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！

龙图腾网获悉广州慧源智通科技有限公司;广东省防汛保障与农村水利中心申请的专利一种基于深度学习的暴雨终端预警方法与系统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：CN120804834B 。

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：202511034390.9，技术领域涉及：G06F1/14；该发明授权一种基于深度学习的暴雨终端预警方法与系统是由陈平;王战友;黄文燕;于泽兴;陈杰文;夏文君;胡玉婵设计研发完成，并于2025-07-25向国家知识产权局提交的专利申请。

本一种基于深度学习的暴雨终端预警方法与系统在说明书摘要公布了：本发明涉及暴雨预警技术领域，尤指一种基于深度学习的暴雨终端预警方法与系统，通过引入图像感知与语义识别机制，对雨量计的翻转状态与雨幕、水迹等图像特征进行一致性判定，实现对非自然触发因素如人为倒水等的有效排除，提升降雨感知数据的可信度。采用可本地部署的双分支深度学习模型，融合降雨量、温湿度、地形因子等多源数据，基于交叉注意力机制进行特征提取与重现期预测，并结合历史事件动态生成阈值修正系数，实现预警标准的自适应调整，有效降低误报与漏报风险。本系统支持低功耗本地运行，执行预警决策，有效提升本地预警响应的时效性与准确性。

本发明授权一种基于深度学习的暴雨终端预警方法与系统在权利要求书中公布了：1.一种基于深度学习的暴雨终端预警方法，其特征在于，包括： S1、采集目标区域内的降雨感知数据和图像数据，所述降雨感知数据包括降雨量数据和温湿度数据； S2、基于所述图像数据进行降雨状态识别，输出降雨场景验证结果，根据降雨场景验证结果筛选有效的降雨感知数据； S3、将所述有效的降雨感知数据输入至基于交叉注意力的双分支深度学习模型，执行特征提取与模式匹配，输出目标区域对应的暴雨重现期与动态阈值修正系数； S4、基于所述动态阈值修正系数对当前区域的工程阈值执行参数调整，得到动态阈值，并将实时的降雨量数据与动态阈值进行比对，根据比对结果生成暴雨预警信息，并控制终端显示设备根据所述暴雨预警信息完成预警动作输出； 所述基于所述图像数据进行降雨状态识别包括以下步骤： 对原始图像数据执行结构化检测，识别并提取出翻斗式雨量计在图像中的空间位置，得到对应的翻斗图像区域； 基于所述翻斗图像区域构建图像序列，通过帧间像素差分与边缘轮廓提取算法，对连续图像帧执行翻斗状态识别，提取翻斗翻转起止帧、翻转幅度与翻转频次，生成表示翻斗动作状态的结构运动特征数据； 基于所述原始图像数据中除翻斗区域外的背景图像区域，通过卷积神经网络模型提取雨幕纹理、水滴轨迹和地面水迹扩散的降雨语义特征向量； 将所述结构运动特征数据与所述降雨语义特征向量进行一致性判定，若翻斗翻转行为对应时间段内的图像中存在与自然降雨一致的语义特征分布，则生成降雨场景验证结果为自然降雨触发；若翻斗结构运动特征与语义特征分布存在偏离，则生成降雨场景验证结果为非自然降雨触发； 所述基于交叉注意力的双分支深度学习模型通过以下步骤构建： 基于历史暴雨事件中经降雨场景验证的有效降雨感知数据，对每一事件的雨量序列与对应工程阈值执行系数扫描，统计各候选系数的误报率与漏报率，得到使误报率最低且漏报率不高于预设上限的最优阈值修正系数，并将最优阈值修正系数与对应暴雨事件的实际暴雨重现期等级共同构成监督标签集； 基于暴雨事件发生地的地形类型、海拔高度与环境类别构建地形因子，并基于暴雨事件发生地的有效降雨感知数据，构建降雨量序列与温湿度序列； 通过地形因子、降雨量序列与温湿度序列构建多源训练样本集，并使多源训练样本集关联监督标签集； 基于所述多源训练样本集，对降雨量序列、温湿度序列与地形因子编码执行时序位置嵌入和交叉通道注意力融合，得到时空联合特征序列； 基于所述时空联合特征序列，输入包含残差连接的主干网络，得到用于重现期预测的预测向量与用于动态阈值回归的修正向量，并按监督标签计算重现期误差与阈值误差； 通过损失函数对网络参数执行梯度优化，得到双分支深度学习模型。

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广州慧源智通科技有限公司;广东省防汛保障与农村水利中心，其通讯地址为：510000 广东省广州市越秀区建设大马路22号1301房；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。