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！

龙图腾网获悉兰州大学申请的专利基于多模态神经网络的沙尘识别方法、设备及存储设备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：CN116844063B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202310630477.7，技术领域涉及：G06V20/13；该发明授权基于多模态神经网络的沙尘识别方法、设备及存储设备是由陈思宇;安林昌;郭云谦;何嘉琦;杜世康设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本基于多模态神经网络的沙尘识别方法、设备及存储设备在说明书摘要公布了：本发明公开了一种基于多模态神经网络的沙尘识别方法、设备及存储设备，包括以下步骤：采集与沙尘有关的多源数据；对多源数据进行预处理，得到处理后的数据；根据处理后的数据构建沙尘识别模型训练集；构建沙尘识别模型；所述沙尘识别模型包括主干网络、输出网络和融合网络；利用训练集训练所述沙尘识别模型，得到最终模型；根据最终模型完成沙尘识别；设备及存储设备用以实现方法。本发明有益效果是：相较于以往传统方法在沙尘识别速度、识别精度上有了大幅提高，在识别沙尘连续性上也有了部分提高。

本发明授权基于多模态神经网络的沙尘识别方法、设备及存储设备在权利要求书中公布了：1.一种基于多模态神经网络的沙尘识别方法，其特征在于：包括以下步骤： S1、采集与沙尘有关的多源数据；所述多源数据包括：成像光谱仪反演数据、地面气象观测站点数据和沙尘事件图像数据； S2、对多源数据进行预处理，得到处理后的数据； S3、根据处理后的数据构建沙尘识别模型训练集； S4、构建沙尘识别模型；所述沙尘识别模型包括主干网络、输出网络和融合网络； 步骤S4中，所述主干网络为UNET网络；所述UNET网络输出每个像素点所属沙尘类别的置信度； 所述输出网络采用XGboost极限梯度提升树；所述XGboost极限梯度提升树输出待识别区域对应网格点为沙尘区域的置信度； 所述融合网络采用贝叶斯方法对UNET网络的输出和Xgboost极限梯度提升树的输出进行融合，得到最终结果； S5、利用训练集训练所述沙尘识别模型，得到最终模型； S6、根据最终模型完成沙尘识别； 步骤S2中所述预处理具体包括：对多源数据进行融合，得到融合数据；对沙尘事件图像数据进行归一化差值和热红外沙尘指数联合，得到综合沙尘判别指数； 收集2018-2022四年间识别区域内中分辨率成像光谱仪MODIS反演数据、地面气象观测站点数据、中国气象局CLDAS数据与欧洲中期天气预报中心ERA5数据；收集2018-2022四年间风云4号FY-4卫星地球静止辐射成像仪AGRI中的14个波道研究区域内的沙尘事件图像数据； 将收集到的FY-4图像数据、MODIS反演数据、地面观测站点数据、中国气象局CLDAS数据、欧洲中期天气预报中心ERA5数据按照划定的识别网格进行数据融合； 使用阈值法将对应格点内的MODIS数据使用归一化差值沙尘指数、热红外沙尘指数联立计算得到综合沙尘判别指数； 将FY-4卫星多个波道数据进行光谱分析，通过对比分析结果统计出适合区分沙尘与与其他物体的波道即1、2、3、5、6、11、12、13波道数据； 在收集到不同波道的FY-4图像数据上手动标记沙尘区域与非沙尘区域，将标记过的沙尘图像数据随机选取12并在图像中的沙尘中心区域、边缘位置分别手动添加云层图像进行遮盖； 将标记的图像数据划分为网格点数据作为U-NET神经网络的输入，UNET网络输出为每个像素点为沙尘类别的置信度； 将输入的卫星图像识别区域对应网格点内的中国气象局CLDAS数据、欧洲中期天气预报中心ERA5数据、地面站点观测数据、DDI数据、MODIS反演数据作为XGboost的输入，最终XGboost输出为该识别区域对应网格点为沙尘区域的置信度。

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兰州大学，其通讯地址为：730000 甘肃省兰州市城关区天水南路222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。