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！

龙图腾网获悉中国科学院合肥物质科学研究院申请的专利一种基于多模态数据处理的污水排口AI智能实时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：CN119720079B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411761841.4，技术领域涉及：G06F18/25；该发明授权一种基于多模态数据处理的污水排口AI智能实时监测方法是由王焕钦;郭政;虞发军;黄义庚;周纪彤;黄舸航;雷小琦设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本一种基于多模态数据处理的污水排口AI智能实时监测方法在说明书摘要公布了：本发明涉及一种基于多模态数据处理的污水排口AI智能实时监测方法，包括：采集污水数据并进行预处理，得到污水数据集；对污水数据集进行标注和划分；构建FusionTransformer‑Net模型并训练；获取待监测污水数据并进行预处理，将预处理后的待监测污水数据输入训练后的模型，得到实时监测结果。本发明具有成本低，精度高，连续性强、实时性好的优点；使用深度学习算法对污水排放口多模态信息进行实时识别，鲁棒性强，可对各类污水口识别，适用范围广；使用后端云平台对识别结果进行存储，对污水口信息进行可视化处理，同时对污水信息进行智能分析，具有直观性强的优点；不仅可以监测污水排口，通过更换数据集可实现对其他目标的监测。

本发明授权一种基于多模态数据处理的污水排口AI智能实时监测方法在权利要求书中公布了：1.一种基于多模态数据处理的污水排口AI智能实时监测方法，其特征在于：该方法包括下列顺序的步骤： 1采集多模态污水数据并进行预处理：所述多模态污水数据包括污水图像、污水多光谱数据和污水传感器数据，预处理后的多模态污水数据组成多模态污水数据集； 2使用半监督深度学习网络模型对多模态污水数据集进行标注，随机进行划分，得到训练集、测试集和验证集； 3构建FusionTransformer-Net模型；FusionTransformer-Net模型包括特征提取模块、多模态融合模块、融合处理模块和预测模块； 所述特征提取模块使用VisionTransformer即ViT提取图像全局特征、使用1DSwinTransformer提取光谱特征、使用TimeSeriesTransformer即TST处理时间序列传感器数据； 所述多模态融合模块使用共享嵌入空间即SharedEmbeddingSpace将图像、光谱数据和传感器数据特征分别映射到同一维度的向量空间；接着使用Cross-AttentionTransformer即CAT进行跨模态特征交互，以图像特征为Query，光谱特征和传感器特征分别为Key和Value，生成图像增强的光谱和传感器数据特征，再以光谱特征为Query，再次交互以生成融合后的高维特征表示，最后使用4层多层交互，保证模态间的深度信息传递；对于所述多模态融合模块中的Cross-AttentionTransformer，在每一层的Cross-AttentionTransformer中为每个模态添加一个可学习的权重系数以调节模态的重要性，每个模态是指图像、光谱、传感器中的任意一种，将每个模态的特征乘以该权重系数后输入到多头注意力机制中； 所述融合处理模块首先将多个模态的交互后的特征进行拼接，形成最终的融合特征向量，接着使用前馈神经网络提取融合特征的高层次信息，在前馈神经网络中使用Swish激活函数代替传统的激活函数，通过使用残差连接保证梯度流畅； 所述预测模块使用全连接层对特征向量进行计算预测，实现污水分类任务；对于回归预测，使用4层前后叠加的全连接层和激活函数对特征向量进行计算预测，实现水质参数数值预测的回归任务； 4将训练集输入FusionTransformer-Net模型进行训练，得到训练后的FusionTransformer-Net模型； 5获取待监测污水数据并进行预处理，将预处理后的待监测污水数据输入训练后的FusionTransformer-Net模型，得到实时监测结果，同时将实时监测结果和待监测污水数据发送至半监督深度学习网络模型进行进一步学习优化。

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中国科学院合肥物质科学研究院，其通讯地址为：230000 安徽省合肥市蜀山区蜀山湖路350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。