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！

龙图腾网获悉北京理工大学前沿技术研究院;北京理工大学申请的专利一种跨散射区迁飞害虫监测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：CN121454480B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202610002817.5，技术领域涉及：G01S7/41；该发明授权一种跨散射区迁飞害虫监测方法是由胡程;李卫东;李云龙;王锐;李一帆设计研发完成，并于2026-01-05向国家知识产权局提交的专利申请。

本一种跨散射区迁飞害虫监测方法在说明书摘要公布了：本说明书实施例公开了一种跨散射区迁飞害虫监测方法，涉及迁飞害虫监测技术领域，方法包括：获取由全极化雷达采集的迁飞害虫目标的全极化散射矩阵数据，基于全极化散射矩阵数据，构建融合特征集，以在融合特征集中筛选至少两个特定极化方向图特征参数，确定聚类特征；通过所述聚类特征，确定迁飞害虫目标的类群归属信息，以在预设的昆虫体型参数预测模型集合中，确定对应的第一昆虫体型参数预测模型和或昆虫体型参数预测模型组，类群归属信息包括属于谐振区类群的第一隶属度和属于瑞利区类群的第二隶属度；通过第一昆虫体型参数预测模型和或昆虫体型参数预测模型组，确定对应的体型参数估计值，以体型参数估计值对迁飞害虫目标进行监测。

本发明授权一种跨散射区迁飞害虫监测方法在权利要求书中公布了：1.一种跨散射区迁飞害虫监测方法，其特征在于，所述方法包括： 获取由全极化雷达采集的迁飞害虫目标的全极化散射矩阵数据，基于所述全极化散射矩阵数据，构建融合特征集，以在所述融合特征集中筛选至少两个特定极化方向图特征参数，确定聚类特征； 通过所述聚类特征，确定所述迁飞害虫目标的类群归属信息，以在预设的昆虫体型参数预测模型集合中，确定对应的第一昆虫体型参数预测模型和或昆虫体型参数预测模型组，其中，所述类群归属信息包括属于谐振区类群的第一隶属度和属于瑞利区类群的第二隶属度； 通过所述第一昆虫体型参数预测模型和或所述昆虫体型参数预测模型组，确定对应的体型参数估计值，以所述体型参数估计值对所述迁飞害虫目标进行监测； 在所述融合特征集中筛选至少两个特定极化方向图特征参数，确定聚类特征，具体包括： 从所述融合特征集中，提取极化方向图最大值参数和垂直于所述极化方向图最大值方向的幅度值参数； 将所述极化方向图最大值参数和所述幅度值参数进行组合，构建二维特征向量，以所述二维特征向量确定所述聚类特征，其中，所述聚类特征用于表征所述迁飞害虫目标的散射机制； 通过所述聚类特征，确定所述迁飞害虫目标的类群归属信息，具体包括： 获取预设的瑞利区聚类中心和谐振区聚类中心，其中，所述聚类中心通过基于样本昆虫的聚类特征进行K均值聚类训练得到； 计算所述迁飞害虫目标的聚类特征到所述瑞利区聚类中心的欧氏距离，确定第一距离，并计算所述迁飞害虫目标的聚类特征到所述谐振区聚类中心的欧氏距离，确定第二距离； 基于所述第一距离和所述第二距离，计算属于瑞利区类群的第二隶属度和属于谐振区类群的第一隶属度； 在预设的昆虫体型参数预测模型集合中，确定对应的第一昆虫体型参数预测模型和或昆虫体型参数预测模型组，具体包括： 获取所述昆虫体型参数预测模型集合，其中，所述体型参数预测模型集合包括谐振区对应的第一随机森林回归模型和瑞利区对应的第二随机森林回归模型； 计算所述第一隶属度与所述第二隶属度的差值绝对值； 当所述差值绝对值小于预设阈值时，以所述第一随机森林回归模型和所述第二随机森林回归模型确定所述昆虫体型参数预测模型组，以通过昆虫体型参数预测模型组，确定对应的体型参数估计值； 当所述差值绝对值不小于预设阈值时，通过所述第一隶属度与所述第二隶属度的大小关系，确定所述迁飞害虫目标对应的归属类群； 以所述归属类群对应的第一昆虫体型参数预测模型，对所述迁飞害虫目标进行估计，确定对应的体型参数估计值。

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北京理工大学前沿技术研究院;北京理工大学，其通讯地址为：250000 山东省济南市济南高新区经十路7000号汉峪金融商务中心五区1号楼601；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。