Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 贵州高速公路实业有限公司贵阳分公司陈鑫获国家专利权

贵州高速公路实业有限公司贵阳分公司陈鑫获国家专利权

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!

龙图腾网获悉贵州高速公路实业有限公司贵阳分公司申请的专利基于深度学习的结构防腐涂层清洗时间预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:CN120126011B

龙图腾网通过国家知识产权局官网在2025-08-01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:202510607086.2,技术领域涉及:G06V20/10;该发明授权基于深度学习的结构防腐涂层清洗时间预测方法是由陈鑫;杨鑫;张永远;廖洪波;杜晓博;杨进强;姜晓天;石大为;黄星设计研发完成,并于2025-05-13向国家知识产权局提交的专利申请。

基于深度学习的结构防腐涂层清洗时间预测方法在说明书摘要公布了:一种基于深度学习的结构防腐涂层清洗时间预测方法,其包括如下步骤:S1.现场测量结构典型部位涂层的反射率并采集对应部位涂层图像;S2.测量清洗后涂层的反射率,同时采集对应部位涂层图像;S3.对所有图像进行预处理;S4.建立深度学习模型,S5.连续采集结构防腐涂层图像,得到反射率随时间的变化规律;S6.对结构防腐涂层反射率随时间的变化规律进行拟合,得到反射率预测模型;S7.设置涂层反射率阈值Y 0 。S8.获得涂层反射率Y 1 。S9.通过Y 0 、Y 1 求得对应天数T 0 、T 1 ;计算差值天数T c ,实现结构防腐涂层清洗时间预测。本发明所提供的方法,可为合理安排养护方案提供数据支撑。

本发明授权基于深度学习的结构防腐涂层清洗时间预测方法在权利要求书中公布了:1.一种基于深度学习的结构防腐涂层清洗时间预测方法,其特征在于,其包括步骤: S1.现场测量结构典型部位涂层的反射率,同时,采集对应部位涂层图像; S2.对步骤S1中的测量区域,进行涂层表面清洗,测量清洗后结构典型部位涂层的反射率,同时采集对应部位涂层图像; S3.对所有图像进行预处理,并对每个图像按照其反射率进行标记;将每个类别的图像按照8:2的比例随机分为训练集和测试集; S4.建立深度学习模型,将所有训练集样本输入模型,进行模型训练;然后,将测试集样本输入训练好的模型,按照下式计算测试集样本的平均误差A;如A≤0.05,则模型精度满足要求,进入步骤S5,否则,等待用于涂层表面恢复日常使用状态的连续天数W天后,W≥90,转到步骤S1; , 上式中,M为测试集所有样本数量,为第i个样本真实反射率,为第i个样本模型预测反射率; S5.在步骤S4的模型精度满足要求后,在接下来的数据采集连续天数Q天中,Q≥90,每天采集结构防腐涂层图像,将采集的图像输入建立的深度学习模型,得到Q天内,结构防腐涂层反射率随时间的变化规律; S6.采用下式对结构防腐涂层反射率随时间的变化规律进行拟合,得到结构防腐涂层反射率预测模型; , 上式中,a、b、c为拟合系数,T为天数,y为涂层反射率; S7.设置涂层反射率阈值Y 0 ; S8.经过Q天,如结构防腐涂层反射率不小于该阈值,则立即采集结构防腐涂层图像,并将采集的图像输入建立的深度学习模型,输出涂层反射率Y 1 ,否则,在反射率预测模型建立后,立即进行涂层清洗,采集清洗后结构防腐涂层图像,并将采集的图像输入建立的深度学习模型,输出涂层反射率Y 1 ; S9.令y分别为Y 0 、Y 1 代入S6中的公式,求得对应天数T 0 、T 1 ;则根据下式, , 计算得到涂层反射率由Y 1 衰减至Y 0 时,所需要的天数T c ,则在涂层反射率Y 1 采集日期后,第T c 天,需要清洗涂层,从而实现结构防腐涂层清洗时间预测。

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贵州高速公路实业有限公司贵阳分公司,其通讯地址为:550004 贵州省贵阳市云岩区中华北路109号众厦大楼1幢10层4、5、6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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。