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！

龙图腾网获悉西南交通大学申请的专利基于多模态特征融合的多桥监测数据异常识别方法及系统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：CN120236135B 。

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：202510331522.8，技术领域涉及：G06V10/764；该发明授权基于多模态特征融合的多桥监测数据异常识别方法及系统是由洪彧;赵中魁;蒲黔辉;周童;李胜玉设计研发完成，并于2025-03-20向国家知识产权局提交的专利申请。

本基于多模态特征融合的多桥监测数据异常识别方法及系统在说明书摘要公布了：本发明公开了基于多模态特征融合的多桥监测数据异常识别方法及系统，涉及数据异常识别领域，包括以下步骤：一、收集多个桥梁的SHM时序数据，进行归一化处理和分割；二、将归一化后的时序数据可视化，同时提取数据中的统计特征，并对图像与统计特征进行人工标记标签，构建数据集；三、基于灰度图像和统计特征的输入建立多模态卷积神经网络模型，使用来自多个桥梁的数据集，将灰度图像与对应的统计特征同时输入网络模型进行训练，四、使用训练好的卷积神经网络模型对目标桥梁SHM数据进行异常识别。实现对桥梁SHM数据异常的自动识别，并在桥梁监测数据集的类别不平衡和数据量有限的情况下提高异常数据的识别精度，为桥梁运营状态评估与预警提供依据。

本发明授权基于多模态特征融合的多桥监测数据异常识别方法及系统在权利要求书中公布了：1.一种基于多模态特征融合的多桥监测数据异常自动识别方法，其特征在于，所述方法包括： S1：对原始时间序列数据集进行归一化处理，并分割为一系列固定长度的片段，得到归一化后的时序数据片段； S2：将得到的归一化后的时序数据片段转换为灰度图像，同时提取时序数据中的统计特征，并对图像与统计特征进行人工标记标签，输出灰度图像数据集、统计特征数据集和已标注的正常异常标签； S3：基于步骤S2的输出结果，建立多模态卷积神经网络模型，使用来自多个桥梁的数据集，将灰度图像与对应的统计特征同时输入到所述网络模型的输入端进行训练，得到训练好的多模态深度学习模型； S4：利用所述训练好的多模态深度学习模型对目标桥梁SHM数据进行异常识别； 所述步骤S3具体包括： 所述多模态卷积神经网络模型包括卷积层、池化层和全连接层，整体结构分为图像编码器、统计特征编码器以及融合分类器三个部分；其中，图像编码器基于ResNet神经网络，移除最后一个全连接层，接收大小为224×224的灰度图像输入，并提取其中的图像特征，输出512个图像特征向量；统计特征编码器由两个全连接层组成，中间采用ReLU函数激活，接收4个统计特征对应的数值输入并映射到512维特征，与图像特征的维度一致；融合分类器将提取的图像特征和统计特征进行拼接融合，经过全连接层实现最终的分类； 所述多模态卷积神经网络模型的训练步骤包括： S301：对多个桥梁的SHM数据集进行人工标记异常模式标签，并将数据集按照8：2的比例分为训练集和验证集，训练集中应以待测桥梁数据样本为主，对数量较少的异常模式，采用其他桥梁数据样本进行补充； S302：基于所设计的多模态卷积神经网络模型训练适用于异常数据识别的网络权重参数，根据训练结果对超参数进行调整，取得最优的训练模型。

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西南交通大学，其通讯地址为：610031 四川省成都市二环路北一段111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。