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！

龙图腾网获悉北京化工大学申请的专利一种基于多维数据融合的管道损伤评估方法及防腐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：CN120339674B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510228081.9，技术领域涉及：G06V10/764；该发明授权一种基于多维数据融合的管道损伤评估方法及防腐方法是由方舟;李玮;冯金奎;邓进;刘倩倩设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本一种基于多维数据融合的管道损伤评估方法及防腐方法在说明书摘要公布了：本发明涉及化工生产技术领域，公开一种基于多维数据融合的管道损伤评估方法及防腐方法。管道损伤评估方法包括：配置训练好的轻量化神经网络模型，将管道损伤图片输入至该网络模型，经特征提取、特征增强和特征映射与输出后，获得损伤类型的概率分布；以腐蚀相关指标数据集为输入，应用相关系数法评估腐蚀因素与腐蚀速率之间的关联程度，并获得初始强相关数据集；扩展初始强相关数据集，以获得强相关数据集；以强相关数据集为输入，应用Apriori关联算法评估腐蚀因素之间的强关联规则；基于损伤类型的概率分布和强关联规则对化工管道损伤进行定性和定量评估。本发明能够深入了解管道腐蚀的机制和影响因素，为制定针对性的腐蚀防护策略提供依据。

本发明授权一种基于多维数据融合的管道损伤评估方法及防腐方法在权利要求书中公布了：1.一种基于多维数据融合的管道损伤评估方法，其特征在于，包括如下步骤： 配置训练好的轻量化神经网络模型，将管道损伤图片输入至轻量化神经网络模型，经特征提取、特征增强和特征映射与输出后，获得损伤类型的概率分布； 所述轻量化神经网络模型的主干网络为MobileNetV2，MobileNetV2后放置有注意力机制模块；所述特征提取具体包括： S10.管道损伤图片通过升维卷积扩展其通道，所述升维卷积为深度卷积，即每个通道单独进行卷积； S11.应用激活函数增强MobileNetV2的非线性特性，并将输出值限制在[0，6]之间； S12.通过降维卷积将通道数从扩展后的通道数减少到原始的通道数，所述降维卷积为逐点卷积，应用逐点卷积整合通道间的信息； 经S10至S12后，管道损伤图片的特征被提取并输出为特征图Y0； 以腐蚀相关指标数据集为输入，应用相关系数法评估腐蚀因素与腐蚀速率之间的关联程度，并获得初始强相关数据集，所述初始强相关数据集为小样本数据集； 所述初始强相关数据集通过如下方法获得： S20.获得原始数据集，经预处理获得腐蚀相关指标数据集，预处理至少包括数据清洗、去除异常值和填补缺失值；所述腐蚀相关指标数据集中具有多个腐蚀因素以及对应的腐蚀速率； S21.对于正态分布的数据，计算腐蚀因素与腐蚀速率之间的皮尔逊积矩相关系数；对于非正态分布的数据，计算腐蚀因素与腐蚀速率之间的斯皮尔曼秩相关系数；针对腐蚀相关指标数据集中的每一腐蚀因素均获得与其对应的相关系数； S22.配置相关系数阈值，将相关系数大于等于相关系数阈值的腐蚀因素保留，舍弃相关系数小于相关系数阈值的腐蚀因素，由所有被保留的腐蚀因素及其对应的腐蚀速率组成强相关数据集； 扩展初始强相关数据集，以获得强相关数据集； 以强相关数据集为输入，应用Apriori关联算法评估腐蚀因素之间的强关联规则； 基于损伤类型的概率分布和强关联规则对化工管道损伤进行定性和定量评估； 所述化工管道损伤评估方法还包括：基于强关联规则制定防腐机制，具体包括： S30.获得腐蚀速率的推荐值，基于强关联规则依次获得腐蚀影响因素推荐值和腐蚀速率推荐值； S31.获得腐蚀速率的监测值，监测腐蚀速率和腐蚀因素，已获得腐蚀速率的监测值； S32.判断监测值是否超出推荐值，如是，则执行S30，否则，循环执行S31～S32； S33.报警与决策支持； S34.根据强关联规则执行决策调整； S35.判断警报是否消除，如是，则循环执行S32～S35，否则，执行工艺防腐检查。

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北京化工大学，其通讯地址为：100029 北京市朝阳区北三环东路15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。