务联合损失函数用于平衡数据驱动与物理规律，所述多任务联合损失函数公式如下： ； 其中，为预测值与真实值的均方误差，为物理方程残差，为L2正则化项，、、分别为加权系数。

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建工水利开发投资集团有限公司，其通讯地址为：233050 安徽省蚌埠市燕南路17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。