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！

龙图腾网获悉北京沃尔斯特新技术有限公司申请的专利一种漏水检测装置及漏水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：CN121033525B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511154579.1，技术领域涉及：G06V10/764；该发明授权一种漏水检测装置及漏水检测方法是由张俊杰;李淑慧;李淑华设计研发完成，并于2025-08-18向国家知识产权局提交的专利申请。

本一种漏水检测装置及漏水检测方法在说明书摘要公布了：本申请涉及漏水智能检测领域，具体公开了一种漏水检测装置及漏水检测方法，其通过连续小波变换，将一维的压力时序数据升维成能同时揭示时域与频域特征的二维时频图谱，为每种事件生成独特的图像指纹。随后，利用卷积神经网络强大的图像特征提取与分类能力，对该时频图谱进行深度分析，以高精度识别出事件的真实类别。最后，基于模型输出的事件类别及置信度进行双重确认，只有当事件被高置信度地识别为真实泄露时，才触发报警并进行定位计算。通过这样的方式，从根本上解决了因信号混淆导致的误报问题，以及水力暂态事件的干扰问题，提升了漏水检测与定位的准确性和可靠性。

本发明授权一种漏水检测装置及漏水检测方法在权利要求书中公布了：1.一种漏水检测方法，其特征在于，包括： 基于预设负向阈值，对原始压力数据流进行事件检测与事件窗口分割以得到事件窗口压力时序数据； 对所述事件窗口压力时序数据进行连续小波变换以得到压力时频图谱图像； 对所述压力时频图谱图像进行基于卷积神经网络的事件分类以得到事件类别及其置信度； 基于事件类别及其置信度以及事件窗口压力时序数据，进行泄漏事件确认与泄漏定位以得到泄漏位置和报警信号； 对所述压力时频图谱图像进行基于卷积神经网络的事件分类以得到事件类别及其置信度，包括： 将所述压力时频图谱图像输入所述卷积神经网络的卷积基部分以得到压力时频图谱视觉特征编码向量； 将所述压力时频图谱视觉特征编码向量输入所述卷积神经网络的特征稀疏消融部分以得到压力时频图谱视觉特征稀疏编码向量； 将所述压力时频图谱视觉特征稀疏编码向量输入所述卷积神经网络的分类头部分以得到事件类别及其置信度； 将所述压力时频图谱视觉特征编码向量输入所述卷积神经网络的特征稀疏消融部分以得到压力时频图谱视觉特征稀疏编码向量，包括： 对所述压力时频图谱视觉特征编码向量进行细粒度消融以得到压力时频图谱视觉消融后特征向量，用公式表示： v ab =v⊙m+Pv⊙1-m Px=W 2 σW 1 x+b 其中，v为压力时频图谱视觉特征编码向量，m∈{0,1}为可学习稀疏掩码权重，⊙为按位置点乘，Px为基于卷积神经网络的相关内容深层特征提取器，σ为sigmoid函数，W1和W2为第一可训练权重矩阵和第二可训练权重矩阵，b为可训练偏置向量，vab为压力时频图谱视觉消融后特征向量； 计算所述压力时频图谱视觉消融后特征向量相对于所述压力时频图谱视觉特征编码向量的特征消融实质增益，用公式表示： Gv,v ab =JSSoftmaxv ab ‖Softmaxv 其中，Softmax为Softmax函数，JS·‖·表示Jensen-Shannon散度，Gv,vab表示压力时频图谱视觉特征消融实质增益； 响应于所述特征消融实质增益满足预设条件，将所述压力时频图谱视觉消融后特征向量设定为所述压力时频图谱视觉特征稀疏编码向量，用公式表示： ； 其中，τ为预设阈值，γ为可训练权重系数，ven为所述压力时频图谱视觉特征稀疏编码向量。

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北京沃尔斯特新技术有限公司，其通讯地址为：100000 北京市通州区榆景东路5号院18号楼1层101；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。