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！

龙图腾网获悉威海北洋光电信息技术股份公司申请的专利基于深度学习的光纤管道安全预警算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：CN115700542B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202110826427.7，技术领域涉及：G06F18/10；该发明授权基于深度学习的光纤管道安全预警算法是由邢陆雁;张妮娜;王建强;赵鹏飞;吕笑琳设计研发完成，并于2021-07-21向国家知识产权局提交的专利申请。

本基于深度学习的光纤管道安全预警算法在说明书摘要公布了：本发明涉及一种能够有效提高预警准确率、对环境适应度高的基于深度学习的光纤管道安全预警算法，其特征在于，包括：对分布式光纤振动传感系统采集的光纤信号进行去噪，得到振动波纹信号；计算每个空间位置点振动波纹信号的特征，所有位置点的信号特征在时间空间维度上形成为时空特征图像；获得入侵位置点与入侵位置点的局部时空特征图像；构建通道一conv2D网络，构建通道二conv1D‑LSTM网络，对双通道网络输出的特征进行融合，充分利用入侵点的一维振动波纹信号特征与二维局部时空图像特征，网络融合后添加全连接层、Dropout层和分类层，形成双通道深度学习网络；进行信号分类识别，监测破坏管道安全的入侵行为，并有效屏蔽干扰。

本发明授权基于深度学习的光纤管道安全预警算法在权利要求书中公布了：1.一种基于深度学习的光纤管道安全预警算法，其特征在于，包括以下步骤： 步骤1：对分布式光纤振动传感系统采集的原始信号进行去噪，得到振动波纹信号；计算每个空间位置振动波纹信号的特征，所有位置点的信号特征在时间空间维度上表现为时空特征图像，得到时空特征图像； 步骤2：对时空特征图像进行图像检测，获得入侵位置点与入侵位置时空特征图像； 步骤3：构建通道一conv2D网络输入为入侵位置时空特征图像，构建通道二conv1D-LSTM网络输入为信号振动波纹信号，对双通道特征结果进行融合，添加全连接层、Dropout层和分类层，形成双通道深度学习网络，充分利用入侵点滤波信号振动波纹特征与入侵位置时空图像特征； 步骤4：利用训练得到的模型进行信号分类识别，监测破坏管道安全的入侵行为，并有效屏蔽干扰； 所述步骤3中，双通道深度学习网络包括并行的时空图像特征提取层和信号振动波纹特征提取层、特征融合层、全连接层、Dropout层、分类层，其中所述通道一conv2D网络包括3个二维卷积块，其中每个卷积块包括依次连接的卷积子层、批量正则化子层、激活函数子层、卷积子层、批量正则化子层、激活函数子层以及池化子层；所述通道二conv1D-LSTM网络包括2个一维卷积块、长短期记忆网络，其中每个卷积块包括依次连接的卷积子层、激活函数子层、卷积子层、激活函数子层以及池化子层；双通道网络分别经过平坦化，进行特征融合，依次连接全连接层、Dropout层和分类层； 步骤3中还包括双通道深度学习模型的训练，具体过程如下： 步骤3-1：初始化所述双通道深度学习模型的参数，包括权重参数w和偏置b； 步骤3-2：将训练样本特征输入所述双通道深度学习模型进行前向传播，得到样本预测标签； 步骤3-3：利用交叉熵损失函数计算预测标签和真实标签的损失值，计算公式如下： ，其中，x表示样本，n表示样本总数，a、y分别为样本预测标签和真实标签； 步骤3-4：利用所述损失值反向传播计算每个学习参数的梯度，利用Adam优化算法动态调整每个参数的学习率，以梯度下降的方式更新模型参数，通过不断迭代，使得交叉熵损失函数最小； 步骤3-5：利用损失值判断所述双通道深度学习模型是否收敛，若收敛，则结束训练过程，否则跳转至步骤3-2。

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威海北洋光电信息技术股份公司，其通讯地址为：264200 山东省威海市环翠区天津路190号一诺高科技产业园3号楼3楼；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。