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！

龙图腾网恭喜南京浦江工程检测有限公司申请的专利一种基于人工智能的道路巡检全息感知系统及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：CN118939982B 。

龙图腾网通过国家知识产权局官网在2025-02-21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：202411419438.3，技术领域涉及：G06F18/21；该发明授权一种基于人工智能的道路巡检全息感知系统及方法是由陈玲;成相飞;蒋瑾;董硕设计研发完成，并于2024-10-12向国家知识产权局提交的专利申请。

本一种基于人工智能的道路巡检全息感知系统及方法在说明书摘要公布了：本发明公开了一种基于人工智能的道路巡检全息感知系统及方法，具体涉及道路巡检领域，用于解决道路巡检系统在复杂环境条件下的隐蔽问题检测问题，是通过收集和构建不同环境条件下的多传感器数据集，定义环境标签，分类存储并记录环境标签，基于小波基函数和分解层数分解进行去噪处理排出环境噪声，之后分析时间同步和空间对齐误差及特征变化率，综合计算多传感器整体融合指数和环境适应性指数，得出全域信感系数，进一步汇总全域信感系数数据，计算波动率并构建异常频度矩阵，分析排偶性，生成全域隐检指数以量化隐蔽问题检测能力，全面评估道路巡检系统在复杂环境中的隐蔽问题检测能力，确保道路安全和巡检质量。

本发明授权一种基于人工智能的道路巡检全息感知系统及方法在权利要求书中公布了：1.一种基于人工智能的道路巡检全息感知方法，其特征在于，包括步骤：S1，收集并构建不同环境条件下的多传感器数据集，定义环境标签，分类存储数据并记录环境标签；S2，基于小波基函数和分解层数分解收集到的多传感器数据以提取尺度特征，对高频成分去噪处理并重构低频和高频成分，逐层组合重构最终信号；S3，收集经过去噪处理的各个环境下的传感器数据，分析传感器数据在不同环境下的时间同步和空间对齐误差，并测量传感器特征在不同环境下的变化率和差异，综合计算对应获得的多传感器整体融合指数和环境感知灵敏指数，得出全域信感系数，以分析道路巡检过程中在不同环境条件下的性能和适应能力；S4，汇总全域信感系数数据，计算波动率并构建异常频度矩阵，分析排偶性，综合生成全域隐检指数以量化隐蔽问题检测能力；步骤S2包括以下内容：S2.1，基于选择的小波基函数，设定分解层数，将多传感器采集的道路数据分解成不同频率的成分，包括低频成分和高频成分；S2.2，在不同的分辨率上表示信号，保留各个尺度下的特征信息；S2.3，使用小波变换对高频成分进行去噪处理，保留信号的主要特征，去除噪声成分；对高频成分进行软阈值处理，即将小于对应阈值的部分认为是噪声，予以去除或减弱；将处理后的高频成分和低频成分重新组合，得到去噪后的信号；S2.4，将去噪后的低频和高频成分进行重构，恢复出原始信号的主要特征；将处理后的低频成分恢复为时域信号；将处理后的高频成分恢复为时域信号；将低频和高频成分重新组合，得到重构后的信号，具体包括以下步骤：首先，从小波分解过程中获取各层次的低频和高频成分，如第三层的低频成分和第一、二、三层的高频成分；将第三层的低频成分作为初始重构信号；将第三层的低频成分和第三层的高频成分上采样，并通过小波重构滤波器进行卷积操作，然后将卷积结果相加，得到第二层的重构信号；将第二层的重构信号和第二层的高频成分上采样，并通过小波重构滤波器进行卷积操作，然后将卷积结果相加，得到第一层的重构信号；将第一层的重构信号和第一层的高频成分上采样，并通过小波重构滤波器进行卷积操作，然后将卷积结果相加，得到最终重构的信号；通过逐层组合重构，将所有层次的低频和高频成分组合起来，得到最终重构的信号；步骤S3包括以下内容：多传感器整体融合指数的获取逻辑为：a1，对经过步骤S2去噪处理后的传感器数据进行分类，确保每组数据都有对应的环境标签；表示在环境下采集的传感器数据集合；表示环境标签；a2，对每组环境数据进行特征匹配，计算时间同步误差和空间对齐误差； ；其中，表示通过特征匹配函数对传感器数据和进行特征匹配；表示传感器和在环境下的特征匹配矩阵； ；其中，表示在环境下，传感器和传感器的采集数据的时间差的绝对值，通过计算两个时间点和之间的差异，可以得到两个传感器和在环境下的数据采集是否存在时间同步误差；表示传感器和在环境下的时间同步误差； ；其中，表示在环境下，传感器和传感器的空间位置差异，通过欧氏距离来度量；表示传感器和在环境下的空间对齐误差；a3，将时间同步误差和空间对齐误差进行归一化处理，将经过归一化后的时间同步误差标记为，将归一化后的空间对齐误差标记为；a4，将归一化后的时间同步误差和空间对齐误差进行组合，计算每对传感器在环境下的融合误差：，其中，表示传感器和在环境下的融合误差；a5，基于每对传感器在环境下的融合误差，计算不同环境条件下每对传感器的融合稳定指数：，其中，表示传感器和在环境下的融合稳定指数；a6，综合每个环境条件下所有传感器对的融合稳定指数，计算多传感器整体融合指数，通过多次迭代和组合，获得多传感器整体融合指数：，其中，表示多传感器整体融合指数；表示环境条件的总数；表示在每个环境下使用的传感器数量；环境感知灵敏指数的获取逻辑为：b1，对多传感器数据进行预处理，提取特征信息，包括和，表示传感器在环境下的预处理后数据集合；表示传感器在环境下的特征集合；表示传感器在环境下的特征集合；b2，计算不同环境条件下传感器特征的变化率，以评估传感器对环境变化的敏感度；，其中表示传感器和在环境下的特征变化率；b3，计算不同环境条件下的环境差异指数：，其中，表示环境下的环境差异指数；b4，对环境差异指数进行归一化处理，将归一化的环境差异指数标记为；b5，基于归一化后的环境差异指数，计算各环境条件下的环境感知灵敏度，并综合所有环境条件下的灵敏度，计算系统的环境感知灵敏指数，通过几何平均的方法，将各个环境条件下的灵敏度进行组合，得到环境感知灵敏指数：；通过结合环境感知灵敏指数和多传感器整体融合指数，生成全域信感系数：，其中，表示全域信感系数；和分别为环境感知灵敏指数和多传感器整体融合指数；和分别为环境感知灵敏指数和多传感器整体融合指数对应的预设比例系数，且均大于零；步骤S4包括以下内容：S4.1，在不同环境条件下，持续收集全域信感系数的时间序列数据，记录系统在各个时间点的全域信感系数值，每次收集的全域信感系数值作为时间序列数据的一部分，确保覆盖各种环境条件下的不同时间点；S4.2，计算全域信感系数时间序列数据的波动率，以量化全域信感系数在观察时间段内的变化情况；首先，计算相邻时间点之间的全域信感系数变化量，即时间t和t−1之间的全域信感系数差值，然后，计算所有变化量的绝对值，求和并除以最大变化量和最小变化量之差，从而得到波动率；S4.3，构建异常频度矩阵，用于记录每次全域信感系数小于阈值时的发生频度，分析低于阈值的频次和间隔；首先，检测时间序列中的异常值，即全域信感系数小于预设阈值的情况，每次检测到异常值时，记录其时间点，然后，计算每对异常值之间的时间间隔，构建异常频度矩阵；S4.4，基于异常频度矩阵，计算排偶性指标，量化全域信感系数小于阈值的情况是否有规律地发生，体现系统隐蔽问题的排偶性；首先，对异常频度矩阵中的每个频度值进行非线性变换，计算其排偶性指标，然后，计算频度矩阵的均值和方差，以量化频度值的分布情况；排偶性指标：；频度矩阵的均值：；频度矩阵的方差：； 表示第次异常与第次异常之间的频率；表示异常计数器；S4.5，结合波动率和排偶性指标，生成系统的综合隐蔽问题检测能力评估指数，首先，将波动率和排偶性指标进行非线性组合，生成中间指数，然后，对中间指数进行对数变换，增强指数的非线性特性，最后，计算全域隐检指数：，其中，表示波动率；表示排偶性指标的均值。

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南京浦江工程检测有限公司，其通讯地址为：211800 江苏省南京市浦口区永宁街道侯冲社区牛王组；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”。