WO2026024586 - PIPE MAPPING FOR FEATURE AND ASSET RECOGNITION USING ARTIFICIAL INTELLIGENCE

National phase entry is expected:
Publication Number WO/2026/024586
Publication Date 29.01.2026
International Application No. PCT/US2025/038358
International Filing Date 18.07.2025
Title **
[English] PIPE MAPPING FOR FEATURE AND ASSET RECOGNITION USING ARTIFICIAL INTELLIGENCE
[French] CARTOGRAPHIE DE TUYAUX POUR LA RECONNAISSANCE DE CARACTÉRISTIQUES ET D'ACTIFS À L'AIDE DE L'INTELLIGENCE ARTIFICIELLE
Applicants **
SEESCAN, INC.
Inventors
OLSSON, Mark
MARTIN, Michael
WARREN, Alex
HARTMAN, Gina
Priority Data
63/674,749   23.07.2024   US
Application details
Total Number of Claims/PCT *
Number of Independent Claims *
Number of Priorities *
Number of Multi-Dependent Claims *
Number of Drawings *
Pages for Publication *
Number of Pages with Drawings *
Pages of Specification *
*
Number of Office Actions *
*
International Searching Authority
*
Recordal of a Change of the Applicant's Name/Address
*
Type of Assignment
*
Applicant's Legal Status
*
*
*
*
*
*
Entry into National Phase under
*
Patent Delivery
*
Translation

* The data is based on automatic recognition. Please verify and amend if necessary.

** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.

Quotation for National Phase entry

Country StagesTotal
China Filing, Examination, Granting3524
EPO Filing, Examination, Granting38470
Japan Filing, Examination, Granting3539
South Korea Filing, Examination, Granting4788
USA Filing, Examination, Granting12540
MasterCard Visa
Total: 62,861
Contact Us
Abstract[English] Systems and methods are provided for recognizing and mapping features inside of pipes using Artificial Intelligence (AI). In an exemplary embodiment, a pipe inspection camera system including Inertial Navigation Systems (INS) and other sensor capabilities is inserted into a pipe to collect data that can be provided to a Deep Learning model to build a training set. Training data may include newly collected data and/or historical data. The model may be trained based on collected sets of training data, testing data, and/or user predefined classifiers. The Deep Learning model may use thresholds to determine if a set of data falls within a specific class. Classes may be based on data related to pipe features such as size, shape, material, age, routing or connection features including bends and/or joints, etc. AI data may be processed locally in the pipe inspection camera system, remotely on a mobile device, and/or in the Cloud.[French] L'invention concerne des systèmes et des procédés de reconnaissance et de cartographie de caractéristiques à l'intérieur de tuyaux à l'aide de l'intelligence artificielle (IA). Selon un mode de réalisation donné à titre d'exemple, un système de caméra d'inspection de tuyaux comprenant des systèmes de navigation inertielle (INS) et d'autres fonctions de capteurs est introduit dans un tuyau pour collecter des données qui peuvent être fournies à un modèle d'apprentissage profond pour construire un ensemble d'entraînement. Des données d'entraînement peuvent comprendre des données nouvellement collectées et/ou des données historiques. Le modèle peut être entraîné sur la base d'ensembles collectés de données d'entraînement, de données de test et/ou de classifieurs prédéfinis par l'utilisateur. Le modèle d'apprentissage profond peut utiliser des seuils pour déterminer si un ensemble de données s'inscrit dans une classe spécifique. Les classes peuvent être basées sur des données relatives à des caractéristiques de tuyau telles que des caractéristiques de taille, de forme, de matériau, d'âge, de routage ou de raccordement y compris des coudes et/ou des joints, etc. Des données d'IA peuvent être traitées localement dans le système de caméra d'inspection de tuyaux, à distance sur un dispositif mobile, et/ou dans le nuage.

Rejoining the server...