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！

龙图腾网获悉苏交科集团股份有限公司申请的专利基于声纹识别与深度学习的桥梁伸缩缝异常诊断方法及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：CN121071621B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511612032.1，技术领域涉及：G06F18/241；该发明授权基于声纹识别与深度学习的桥梁伸缩缝异常诊断方法及系统是由葛恩生;徐一超;周自凡;张宇峰设计研发完成，并于2025-11-06向国家知识产权局提交的专利申请。

本基于声纹识别与深度学习的桥梁伸缩缝异常诊断方法及系统在说明书摘要公布了：本申请公开一种基于声纹识别与深度学习的桥梁伸缩缝异常诊断方法及系统，包括：在伸缩缝桥面及桥下布置传感器，获取车辆过伸缩缝的视频数据和车辆过伸缩缝的音频数据；构建基于神经网络的车辆过缝判别模型，将车辆过伸缩缝的视频数据输入至车辆过缝判别模型中，检测车辆过缝场景；采用数据清洗算法在车辆过缝场景中识别单车过缝事件；从车辆过伸缩缝的音频数据中裁剪得到单车过缝事件对应时段的单车过缝音频；提取单车过缝音频的梅尔频谱图，对梅尔频谱图进行特征编码，得到增强型梅尔频谱图；构建基于无监督线性自编码网络的伸缩缝异常诊断模型，将增强型梅尔频谱图的高维梅尔频谱特征向量输入到伸缩缝异常诊断模型中，识别伸缩缝异常状态。

本发明授权基于声纹识别与深度学习的桥梁伸缩缝异常诊断方法及系统在权利要求书中公布了：1.一种基于声纹识别与深度学习的桥梁伸缩缝异常诊断方法，其特征在于，包括： 在伸缩缝上方布设摄像头，采集车辆过伸缩缝的视频数据；在伸缩缝下方布设拾音器，收集车辆过伸缩缝的音频数据； 构建基于神经网络的车辆过缝判别模型，将车辆过伸缩缝的视频数据输入至车辆过缝判别模型中，识别视频数据中各车辆的车辆类型、所在车道以及车辆过缝起止时间对；采用数据清洗算法识别单车过缝事件；根据单车过缝事件的车辆过缝起止时间对，从所述车辆过伸缩缝的音频数据中裁剪得到单车过缝事件对应时段的单车过缝音频； 提取单车过缝音频的梅尔频谱图，对梅尔频谱图进行特征编码，得到增强型梅尔频谱图； 构建基于无监督自编码网络的伸缩缝异常诊断模型，将增强型梅尔频谱图的高维梅尔频谱特征向量输入到伸缩缝异常诊断模型中，识别伸缩缝异常状态；所述构建基于无监督自编码网络的伸缩缝异常诊断模型，包括： 采集伸缩缝正常状态下的历史单车过缝音频，提取历史单车过缝音频的梅尔频谱图，对梅尔频谱图进行特征编码，得到增强型梅尔频谱图； 提取所述增强型梅尔频谱图的高维梅尔频谱特征向量，构建车辆过缝梅尔音频数据集； 搭建自编码神经网络模型，所述自编码神经网络模型包括顺序连接的输入单元、编码器、瓶颈层、解码器和输出单元； 从所述车辆过缝梅尔音频数据集中选取训练样本，采用训练样本对无监督自编码网络模型进行训练，对于每一训练批次，执行如下训练步骤： 将所述高维梅尔频谱特征向量输入自编码神经网络模型，经编码器和瓶颈层得到低维潜在特征向量，该低维潜在特征向量再经解码器映射为重构梅尔频谱特征向量；计算所述重构梅尔频谱特征向量和高维梅尔频谱特征向量的均方误差，将其作为重构误差；计算所述重构误差关于模型参数的梯度，并采用Adam优化算法更新所述模型参数，以最小化重构误差； 重复上述训练步骤，直至达到预设的训练周期或损失收敛，得到训练完成的目标模型，将目标模型作为伸缩缝异常诊断模型。

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苏交科集团股份有限公司，其通讯地址为：210000 江苏省南京市建邺区富春江东街8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。