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！

龙图腾网获悉菲特(天津)检测技术有限公司;菲特(天津)智能科技发展有限公司申请的专利一种基于多模态时序数据的多模型异常检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：CN121093238B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511639872.7，技术领域涉及：G06F18/2433；该发明授权一种基于多模态时序数据的多模型异常检测方法是由徐洪晨;田楷;代文静;陈立名;胡江洪;曹彬设计研发完成，并于2025-11-11向国家知识产权局提交的专利申请。

本一种基于多模态时序数据的多模型异常检测方法在说明书摘要公布了：本发明实施例公开了一种基于多模态时序数据的多模型异常检测方法。该方法包括：获取设备运行中的多模态时序数据，并对多模态时序数据进行预处理，得到目标多模态时序数据；将目标多模态时序数据进行融合，得到多模态融合特征；获取预先通过正样本时序数据训练生成的生成对抗网络，以及预先通过正样本时序数据和负样本时序数据训练生成的分类网络；将多模态融合特征输入至生成对抗网络中，得到设备运行的第一异常检测结果；将多模态融合特征输入至分类网络中，得到设备运行的第二异常检测结果；根据第一异常检测结果和第二异常检测结果，确定目标异常检测结果。通过基于多模态的时序数据结合多模型进行异常检测可提高检测准确性。

本发明授权一种基于多模态时序数据的多模型异常检测方法在权利要求书中公布了：1.一种基于多模态时序数据的多模型异常检测方法，其特征在于，包括： 获取设备运行中的多模态时序数据，并对所述多模态时序数据进行预处理，得到目标多模态时序数据；其中，所述多模态时序数据包括下述至少两项数据：振动传感器采集的振动指标、温度传感器采集的温度指标、压力传感器采集的压力指标、红外热成像仪采集的图像、设备运行日志、设备运行中的电流、以及设备运行中的电压； 将所述目标多模态时序数据进行融合，得到多模态融合特征； 获取预先通过正样本时序数据训练生成的生成对抗网络，以及预先通过正样本时序数据和负样本时序数据训练生成的分类网络； 将所述多模态融合特征输入至所述生成对抗网络中，得到设备运行的第一异常检测结果； 将所述多模态融合特征输入至所述分类网络中，得到设备运行的第二异常检测结果； 根据所述第一异常检测结果和所述第二异常检测结果，确定目标异常检测结果； 获取预先通过正样本时序数据和负样本时序数据训练生成的分类网络，包括：预先对样本数据标注生成包括正样本时序数据和负样本时序数据的样本数据集；将所述样本数据集中样本输入至初始卷积网络中，得到各样本的空间特征图；并根据所述空间特征图生成特征向量；将所述特征向量输入至自注意力机制深度学习模型的编码器中，得到与所述空间特征图对应的空间增强特征；将所述空间特征图按照时间顺序输入至长短期记忆网络中，得到对应的时序增强特征；将所述空间增强特征与所述时序增强特征进行特征融合，得到与样本对应的目标空间及时序增强特征；根据所述目标空间及时序增强特征进行分类器训练，得到分类网络； 其中，将所述空间特征图按照时间顺序输入至长短期记忆网络中，得到对应的时序增强特征，包括：获取与当前空间特征图对应的相邻帧空间特征图，并确定当前空间特征图与所述相邻帧空间特征图的多尺度高斯差分；根据所述当前空间特征图以及所述多尺度高斯差分，确定所述当前空间特征图的特征权重值；根据所述特征权重值与所述多尺度高斯差分，确定与所述当前空间特征图对应的时序差分特征；将所述时序差分特征按照时间顺序输入至长短期记忆网络中，得到对应的时序增强特征。

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菲特(天津)检测技术有限公司;菲特(天津)智能科技发展有限公司，其通讯地址为：300308 天津市滨海新区自贸试验区(空港经济区)西七道28号智汇谷人工智能产业园区南楼1-3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。