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！

龙图腾网获悉淮阴工学院申请的专利一种基于多模态数据的工厂管道的烟雾和火焰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：CN117078632B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202311052477.X，技术领域涉及：G06T7/00；该发明授权一种基于多模态数据的工厂管道的烟雾和火焰检测方法是由姜程文;蓝庆华;徐凯;戴庆生;于捷;柯永斌;孙靖康;孙攀峰;谢田;邹佳明;刘玉祥设计研发完成，并于2023-08-21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的工厂管道的烟雾和火焰检测方法在说明书摘要公布了：本发明公开了一种基于多模态数据的工厂管道的烟雾和火焰检测方法，获取不同类型烟雾和火焰的多模态数据，并进行预处理；对于可见图像部分采用SIFT描述符和SURF描述符提取图像局部特征点，通过融合两种描述符提取视觉特征；对于红外图像使用梯度模式提取方法；对于烟雾数据，直接使用烟雾浓度特征作为模型输入；先使用逐元素操作将两种图像进行数据融合，再使用注意力机制对融合后的数据进行加权；经过多模态数据融合后，使用混合模型融合后的特征和烟雾数据输送到Yolov7算法的输入端进行目标检测。本发明将可见光摄像头和红外摄像头的多模态数据进行融合，并通过特征增强提高工厂管道烟雾和火焰检测的准确性和可靠性。

本发明授权一种基于多模态数据的工厂管道的烟雾和火焰检测方法在权利要求书中公布了：1.一种基于多模态数据的工厂管道的烟雾和火焰检测方法，其特征在于，包括以下步骤： 1预先获取工厂管道内不同类型烟雾和火焰的多模态数据，并对多模态数据进行预处理； 2将不同类型的数据转换为适合于YOLOv7输入的格式； 3对于可见图像部分采用SIFT描述符和SURF描述符提取图像局部特征点，计算对应的特征描述符，通过融合两种描述符提取视觉特征； 4对于红外图像使用梯度模式提取方法，通过捕获图像中的纹理计算边缘信息，提取红外图像中的热点和物体边界； 5对于烟雾数据，直接使用烟雾浓度特征作为模型输入； 6先使用逐元素操作将两种图像进行数据融合，再使用注意力机制对融合后的数据进行加权； 7在经过多模态数据融合后，使用混合模型融合后的特征和烟雾数据输送到Yolov7算法的输入端进行目标检测，即对工厂管道中的烟雾和火焰进行检测； 所述步骤3实现过程如下： 可见图像部分采用SIFT描述符和SURF描述符提取图像局部特征点，并计算对应的特征描述符，通过融合两种描述符的各自优点，进一步提取视觉特征： 式中，weight表示权重函数，用于加权不同位置像素的贡献，x',y'为原始图像x,y经过仿射变换后的新坐标，s表示特征点的尺度了，gradmagnitude表示像素的梯度强度，gradorientation表示像素的梯度方向，gradmatrix表示像素的Hessian矩阵，包括二阶偏导数信息； 使用神经网络进行特征提取融合，具体的操作过程包括前向传播和损失函数的计算；首先，构建神经网络架构，接收SIFT和SURF特征描述符作为输入层；设定一个隐藏层，包含一定量的神经元数量和激活函数；最后生成融合后的特征描述符作为输出层；选择的SIFT特征描述符为SIFTdata＝[sift1,sift2,...siftn]，选择的SURF特征描述符为SURFdata＝[surf1,surf2,...surfn]，设定神经网络的输入为IN，其中IN＝[SIFT,SURF]表示将SIFT和SURF特征描述符连接在一起作为输入；神经网络的输出为OUT，前向传播的计算公式为： 式中，Z1表示隐藏层输入，A1表示隐藏层激活函数，Z2表示输出层输入，OUT表示输出层激活函数，w1和w2分别表示隐藏层和输出层的权重矩阵，b1和b2分别表示隐藏层和输出层的偏置向量，activation_function表示激活函数； 选择交叉熵损失函数来度量神经网络输出与目标输出之间的差异，假设神经网络模型输出为OUTpred，表示模型对两个类别的预测概率，真实概率为OUTtrue，表示特征描述符的真实类别，其计算式为： 式中，N表示样本数量；当OUTtrue＝1时，第一个对交叉熵损失做贡献，此时交叉熵损失越小，表示神经网络模型对融合后的特征描述预测概率OUTpred越接近1，预测越准确； 通过前向传播算法来更新神经网络模型的权重和偏置，以最小化损失函数，再从输出层得到融合后的特征值，其计算式为： 通过神经网络模型的训练和参数的调整得到融合后的特征值V。

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淮阴工学院，其通讯地址为：223000 江苏省淮安市经济技术开发区枚乘东路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。