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！

龙图腾网获悉国家林业和草原局华东调查规划院申请的专利多感合一林业火灾自动识别与预警系统与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：CN119399904B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202411609546.7，技术领域涉及：G08B17/12；该发明授权多感合一林业火灾自动识别与预警系统与方法是由孙伟韬;陈伟;马鸿伟;蔡茂;李建华;陈建义;陈未亚;邢雅;林荫;夏虹露;沈旗栋;黄瑞荣;章永侠;杜玉梁;安佳怡;赵俊鹏;杜瑞轩设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本多感合一林业火灾自动识别与预警系统与方法在说明书摘要公布了：本发明公开了一种多感合一林业火灾自动识别与预警系统与方法，属于火灾识别预警技术领域。本发明包括S1：通过终端感知设备采集数据至系统，并对采集的数据进行分析处理；S2：从预处理后的数据中提取有关烟、火的特征；S3：搭建卷积神经网络深度学习模型，对实时图像或视频数据进行烟火识别；S4：系统自动识别出火灾迹象后，发出报警信息，利用定位算法确认报警点定位信息；S5：基于报警点的定位信息判断报警点的区域位置。本发明通过无人机、红外线传感器和智能识别等技术，可以对森林火灾进行监测和预警，及时发现火源并采取措施进行灭火，减少火灾对森林资源和生态环境的危害。

本发明授权多感合一林业火灾自动识别与预警系统与方法在权利要求书中公布了：1.一种多感合一林业火灾自动识别与预警方法，其特征在于：包括以下步骤： S1：通过终端感知设备采集数据至系统，并对采集的数据进行分析处理； S2：从预处理后的数据中提取有关烟、火的特征； S3：搭建卷积神经网络深度学习模型，对实时图像或视频数据进行烟火识别； 模型包括3个head卷积层、3个多尺度特征提取模块、6个Transformer模块和1个分类层； 首先获取预处理后的数据，将预处理后的数据调整为3×224×224个RGB图像并将其输入到三个卷积层，以生成空间细节特征； 然后，通过三个多尺度特征提取模块充分提取图像中的火势特征信息，为后续高级空间区域的特征映射奠定特征基础； 经过多尺度特征提取模块后，将带有位置嵌入和类标记的特征图输入到Transformer模块中，以充分融合全局信息；最后，使用类令牌通过由全连接层组成的分类层完成火灾探测； 多尺度特征提取模块由四个不同的分支组成，其具体的计算公式如下： B＝[H1×1A,H3×3A,H5×5A,HMaxPoolA]， 其中，A是经过卷积层处理后的图像；B是合并四个分支的结果，HMaxPool表示3×3个最大池化，Hn×n表示n×n个卷积操作； Transformer模块：Transformer模块的全局特征提取能力主要依赖于多头注意力机制，自注意力机制的计算公式为： 其中，Q、K、V都是指输入到模块中的一维向量序列通过一个变换矩阵后得到的子矩阵，dk是一个放缩因子，Softmax是一个归一化指数函数；KT表示K矩阵的转置，Attention表示自注意力机制的结果； MSA＝Concathead1,head2,...W0， 其中，MSA表示多头自注意力机制，head表示前面提及的自注意力机制的结果，Concat表示将不同head串联起来，并乘以权重矩阵W0； 对Transformer模块进行改进： 线性投影到卷积投影： 将令牌重塑为2D令牌映射，使用卷积核为s的深度卷积实现卷积投影，最后，将投影的标记平铺到1D中，具体的计算公式为： Xqkv＝ConvProjX＝FlattenDWConvReshape2DX,s， 其中，Xqkv是qkv向量的标记输入，X是卷积投影之前的输入标记，DWConv表示深度卷积操作，s是卷积核大小；ConvProj表示卷积投影操作，Flatten表示展平操作，Reshape2D表示数据重塑为二维形式； 前馈网络改进为卷积残差前馈网络： 原始前馈网络由两个线性层组成，由GeLU激活函数分隔；具体表达式如下： FFNX＝GeLUXW1+b1W2+b2， 其中，X是上一层的多头注意力机制的输出，W1∈RD×4D，W2∈R4D×D分别表示两个线性层的权重，b1和b2是偏置项；GeLU为激活函数； 改进后的前馈网络为卷积残差前馈网络，其包括扩展层、深度卷积、SE模块和投影层，具体的计算公式为： y＝DWConvx+x， z＝SEy， CRFFNx＝Convz， 其中，x表示输入到残差模块的原始数据，DWConv表示深度卷积操作，y＝DWConvx+x表示增加了残差连接，SE表示SE模块，用于自适应地重新校准通道特征响应，Conv表示卷积操作； 最终Transformer模块表示为： 其中，X0表示多尺度特征提取模块导出参数B维度变换后，添加类标记xclass和位置嵌入Epos作为第一个transformer模块的输入；Xi-1表示第i-1个Transformer模块的输入，L表示Transformer模块的数量；LN表示层归一化，Zi表示第一个残差块的输出，Xi表示第i个Transformer模块的输出；当继续执行最后一个Transformer模块时，y表示模型的输出；CRFFN表示卷积残差前馈网络；MHSA表示多头自注意力机制，ConvProj表示卷积投影操作； S4：系统自动识别出火灾迹象后，发出报警信息，利用定位算法确认报警点定位信息； S5：基于报警点的定位信息判断报警点的区域位置。

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国家林业和草原局华东调查规划院，其通讯地址为：310000 浙江省杭州市上城区德胜东路3311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”。