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！

龙图腾网获悉安徽农业大学申请的专利基于多模态数据融合与深度学习的蓝藻水华监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：CN120411797B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202510924750.6，技术领域涉及：G06V20/10；该发明授权基于多模态数据融合与深度学习的蓝藻水华监测方法是由侯智超;王永梅;徐峰;吴海涛;张奥运;范子健;李怡霄;张世豪设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。

本基于多模态数据融合与深度学习的蓝藻水华监测方法在说明书摘要公布了：本申请实施例适用于计算机视觉的环境监测领域，提供了基于多模态数据融合与深度学习的蓝藻水华监测方法，在监测方法中，将获取的初始数据进行预处理后，引入变异点检测以降低人为因素干扰，减少计算量，并增强模型自适应性；利用卷积神经网络CNN提取多层特征，并将特征输入长短期记忆网络LSTM进行时间序列建模，提升模型性能，在此基础上，融合CNN和LSTM的特征，进一步提高模型准确率；最后，再次引入变异点检测，利用丰富的特征信息和多模态互补性，增强图像关键信息，提高检测精度和模型鲁棒性。本申请实施例的监测方法突破传统方法时空特征割裂的局限，显著提升预测连贯性与准确性，为蓝藻水华预警提供高可靠性支撑。

本发明授权基于多模态数据融合与深度学习的蓝藻水华监测方法在权利要求书中公布了：1.基于多模态数据融合与深度学习的蓝藻水华监测方法，其特征在于，包括以下步骤： 步骤S1、利用多光谱相机采集蓝藻分布区域的反射光和散射光，结合红外热成像技术进行多光谱融合，生成图像数据； 步骤S2、将图像数据作为改进FAST算法的输入，得到候选变异点，基于动态阈值筛选候选变异点并通过DBSCAN聚类剔除孤立噪声点，输出空间密集分布的关键区域； 步骤S3、基于筛选的关键区域，融合可见光纹理特征与红外热成像温度梯度生成联合特征图，筛选出异常区域； 步骤S4、基于异常区域利用卷积神经网络提取空间特征，并结合长短期记忆网络对时间序列建模输出时序特征，结合空间-时间注意力机制动态计算权重，基于计算的权重加权融合空间特征和时序特征； 步骤S5、引入单类支持向量机对融合特征进行异常点识别，并构建基于注意力机制的双向时空预测网络，在构建的预测网络中，通过多头自注意力机制提取全局时空依赖关系，按正逆时序解码特征，生成蓝藻密度分布预测值，得到预测结果； 步骤S6、结合蓝藻分布区域的历史数据与预测结果，生成用于可视化分析的蓝藻扩散趋势的时空演化图。

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安徽农业大学，其通讯地址为：230036 安徽省合肥市蜀山区长江西路130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。