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！

龙图腾网获悉西南大学申请的专利轻量化卫星云图神经网络训练方法以及降雨检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：CN113887381B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202111147712.2，技术领域涉及：G06V20/13；该发明授权轻量化卫星云图神经网络训练方法以及降雨检测方法是由段书凯;李科;陈嘉壕;陈忠余;熊伟明;吴付军;包月辉;王丽丹设计研发完成，并于2021-09-29向国家知识产权局提交的专利申请。

本轻量化卫星云图神经网络训练方法以及降雨检测方法在说明书摘要公布了：本发明公开了一种轻量化卫星云图神经网络训练方法以及降雨检测方法，包括卫星云图图像预处理流程以及神经网络的训练流程；卫星云图图像预处理流程包括：将卫星云图照片输入卫星云图照片集；通过与卫星云图相同时间的GPM降水分布图；对卫星云图照片中所有降水区域进行画框标记；将已标注的卫星云图进行图像阈值二值化操作；神经网络的训练流程包括：将卫星云图照片进行图像增强处理；建立轻量化目标检测算法M‑YOLOv4；获取对应的损失函数；将卫星云图图像输入到神经网络中，得到该算法推理后的结果；计算对应的损失函数的函数值，得出对应的权重值。本发明使用深度学习技术进行图像训练，用于获取卫星云图中的降水检测区域。

本发明授权轻量化卫星云图神经网络训练方法以及降雨检测方法在权利要求书中公布了：1.一种轻量化卫星云图神经网络训练方法，其特征在于，包括卫星云图图像预处理流程以及神经网络的训练流程； 卫星云图图像预处理流程包括如下步骤： 步骤A1：建立卫星云图照片集，将卫星云图照片输入卫星云图照片集；建立相应的降水分布图集，将相应的GPM降水分布图存入降水分布图集； 步骤A2：依次从卫星云图照片集中取出卫星云图照片； 步骤A3：再取出相应的GPM降水分布图，该GPM降水分布图与卫星云图照片的日期相同； 步骤A4：找到GPM降水分布图中的降水区域，使用标记工具人工对相应的卫星云图照片中所有的降水云团进行标记； 步骤A5：将标记好的卫星云图照片，采用图像阈值二值化操作得到预处理后的卫星云图照片； 步骤A6：判断是否还有未标记的卫星云图照片，如果有转步骤A2，没有，则结束； 神经网络的训练流程包括如下步骤： 步骤B1：获取标记好的卫星云图照片集； 步骤B2：将卫星云图照片集中的卫星云图照片进行图像增强处理，得到增强处理后的卫星云图图像； 步骤B3：建立自定义的M-YOLOv4神经网络模型； 步骤B4：获取M-YOLOv4神经网络模型对应的损失函数； 步骤B5：确定损失函数的迭代次数阈值； 步骤B6：从卫星云图照片集中依次取出卫星云图图像，将卫星云图图像输入到M-YOLOv4神经网络模型中，得到预测结果； 步骤B7：根据人工标记的结果和对应的预测结果，计算对应的损失函数的函数值，训练M-YOLOv4神经网络模型，得出对应的权重值； 步骤B8：判断损失函数的迭代次数是否大于迭代次数阈值；如果是转步骤B9，否则转步骤B6； 步骤B9：保存该权重值作为最终权重值； 所述步骤B3中自定义的M-YOLOv4神经网络模型包括： Input模块、Backbone模块、Neck模块以及Head模块； Input模块用于获取卫星云图图像；Backbone模块用于提取Input模块输入的卫星云图图像的浅层图像特征；Neck模块对Backbone模块提取的浅层图像特征进行增强处理；Head模块获取Neck模块增强处理后的图像特征，解码这些特征获得输出结果；其中，Backbone模块采用MobileNetv1网络作为主干特征提取网络；Neck模块采用深度可分离卷积DW-PANet作为特征融合模块，Neck模块还采用spp层作为附加模块； 所述Backbone模块的Conv_block模块由3×3卷积、BatchNormalization层和Relu6激活函数构成；Backbone模块的DW_block模块由深度可分离卷积Dwconv、BatchNormalization层、Relu6激活函数、1×1卷积、BatchNormalization层和Relu6激活函数构成； Backbone模块的DBM模块由深度可分离卷积Dwconv、BatchNormalization层和Mish激活函数构成； 加强特征提取网络采用深度可分离卷积DW-PANet和spp层，进一步的加大感受野。

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西南大学，其通讯地址为：400715 重庆市北碚区天生路2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”。