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！

龙图腾网获悉中国铁塔股份有限公司天津市分公司申请的专利一种基于大数据的墙面渗水智能识别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：CN121211054B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511768682.5，技术领域涉及：G06F18/2337；该发明授权一种基于大数据的墙面渗水智能识别方法是由边利军;黄粤;郭强;李玮;潘三明;魏毅;郑洪雷;芮瑞;薛楠;宁业栋;冯喆;王宇飞;吴旭设计研发完成，并于2025-11-28向国家知识产权局提交的专利申请。

本一种基于大数据的墙面渗水智能识别方法在说明书摘要公布了：本发明公开了一种基于大数据的墙面渗水智能识别方法，方法包括获取多源数据、墙面渗水区域分割、墙面渗水类型识别、墙面渗水风险演化预测和墙面渗水综合识别。本发明涉及数据处理技术领域，具体是指一种基于大数据的墙面渗水智能识别方法，本方案创新性地提出了墙面渗水层次化识别方法，构建墙面渗水区域分割、墙面渗水类型识别和墙面渗水演化趋势识别组成的三级层次体系，显著提升墙面渗水识别的准确性；通过构建含噪声抑制设计聚类目标函数、设计特征权重自适应调整机制，并引入动态隶属度更新策略的改进区域分割聚类算法，实现对渗水区域的准确识别；提出基于局域差异二值化聚合策略的改进卷积神经网络，有效提高了渗水类型识别准确率。

本发明授权一种基于大数据的墙面渗水智能识别方法在权利要求书中公布了：1.一种基于大数据的墙面渗水智能识别方法，其特征在于：该方法包括以下步骤： 步骤S1：获取多源数据，具体为通过数据采集操作和数据优化操作，得到墙面渗水管理优化数据； 步骤S2：墙面渗水区域分割，用于对墙面图像中的渗水区域进行自动识别与分割，具体为首先提取墙面图像特征，随后通过噪声抑制设计聚类目标函数、特征权重自适应调整以及动态隶属度更新机制进行改进聚类算法，完成墙面渗水区域分割模型构建，最后，将历史墙面图像数据与实时墙面图像数据分别输入至墙面渗水区域分割模型中，得到历史渗水区域特征集合和实时渗水区域特征集合； 步骤S3：墙面渗水类型识别，用于对各墙面渗水区域的渗水类型进行自动分类，具体为首先通过引入基于局域差异二值化聚合策略的改进卷积神经网络，建立墙面渗水类型识别模型，并使用历史渗水区域特征集合对模型进行训练，生成训练后的墙面渗水类型识别模型，最后，将实时渗水区域特征集合输入到训练后的识别模型中，得到实时墙面渗水类型识别结果； 所述改进卷积神经网络包括依次连接的卷积特征提取块、基于局域差异二值化聚合的池化层、全局平均池化层和全连接分类层； 所述基于局域差异二值化聚合的池化层，具体包括局域差异矩阵计算、计算局域差异自适应阈值、局域差异二值化模式聚合、计算最终池化值和滑动窗口遍历； 所述局域差异矩阵计算，具体为对多尺度卷积特征图按预设窗口大小滑动定义局部窗口，并在每个局部窗口内，计算各像素与中心像素的灰度差异，得到局域差异矩阵； 所述计算局域差异自适应阈值，具体为对局域差异矩阵，计算所有元素的平均绝对偏差作为局域差异自适应阈值； 所述局域差异二值化模式聚合，具体为对局域差异矩阵中的每个元素，通过函数计算二值化近似值，形成局域差异二值化模式，然后对所有局域差异二值化模式的所有元素求和，得到局域聚合值； 所述计算最终池化值，具体为基于局域聚合值计算池化加权因子，通过池化加权因子进行加权融合局部窗口标准差与局部窗口最大值，得到最终池化值； 所述滑动窗口遍历，具体为以步长s沿多尺度卷积特征图的宽度和高度方向滑动局部窗口，然后对每个局部窗口依次执行局域差异矩阵计算、计算局域差异自适应阈值、局域差异二值化模式聚合和计算最终池化值操作，生成池化分类特征图； 步骤S4：墙面渗水演化预测，用于对目标墙面在未来时间段内的渗水演化趋势进行预测；具体为基于长短期记忆网络构建墙面渗水演化预测模型，并对模型进行训练，最后，通过将实时墙面渗水演化数据输入到训练后的预测模型中，得到实时墙面渗水演化结果； 步骤S5：墙面渗水综合识别，具体为根据实时墙面渗水类型识别结果和实时墙面渗水演化结果对墙面渗水情况进行综合识别。

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中国铁塔股份有限公司天津市分公司，其通讯地址为：300041 天津市和平区小白楼街唐山道58号3层；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。