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！

龙图腾网获悉广东科学技术职业学院申请的专利一种卫星观测二氧化硫垂直柱总量条带校正方法、系统及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：CN121476544B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610018259.1，技术领域涉及：G01N33/00；该发明授权一种卫星观测二氧化硫垂直柱总量条带校正方法、系统及设备是由夏丛紫;曹炜;张启项;赵曦设计研发完成，并于2026-01-08向国家知识产权局提交的专利申请。

本一种卫星观测二氧化硫垂直柱总量条带校正方法、系统及设备在说明书摘要公布了：本申请公开了一种卫星观测二氧化硫垂直柱总量条带校正方法、系统及设备，涉及卫星遥感数据处理技术领域，方法包括：基于由卫星采集到的、目标区域在预设时长内的太阳光谱数据集合中的任一太阳光谱数据，确定SO2柱总量原始数据‑条带校正数据配对样本，进而构成训练样本集；构建融合了多尺度特征提取、空间注意力机制与自适应高值保护权重的神经网络模型；采用训练样本集对神经网络模型进行训练，得到二氧化硫垂直柱总量条带校正模型；将新太阳光谱数据对应的SO2柱总量原始数据，输入至二氧化硫垂直柱总量条带校正模型中，以得到对应的SO2柱总量条带校正数据。本申请可实现兼顾噪声去除精度与信号保真度的SO2条带校正。

本发明授权一种卫星观测二氧化硫垂直柱总量条带校正方法、系统及设备在权利要求书中公布了：1.一种卫星观测二氧化硫垂直柱总量条带校正方法，其特征在于，所述方法包括： 获取由卫星采集到的、目标区域在预设时长内的太阳光谱数据集合； 基于所述太阳光谱数据集合中的任一太阳光谱数据，确定SO2柱总量原始数据-条带校正数据配对样本；多个所述SO2柱总量原始数据-条带校正数据配对样本构成训练样本集； 构建融合了多尺度特征提取、空间注意力机制与自适应高值保护权重的神经网络模型；所述神经网络模型包括多尺度特征提取模块、特征融合与尺度恢复模块、注意力与自适应权重模块及噪声预测与信号恢复模块； 所述多尺度特征提取模块用于捕捉SO2柱总量原始数据中不同尺度的条带噪声与SO2浓度信号特征；所述特征融合与尺度恢复模块用于采用反卷积与插值结合的方式，对不同尺度的条带噪声与SO2浓度信号特征进行对齐融合，以得到综合特征图；所述注意力与自适应权重模块用于动态学习所述综合特征图的空间注意力权重分布，并对每个像素位置分配系数，从而调整不同SO2浓度区域的噪声去除强度，得到注意力增强后特征图；所述噪声预测与信号恢复模块用于基于所述注意力增强后特征图，通过卷积预测条带噪声分量，采用残差学习机制恢复干净信号，以得到SO2柱总量条带校正数据； 所述多尺度特征提取模块包括卷积强化单元、原始尺度分支、2倍下采样分支及4倍下采样分支；所述卷积强化单元用于对SO2柱总量原始数据进行初始特征提取及原始尺度特征强化，得到卷积强化后的特征图；所述原始尺度分支用于对所述卷积强化后的特征图进行卷积处理，得到原始尺度特征图；所述2倍下采样分支用于对所述卷积强化后特征图进行卷积与下采样处理，得到2倍下采样特征图；所述4倍下采样分支用于为所述卷积强化后特征图进行两次卷积与下采样处理，得到4倍下采样特征图； 所述特征融合与尺度恢复模块包括4倍上采样分支、2倍上采样分支及融合单元；所述4倍上采样分支用于对所述4倍下采样特征图进行反卷积上采样处理，以得到4倍恢复原始尺度特征图；所述2倍上采样分支用于对所述2倍下采样特征图进行反卷积上采样处理，以得到2倍恢复原始尺度特征图；所述融合单元用于通过元素相加实现所述原始尺度特征图、所述2倍恢复原始尺度特征图、所述4倍恢复原始尺度特征图的融合，以得到综合特征图； 所述噪声预测与信号恢复模块中，采用了如下函数公式：；其中，为SO2柱总量条带校正数据，为SO2柱总量原始数据；为通过卷积预测的条带噪声分量，为调整系数； 采用所述训练样本集对所述神经网络模型进行训练，以得到二氧化硫垂直柱总量条带校正模型； 将新太阳光谱数据对应的SO2柱总量原始数据，输入至所述二氧化硫垂直柱总量条带校正模型中，以得到对应的SO2柱总量条带校正数据。

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东科学技术职业学院，其通讯地址为：519090 广东省珠海市金湾区珠海大道南侧65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。