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！

龙图腾网获悉广东省水利水电科学研究院;广州南方测绘科技股份有限公司;中山大学申请的专利堤坝风险识别方法、巡检机器人、系统、设备及介质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：CN121009431B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202511534882.4，技术领域涉及：G06F18/2413；该发明授权堤坝风险识别方法、巡检机器人、系统、设备及介质是由刘达;马然;黄广灵;谭彩;胡涛;杨艺;袁明道;黄志旺;赵红芬;徐松舟;张旭辉;罗日洪;陈晖;黄俊标;洪昌红;王珍;郭磊;谭超;陈泊宇设计研发完成，并于2025-10-27向国家知识产权局提交的专利申请。

本堤坝风险识别方法、巡检机器人、系统、设备及介质在说明书摘要公布了：本发明申请提供了一种堤坝风险识别方法、巡检机器人、系统、设备及介质，方法包括：将待识别堤坝的多种要素数据输入到预先训练的特征提取模型中得到堤坝特征，将堤坝特征输入到预先训练的堤坝风险识别模型中，得到所述待识别堤坝的风险识别结果；其中特征提取模型是根据基于基础样本数据扩充得到的训练集，对预设的第一基础模型进行训练而获得；训练集包括第一堤坝样本数据、基础样本数据和基于基础样本数据扩充得到的优化样本数据；基础样本数据从第二堤坝样本数据中选取；第一堤坝样本数据和第二堤坝样本数据是根据堤坝的风险类别，从原始堤坝数据集中筛选的；风险类别是根据多种要素数据确定。本发明申请可以减少堤坝风险识别的误差。

本发明授权堤坝风险识别方法、巡检机器人、系统、设备及介质在权利要求书中公布了：1.一种基于多要素数据的堤坝风险识别方法，其特征在于，包括： 获取待识别堤坝的多种要素数据；所述多种要素数据包括裂缝数据、变形数据、土壤含水数据、温度数据、滑坡数据、坡面侵蚀数据、渗漏数据、河道表面数据、浊度数据、历史数据和维护数据中至少两种的组合； 将所述多种要素数据输入到预先训练的特征提取模型中，基于所述特征提取模型的输出得到堤坝特征；其中，所述特征提取模型是根据训练集，对预设的第一基础模型进行训练而获得；所述训练集包括第一堤坝样本数据、基础样本数据和基于所述基础样本数据扩充得到的优化样本数据；所述基础样本数据是从第二堤坝样本数据中选取；所述第一堤坝样本数据和第二堤坝样本数据是根据堤坝的风险类别，从原始堤坝数据集中筛选得到；所述风险类别是根据多种要素数据确定； 将所述堤坝特征输入到预先训练的堤坝风险识别模型中，基于所述堤坝风险识别模型的输出，得到所述待识别堤坝的风险识别结果； 所述基于所述基础样本数据扩充得到的优化样本数据，具体为： 在特征空间中选择所述基础样本数据的多个邻近样本数据； 基于所述基础样本数据和所述邻近样本数据进行扩充处理，得到扩充样本数据； 根据预设优化率以及预设损失函数，在特征空间中对所述扩充样本数据的分布进行优化，得到所述优化样本数据； 所述根据预设优化率以及预设损失函数，在特征空间中对所述扩充样本数据的分布进行优化，得到所述优化样本数据，具体为： 根据下式对所述扩充样本数据的分布进行优化： ； 其中，表示所述优化样本数据，表示所述扩充样本数据，Yc表示特征提取模型或堤坝风险识别模型的目标类别标签，表示所述预设优化率，为所述预设损失函数关于所述扩充样本数据的梯度； 所述预设损失函数关于所述扩充样本数据的梯度具体为： ； 其中，表示所述扩充样本数据与所述目标类别标签之间的匹配程度，是特征提取模型或堤坝风险识别模型在第个类别上对扩充样本数据的打分函数，是特征提取模型或堤坝风险识别模型在目标类别标签Yc上对扩充样本数据的打分函数。

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广东省水利水电科学研究院;广州南方测绘科技股份有限公司;中山大学，其通讯地址为：510635 广东省广州市天河区天寿路116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。