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！

龙图腾网获悉沈阳化工大学申请的专利一种基于多相流液滴/气泡空间特征的多维信息并行靶向提取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：CN120126115B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202510039717.5，技术领域涉及：G06V20/64；该发明授权一种基于多相流液滴/气泡空间特征的多维信息并行靶向提取方法是由禹言芳;王大典;孟辉波设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本一种基于多相流液滴/气泡空间特征的多维信息并行靶向提取方法在说明书摘要公布了：一种基于多相流液滴气泡空间特征的多维信息并行靶向提取方法，涉及一种多相流液多维信息提取方法，该方法包括建立基于自主改进的YOLOv11的卷积神经网络模型，将湍流状态下变形程度高、重叠度大、偏移角度大的多维复杂气泡液滴图像作为数据集；进一步对气泡液滴图像进行自动定向、尺寸缩放、灰度转换、裁剪和隔离对象等数据预处理流程；根据图像所含不同信息设置不同的主干数量，利用注意力机制精准提取特征；此外，将提取的信息组合后传入下一层参与后续卷积重组；本发明通过在各主干通道中嵌入耦合的C2DATCrossStagePartialNetworkwithDeformableAttentionTransformer模块，实现了提高信息提取性能和减少计算量的目标，使模型更加轻量化，以适应低算力环境。

本发明授权一种基于多相流液滴/气泡空间特征的多维信息并行靶向提取方法在权利要求书中公布了：1.一种基于多相流液滴气泡空间特征的多维信息并行靶向提取方法，其特征在于，所述方法包括多维信息的目标动态检测、预测以及模型的整体轻量化：具体方法步骤如下： 步骤一、采用不同工作条件下的气泡液滴图像作为数据集，其中70%~80%用于训练集，30%~20%用于验证集； 步骤二、标定图像中气泡液滴，然后对图像进行自动定向、尺寸缩放、灰度转换、裁剪和隔离对象操作； 步骤三、在三维空间中提取气泡液滴信息时，明确需要提取的气泡液滴信息的种类，包括尺寸、形状、分布位置、数量密度、运动轨迹；根据信息的复杂性和数据维度来设计主干的数量；不同的主干被用来分别采集一种或多种不同类型的信息； 步骤四、在每一级主干的头部与尾部设计中，分别嵌入C2DAT模块以优化信息提取与计算资源分配；在主干的头部嵌入C2DAT模块，其核心作用对主干负责提取的信息进行聚焦和强化；通过对输入数据的特征进行提取与过滤，该模块能够精确捕捉与目标任务相关的关键信息，同时抑制与主干任务无关的干扰因素；在主干的尾部，同样嵌入C2DAT模块，以进一步聚焦于与目标信息直接相关的数据输出；在这一阶段，该模块的功能是对通过主干中间层处理后生成的中间数据进行筛选与精简；这种双模块设计在主干的头部与尾部分别针对输入与输出数据流进行优化；在头部，C2DAT模块能够在数据流入时对特征进行定向捕获； 而在尾部，模块则通过进一步的聚焦与冗余剔除，实现对目标信息的强化表达； 所述步骤四中嵌入C2DAT模块增强计算性能的同时助力模型的整体轻量化；C2DAT模块被引入到主干网络的头部和尾部，以高效地提取气泡液滴特征；步骤四中输入到头部C2DAT模块的是来自前一层的特征图，这些特征图已经经过前面卷积层的处理，包含了初步的图像信息；步骤四中C2DAT包括标准卷积、深度卷积、逐点卷积以及合并的公式如下所示： ； 其中Y是输出特征图，Xin是输入特征图，W是卷积核，*是卷积计算，z是偏置； 步骤四中C2DAT解决了传统方法中由于输入层接收广泛范围的特征而导致的高内存和计算成本问题，同时也能有效降低图像中不相关部分的影响，C2DAT能够根据数据的需求动态选择注意力的关键点和值对，使得模型专注于相关区域，从而提取更有信息性的特征； C2DAT引入的可变形注意力机制只关注图像的小部分区域；在可变形注意力机制中，C2DAT动态选择采样点，而非固定处理整个图像；这种动态选择机制使得模型能够集中精力处理对当前任务最重要的区域； 步骤五、训练采用复式迭代训练包括：特征提取阶段、优化阶段和迭代调整； 步骤六、利用神经网络模型对气泡液滴进行识别，以获取气泡液滴信息、追踪气泡液滴运动状态，并重构三维空间内的气泡液滴形态；精准分离气泡液滴与背景，提取几何特征及动态信息，并结合多视角数据实现气泡液滴形态的高精度三维重建。

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沈阳化工大学，其通讯地址为：110142 辽宁省沈阳市沈阳经济技术开发区11号街；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。