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！

龙图腾网获悉哈尔滨理工大学申请的专利一种基于多模态数据融合的光照条件自适应土壤湿度估计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：CN119513523B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202411522766.6，技术领域涉及：G06F18/20；该发明授权一种基于多模态数据融合的光照条件自适应土壤湿度估计方法是由尤波;闫俊青;程林;李佳钰;陈晨;陈潇磊设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本一种基于多模态数据融合的光照条件自适应土壤湿度估计方法在说明书摘要公布了：本发明涉及机器人地形感知领域，提出了一种基于多模态数据融合的光照条件自适应土壤湿度估计方法。首先，提出了一种最佳曝光时间计算方法，用于构建多模态土壤湿度数据集。其次，通过SS‑GAN算法去除土壤图像阴影，并结合环境信息改进通道注意力机制ECA和标准卷积层，嵌入ResNet‑50作为网络主干，设计了适应不同光照条件的土壤湿度估计子模型。然后，使用改进的损失函数对各子模型进行训练，使其适应特定光照条件。最后提出了一种子模型融合与切换方法，经过灰度值映射生成土壤湿度估计图。本发明通过改进的神经网络模型进行多模态数据融合，并设计子模型的融合与切换算法，能够提高机器人在复杂光照条件下的土壤湿度估计精度，从而提升地形感知能力。

本发明授权一种基于多模态数据融合的光照条件自适应土壤湿度估计方法在权利要求书中公布了：1.一种基于多模态数据融合的光照条件自适应土壤湿度估计方法，其特征在于，包括以下步骤： 步骤1：设计一种加权融合的土壤图像纹理评价指标，综合考虑灰度共生矩阵的能量GLCMEnergy、对比度、信息熵，并根据光照强度和土壤湿度动态调整权重系数，基于该评价指标，制定用于确定不同光照条件下相机最佳曝光时间的计算公式； 步骤2：提出一种多模态土壤湿度数据集的构建方法，在不同光照条件下，基于步骤1中确定的最佳曝光时间调整相机参数，结合机器人行驶路径与实际光照环境，设计具有代表性的光照条件和行驶航向组合，合理分批次摆放土壤容器，确保覆盖全部相机视场范围，同步采集不同湿度水平的土壤图像及相关环境数据，整合多种数据模态，构建多模态数据集，随后，对数据集进行数据增强与标注； 步骤3：结合环境信息改进ECA注意力机制和标准卷积层，设计条件通道注意力C-ECA和条件卷积C-Conv，并嵌入ResNet-50作为网络主干，针对不同光照条件下土壤图像的特性，设计四个子模型，逆光子模型、背光子模型、侧光子模型和阴天子模型，通过子模型实现多模态数据融合，用于估计各类光照条件下的土壤湿度； 步骤4：设计改进的交叉熵损失函数，交叉熵损失函数通过引入光照权重进行了优化，该光照权重根据当前光照强度进行动态调节，此外，为了使条件通道注意力机制C-ECA和条件卷积C-Conv中的全连接神经网络生成更好的通道权重和卷积核，损失函数中引入了正则化项； 步骤5：设计子模型融合切换算法，该算法包括阴天识别模块和基于模糊规则的子模型权重分配模块，首先，引入卷积神经网络CNN实现的阴天识别模块，用于判断是否为阴天，以决定是否需要调用阴天子模型，在权重分配模块中，以行驶方向与太阳直射方向夹角θ和光照强度I以及侧光子模型权重α为模糊语言变量，考虑行驶航向与相邻子模型关系设计隶属度函数和模糊规则，通过模糊推理和去模糊化，获得侧光子模型的权重系数α，进而确定与侧光子模型融合的背光子模型或者逆光子模型权重1-α； 步骤6：将训练完成的网络模型部署到轮式机器人上，对实时采集的土壤图像进行土壤湿度估计，基于估计结果，通过灰度值映射生成土壤湿度估计图。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52号哈尔滨理工大学；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。