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！

龙图腾网获悉成都理工大学;成理智源科技(成都)有限公司申请的专利基于梅尔谱图和轻量化神经网络的泥石流次声识别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：CN120823850B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511320629.9，技术领域涉及：G10L25/51；该发明授权基于梅尔谱图和轻量化神经网络的泥石流次声识别方法是由冷小鹏;王钰洁;吴强设计研发完成，并于2025-09-16向国家知识产权局提交的专利申请。

本基于梅尔谱图和轻量化神经网络的泥石流次声识别方法在说明书摘要公布了：本发明公开了一种基于梅尔谱图和轻量化神经网络的泥石流次声识别方法，属于图像数据处理领域，包括步骤：采集现场泥石流及其他事件产生的次声波信号生成梅尔谱图数据集；构造通道对齐融合桥；构造改进MBConv块；基于通道对齐融合桥和改进MBConv块构造泥石流次声识别网络；用梅尔谱图数据集训练得到泥石流次声识别模型，并用于待识别次声波信号的识别。本发明结合泥石流次声波的特点，将数据集中样本构造为次声梅尔谱图，并基于多阶段轻量化特征提取模块设计泥石流次声识别网络，对次声梅尔谱图进行分类识别，能有效降低计算复杂度、减少参数量，以适配低功耗的设备，且能提高分类的准确性，尤其适用于泥石流实时预警的场景。

本发明授权基于梅尔谱图和轻量化神经网络的泥石流次声识别方法在权利要求书中公布了：1.一种基于梅尔谱图和轻量化神经网络的泥石流次声识别方法，其特征在于，包括以下步骤： S1，生成梅尔谱图数据集D，包括S11~S13； S11，采集现场泥石流及其他事件产生的次声波信号； S12，对每个次声波信号，先预处理再转换为次声梅尔谱图； S13，对次声梅尔谱图进行类别标注，得到样本，所有样本构成梅尔谱图数据集D，其中类别包括泥石流和噪声； S2，构造一通道对齐融合桥； 包括依次设置的通道对齐卷积层、基底特征提取层、控制信号生成层、通道注意力层、残差混合融合层； 所述通道对齐卷积层用于对输入其中的特征按步长1或2进行卷积操作，将通道对齐至预设通道数，再归一化处理得到对齐特征； 所述基底特征提取层用于识别通道对齐卷积层的步长，步长为2时将对齐特征下采样得到基底特征X_base，步长为1时将对齐特征作为基底特征X_base； 所述控制信号生成层用于对X_base执行全局平均池化和Sigmoid函数操作，生成控制信号α； 所述通道注意力层用于对X_base执行通道注意力，生成通道注意力特征Z； 所述残差混合融合层用于根据公式Y=X_base+γZ-X_base，生成通道对齐融合桥的输出特征Y，式中γ为残差融合因子； S3，构造一改进MBConv块； 在MBConv块的主计算支路前端设置一轻量门控单元得到改进MBConv块，所述轻量门控 单元用于对输入主计算支路的输入特征生成一门控信号β并与逐元素相乘得到 门控特征送入主计算支路中； S4，构造一泥石流次声识别网络，包括卷积前导层、多阶段轻量化特征提取模块和分类输出层； 所述卷积前导层用于依次对样本进行卷积和批归一化操作，得到第一特征F1； 所述多阶段轻量化特征提取模块用于输入F1，输出第二特征F2，它从前到后包括10层结构，其中第2、8、9层为Ghost模块，第3、10层为改进MBConv块，其余层为MBConv块； 当Ghost模块上一层为MBConv块时，将所述MBConv块和Ghost模块分别标记为A1和A2，二者通过通道对齐融合桥连接，A1的输出特征作为A2的输入特征，A1的控制信号α用于调整Ghost模块中主卷积特征图集合Yprim和廉价特征图集合Ycheap的比例，其余相邻层直接连接； 所述分类输出层用于输入F2，输出对应样本的预测类别； S5，用梅尔谱图数据集D训练泥石流次声识别网络，得到泥石流次声识别模型； S6，获取待识别的次声波信号，按S12转换为次声梅尔谱图，送入泥石流次声识别模型中，得到预测输出。

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成都理工大学;成理智源科技(成都)有限公司，其通讯地址为：610059 四川省成都市成华区二仙桥东三路1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。