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！

龙图腾网获悉中铁二十四局集团有限公司申请的专利一种基于神经网络和锯齿匹配的低应变波形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：CN117252860B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202311427560.0，技术领域涉及：G06T7/00；该发明授权一种基于神经网络和锯齿匹配的低应变波形异常检测方法是由朱克宏;薛向阳;李厚荣;李斌;章东方;朱映琏;聂磊;郑腰华;李贤庆;徐国栋;谢钦方;冯江宇设计研发完成，并于2023-10-31向国家知识产权局提交的专利申请。

本一种基于神经网络和锯齿匹配的低应变波形异常检测方法在说明书摘要公布了：本发明涉及一种基于深度神经网络和锯齿点匹配的低应变波形图异常检测方法，利用OCR预训练模型、直线检测以及DB‑scan聚类算法得到预处理图像以及像素坐标系和真实长度坐标系的映射；通过锯齿点匹配、加速度滤波和一维线性插值得到波形序列数据；后将波形数据送入深度学习模型产生异常预测；后经过数据后处理进行数据的结果修正和格式转换。本发明的优点是：可以最大程度的利用先验知识有助于提高该方法的准确性；通过图像预处理确定波形图范围以及刻度轴数字信息，再压缩图像信息时，最大程度的保留了图像中的有效先验；使用基于锯齿点匹配的方法进行序列化，可以基本消除坐标轴、未擦除干净的文本、竖直虚线的影响，因此具有较强的鲁棒性。

本发明授权一种基于神经网络和锯齿匹配的低应变波形异常检测方法在权利要求书中公布了：1.一种基于神经网络和锯齿匹配的低应变波形异常检测方法，用于对低应变机器导出的图片中的异常进行预测，其特征在于：包括如下步骤： S1、对图片进行图片预处理； S2、对预处理后的所述图片进行波形序列化，其中波形序列化指的是，通过锯齿点匹配找到片中所有锯齿点，同时通过加速度阈值过滤异常点，再通过线性插值得到序列化数据，最后根据上下边界对序列y轴坐标进行归一化，并附上对应位置真实物理坐标系对应x轴坐标； S3、将图片序列化后的序列送入完成最终训练的低应变波形图异常检测模型，所述低应变波形图异常检测模型根据序列生成整个序列上的置信度序列，并选取概率值最大的类型作为序列上这个点的预测分类； S4、对预测分类进行后处理，去除标准轴之下的错误将其分类为无异常情况，后合并连续长度大于5像素的错误序列，取其中点作为错误位置对应的真实物理坐标位置进行输出； 所述图片预处理是通过训练的文本检测以及识别模型以获得图片中的所有文本位置，并通过DB-scan聚类算法以y轴坐标作为聚类指标以获得坐标轴大致位置，通过水平直线检测检测检测所有长度大于图片宽度50%的直线并选取离聚类中心y轴坐标最近直线作为坐标轴，并以此获取波形图上下边界，后根据图片中第一条竖直虚线与最后一条竖直虚线确定波形图左右范围，同时根据聚类结果获得像素坐标系和真实长度坐标系的映射关系，再根据文本检测结果将图中文字擦除并根据波形图边界进行剪裁，最后进行二值化； 所述低应变波形图异常检测模型的最终训练包括以下步骤： 预备数据构建步骤，人工标注对序列进行错误标注，并将数据分为训练集和测试集； 异常检测模型训练步骤，基于所述训练集和训练标签对预设的双向LSTM网络进行采用有监督的网络训练； 终止条件判断步骤，进入检测模型训练步骤直至达到预设的终止条件； 输出步骤，将此时完成所述网络训练的所述双向LSTM网络作为完成所述最终训练的所述低应变波形图异常检测模型，所述终止条件为所述检测模型训练步骤输出的预测结果为正确标签且置信度全部为1或所述检测模型训练步骤运行50次。

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铁二十四局集团有限公司，其通讯地址为：200433 上海市杨浦区邯郸路8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。