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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于多尺度神经网络的对流初生智能识别方法和装置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：CN121392639B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511968677.9，技术领域涉及：G06V20/13；该发明授权基于多尺度神经网络的对流初生智能识别方法和装置是由陶波翰;李骞;郭仕庆;李昀英设计研发完成，并于2025-12-24向国家知识产权局提交的专利申请。

本基于多尺度神经网络的对流初生智能识别方法和装置在说明书摘要公布了：本申请涉及基于多尺度神经网络的对流初生智能识别方法和装置，该方法包括：获取FY‑4A卫星的多通道数据，通过时间对齐与通道融合，然后扩充并采用预设大小的窗口均匀切割，得到若干个兴趣域窗口数据；采用多尺度特征提取模块对每个兴趣域窗口数据进行处理，得到四个不同尺度的特征；将四个不同尺度的特征采用多尺度特征融合模块进行处理，得到全尺度特征；将每个兴趣域窗口数据对应的全尺度特征输入到分类层中，得到对应的对流初生识别结果，将所有对流初生识别结果进行拼接，得到最终识别结果。本方法基于多尺度卷积神经网络，通过整合多通道融合数据，发掘滑动窗口法在对流初生识别上的优势，有效提高了对流初生的识别精度和预报时效。

本发明授权基于多尺度神经网络的对流初生智能识别方法和装置在权利要求书中公布了：1.一种基于多尺度神经网络的对流初生智能识别方法，其特征在于，包括步骤： 步骤1：获取FY-4A卫星的多通道数据，通过时间对齐与通道融合生成兴趣域数据，扩充并采用预设大小的窗口均匀切割，得到若干个兴趣域窗口数据； 步骤2：采用多尺度特征提取模块对每个兴趣域窗口数据进行多尺度特征提取，得到每个兴趣域窗口数据对应的四个不同尺度的特征；所述多尺度特征提取模块是基于bottleneck残差块设计的骨干网络； 步骤3：将每个兴趣域窗口数据对应的四个不同尺度的特征输入到多尺度特征融合模块中，得到对应的全尺度特征；所述多尺度特征融合模块用于采用两个多尺度融合上采样模块自底向上地融合相邻尺度特征，整合相邻尺度特征中的有效特征，采用联合决策模块对得到的有效特征和大尺度特征进行整合，决策加权，得到全尺度特征； 步骤4：将每个兴趣域窗口数据对应的所述全尺度特征输入到分类层中，得到对应的对流初生识别结果，将所有兴趣域窗口数据对应的对流初生识别结果进行拼接，得到整张图像最终对流初生识别结果； 其中，所述多尺度特征提取模块包括5个依次连接的层块组组成；层块组包括：一个卷积层一个平均池化层；层块组每个组内分别包含3、4、6、三个bottleneck残差块，bottleneck残差块由一个卷积核为1×1的卷积层、一个卷积核为3×3的卷积层和一个卷积核为1×1的卷积层组成；步骤2包括： 对所述兴趣域数据采用层块组进行处理，将得到的处理结果经过层块组进行处理，得到第二尺度特征； 将所述第二尺度特征采用层块组进行处理，得到第三尺度特征； 将所述第三尺度特征采用层块组进行处理，得到第四尺度特征； 将所述第四尺度特征采用层块组进行处理，得到第五尺度特征； 其中，所述多尺度特征融合模块包括两个多尺度融合上采样模块和一个联合决策模块；步骤3包括： 将第五尺度特征、第四尺度特征以及第三尺度特征输入到第一个所述多尺度融合上采样模块中，得到第一上采样特征； 将所述第一上采样特征、第三尺度特征以及第二尺度特征输入到第二个所述多尺度融合上采样模块中，得到第二上采样特征； 将所述第一上采样特征、所述第二上采样特征以及第二尺度特征输入到所述联合决策模块中，得到全尺度特征。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。