Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜山东省林业保护和发展服务中心;青岛浩海网络科技股份有限公司;山东省林草种质资源中心(山东省药乡林场)李大鹏获国家专利权

恭喜山东省林业保护和发展服务中心;青岛浩海网络科技股份有限公司;山东省林草种质资源中心(山东省药乡林场)李大鹏获国家专利权

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!

龙图腾网恭喜山东省林业保护和发展服务中心;青岛浩海网络科技股份有限公司;山东省林草种质资源中心(山东省药乡林场)申请的专利基于超分辨率神经算子的森林火灾预警方法及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:CN119672544B

龙图腾网通过国家知识产权局官网在2025-05-23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:202510185789.0,技术领域涉及:G06V20/10;该发明授权基于超分辨率神经算子的森林火灾预警方法及系统是由李大鹏;艾钊;王宁;陈铁山;杨柳;王崇阳;马小惠;张成祥;鞠丽睿;鲁腾设计研发完成,并于2025-02-20向国家知识产权局提交的专利申请。

基于超分辨率神经算子的森林火灾预警方法及系统在说明书摘要公布了:本发明涉及森林火灾识别预警技术领域,具体涉及一种基于超分辨率神经算子的森林火灾预警方法及系统,具体如下:提取待识别的低分辨率森林火灾图像的初始特征图;构建超分辨率特征捕捉网络,三个HAFM层次化注意力融合模块、MSMO多尺度映射算子模块、超分辨率特征融合模块和超分辨率图像重建模块,将初始特征图输入至超分辨率特征捕捉网络,最终输出超分辨率图像;构建森林火灾识别模块,将超分辨率图像输入至ResNet‑18神经网络模型中,得到识别特征,最后识别特征经过全连接层处理得到森林火灾图像的识别结果,并根据识别结果判断是否进行预警。本发明可以解决现有森林火灾识别检测中存在低分辨率火灾图像无法准确识别和及时预警的问题。

本发明授权基于超分辨率神经算子的森林火灾预警方法及系统在权利要求书中公布了:1.一种基于超分辨率神经算子的森林火灾预警方法,其特征是,包括以下步骤:S1、提取待识别的低分辨率森林火灾图像的初始特征图;S2、构建超分辨率特征捕捉网络,三个HAFM层次化注意力融合模块、MSMO多尺度映射算子模块、超分辨率特征融合模块和超分辨率图像重建模块,将初始特征图输入至超分辨率特征捕捉网络,最终输出超分辨率图像;S2具体如下:S2.1、HAFM层次化注意力融合模块中具体过程如下:将初始特征图输入至HAFM模块,HAFM模块包括跨尺度全局分支、局部分支、融合模块以及上采样模块;S2.1.1、初始特征图首先经过第一HAFM模块,初始特征经过第一HAFM模块的跨尺度全局分支,得到跨尺度全局增强特征,初始特征经过第一HAFM模块局部分支,得到局部特征,将跨尺度全局增强特征和局部特征通过第一HAFM模块的融合模块,得到融合中间特征,融合中间特征经过第一HAFM模块的上采样模块输出最终特征;S2.1.2、将经过第一层次化注意力融合模块得到的高分辨率特征输入到第二层次化注意力融合模块,高分辨率特征经过第二层次化注意力融合模块中的跨尺度全局分支,得到跨尺度全局增强特征,高分辨率特征经过第二层次化注意力融合模块中的局部分支,得到局部特征,跨尺度全局增强特征和局部特征通过第二层次化注意力融合模块中的融合模块,得到融合中间特征,中间特征经过第二层次化注意力融合模块中的上采样模块输出最终高分辨率特征;S2.1.3、将经过第二层次化注意力融合模块得到的高分辨率特征,输入到第三层次化注意力融合模块,高分辨率特征经过第三层次化注意力融合模块中的跨尺度全局分支,得到跨尺度全局增强特征,高分辨率特征经过第三层次化注意力融合模块中的局部分支,得到局部特征,跨尺度全局增强特征和局部特征通过第三层次化注意力融合模块中的融合模块,得到融合中间特征;S2.2、MSMO多尺度映射算子模块中具体过程如下:MSMO多尺度映射算子模块包括高维映射模块、超分辨注意力特征捕捉模块和图像投影模块;S2.2.1、将融合中间特征输入到MSMO模块中,得到重建后的高分辨率特征;S2.2.2、将融合中间特征输入到MSMO模块中,得到重建后的高分辨率特征;S2.2.3、将融合中间特征输入到MSMO模块中,得到重建后的高分辨率特征;S2.3、超分辨率特征融合模块中具体过程如下:将经过多尺度映射算子模块得到的三个高分辨率特征、和输入到超分辨率特征融合模块,得到超分辨率融合特征图;S2.4、超分辨率图像重建模块中具体过程如下:将经过超分辨率特征融合模块得到的融合特征输入到超分辨率图像重建模块,得到超分辨率图像;S3、构建森林火灾识别模块,将超分辨率图像输入至ResNet-18神经网络模型中,得到识别特征,最后识别特征经过全连接层处理得到森林火灾图像的识别结果,并根据识别结果判断是否进行预警。

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山东省林业保护和发展服务中心;青岛浩海网络科技股份有限公司;山东省林草种质资源中心(山东省药乡林场),其通讯地址为:250000 山东省济南市历下区二环东路5948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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。