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！

龙图腾网获悉北京市市政工程研究院申请的专利多模态数据轻量化融合机制与异常识别的边缘计算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：CN121188621B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202511317358.1，技术领域涉及：G06F18/243；该发明授权多模态数据轻量化融合机制与异常识别的边缘计算方法是由王新灵;孙景来;袁俊;苏越;杜毅;张骁;徐松;董致宏;周阳;王月;方慧;刘浩;董力文设计研发完成，并于2025-09-16向国家知识产权局提交的专利申请。

本多模态数据轻量化融合机制与异常识别的边缘计算方法在说明书摘要公布了：本申请涉及数据处理技术领域，公开了多模态数据轻量化融合机制与异常识别的边缘计算方法。方法包括：通过多个传感器采集多模态地质数据生成原始数据集合，根据原始数据集合，基于边缘计算节点计算负载指标并监测资源状态，生成资源状态向量；根据资源状态向量，采用深度神经网络模型融合原始数据集合生成高精度特征图，并进行异常模式识别，基于识别结果判断潜在滑动风险级别，激活备用节点分担数据处理任务，生成优化后的高精度特征图，并更新算法参数反馈至边缘计算节点，调整数据处理复杂度；采用随机森林分类器验证数据处理复杂度生成最终异常识别，并生成警报信号传输至中央系统。本申请提高了边坡监测系统的计算效率和异常识别精度。

本发明授权多模态数据轻量化融合机制与异常识别的边缘计算方法在权利要求书中公布了：1.一种多模态数据轻量化融合机制与异常识别的边缘计算方法，其特征在于，所述方法包括： 步骤S1：通过多个传感器采集多模态地质数据，生成原始数据集合，根据所述原始数据集合，基于边缘计算节点计算负载指标并监测资源状态，生成资源状态向量；其中，通过多个传感器采集多模态地质数据生成原始数据集合包括：通过位移传感器、应力传感器、孔隙水压传感器采集边坡的位移信号、应力信号以及孔隙水压信号；将所述位移信号、所述应力信号和所述孔隙水压信号传输至边缘计算节点，并进行预处理生成原始数据集合； 步骤S2：根据所述资源状态向量，采用深度神经网络模型融合所述原始数据集合生成高精度特征图，并通过所述高精度特征图进行异常模式识别，基于识别结果判断潜在滑动风险级别；其中，采用深度神经网络模型融合所述原始数据集合生成高精度特征图包括：判断所述资源状态向量中的CPU利用率、内存利用率以及存储利用率是否低于预设阈值，是的情况下，将所述原始数据集合输入至预训练深度神经网络模型，所述深度神经网络模型对所述原始数据集合进行特征提取；对特征提取结果进行多层次融合处理，生成高精度特征图； 步骤S3：基于所述潜在滑动风险级别激活备用节点分担数据处理任务，生成优化后的高精度特征图，并更新算法参数反馈至边缘计算节点，调整数据处理复杂度； 其中，生成优化后的高精度特征图包括：判断所述潜在滑动风险级别是否高于预设警戒值，若所述潜在滑动风险级别高于所述预设警戒值，则激活备用节点；根据数据处理任务的特点将其分配至备用节点，获得局部高精度特征图；将所述局部高精度特征图与边缘计算节点的剩余特征图拼接，生成优化后的高精度特征图； 步骤S4：采用随机森林分类器验证所述数据处理复杂度生成最终异常识别输出，并生成警报信号传输至中央系统； 其中，采用随机森林分类器验证所述数据处理复杂度生成最终异常识别输出包括：将调整后的数据处理复杂度输入预先训练的随机森林分类器，通过所述随机森林分类器对所述数据处理复杂度进行分类验证，从所述分类验证结果中提取精度指标，根据所述精度指标生成最终异常识别输出，若精度高，将高精度特征图中的异常信号模式标记为最终输出，将所述最终异常识别输出存储至边缘计算节点。

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市市政工程研究院，其通讯地址为：100037 北京市西城区百万庄大街3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。