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！

龙图腾网获悉西南林业大学申请的专利一种基于可见光的户外地表大气温度预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：CN119620249B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411704726.3，技术领域涉及：G01W1/17；该发明授权一种基于可见光的户外地表大气温度预测方法是由郭致昌;解林坤;戴杨;王冬设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本一种基于可见光的户外地表大气温度预测方法在说明书摘要公布了：本发明公开了一种基于可见光的户外地表大气温度预测方法，包括训练样本构建、模型构建和地表温度预测三步，首先采集自然光照射下的地表图像数据，并采集对应时刻图像区域中心点地表大气的温度数据，采用留出法构建训练样本；其次，采用CNN‑GRU网络提取图像特征，输入到由全连接神经网络构成的回归网络，使用训练样本训练地表大气温度预测模型；最后进行模型参数调优，利用训练后的模型逐时对地表大气温度进行预测。本发明通过提取地表可见光图像特征进行地表温度预测，采用迁移学习方法将模型快速应用到相近地貌区域实施地表大气温度预测，降低了物联网系统的成本，扩展了深度学习方法在地表温度监测中的应用，增强了可见光摄像头的感知能力。

本发明授权一种基于可见光的户外地表大气温度预测方法在权利要求书中公布了：1.一种基于可见光图像的户外地表大气温度预测方法，其特征在于，包括以下步骤： S1、构建训练数据集： 数据获取：采用可见光摄像头采集户外环境中地表反射的可见光辐射数据，即可见光图像，并用温度传感器采集与对应图像区域中心位置地表大气温度； S2、数据分类标签、数据准备和目标温度设定的组合； 数据预处理： 按环境气象信息赋予图像分类标签， 类别标签1：按日出日落的自然规律将采集的图像按时段划分为分为早晨低光照、中高光照和傍晚低光照3种光照类别，分别加上IA、IB、IC标签； 类别标签2：按照24节气日期将数据集划分为S1、S2、...S24； 数据准备：t为图像采样周期，设置参数N和M，表示采用连续的N*t时间范围内的N幅图像，预测后续M*t时间的温度；t0表示N幅图像的最后1幅图像时间，采用时间窗口[t0-N-1*t,t0]的图像数据作为模型可见光图像的输入； 训练数据目标温度：计算t0+M*t时间范围内的平均温度，计算结果作为训练数据的目标温度； 式中，N1，M≥0；当M＝0表示期望输出t0时刻的温度，当M＞0表示期望输出t0+M*t时刻的温度； 温度预测数据集划分：采用留出法构建训练样本，将采集数据的80％作为训练数据集，剩下的20％作为测试数据集； S3、模型构建：采用CNN-GRU、Embedding和回归网络共同构成温度预测模型，其中，采用CNN-GRU网络提取可见光图像中的光照特征；采用Embedding将气象特征分类映射到固定长度的特征空间；采用包含3个隐藏层的全连接神经网络和1个输出节点构建温度回归神经网络，并用学习率为lr＝0.001的adam优化回归神经网络，然后使用训练样本训练地表大气温度预测模型； S4、模型参数调优：设置温度误差阈值参数α和β，此处α＝0.2℃、β＝3℃，根据需要调整；使用测试数据评估模型预测效果，模型输出预测的温度为x，实际温度为y，当|x-y|≤α,则预测的温度是正确的，否则是错误的；当|x-y|≥β，则表示预测值偏离过大，需要进行优化；从训练数据集中，检索出该时刻前后10分钟图像数据，采用图像旋转、翻转等方式扩增训练样本，再对模型进行训练； S5、实际带入预测： 数据预处理：按S1中的标签同样的方法赋予分类标签1和分类标签2，按S1中相同的参数N和M进行数据准备； 温度预测：加载S3优化后的模型参数，输入预处理数据，输出结果为预测的目标时刻温度。

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林业大学，其通讯地址为：650224 云南省昆明市白龙寺300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。