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！

龙图腾网获悉北京建筑大学申请的专利融合多模态感知与智能决策的截流闸优化控制方法及系统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：CN121388548B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511476496.4，技术领域涉及：G06F18/213；该发明授权融合多模态感知与智能决策的截流闸优化控制方法及系统是由寇莹莹;陈醒;严陈玲;李雷;王晨;付文博;魏昊喆;张蕾;袁冬海设计研发完成，并于2025-10-16向国家知识产权局提交的专利申请。

本融合多模态感知与智能决策的截流闸优化控制方法及系统在说明书摘要公布了：本发明公开了融合多模态感知与智能决策的截流闸优化控制方法及系统，涉及截流闸控制领域，其方法包括获取多模态数据，包括截流闸污水井内的污水图像数据、水质检测数据、截流闸环境数据、以及截流闸设备状态数据，并进行预处理；将预处理后的多模态数据进行特征提取，生成特征状态向量；构建基于深度确定性策略梯度的强化学习模型并进行训练，所述基于深度确定性策略梯度的强化学习模型训练过程中集成领域知识奖励与课程学习机制；将特征状态向量输入训练好的基于深度确定性策略梯度的强化学习模型，输出截流闸控制结果。本发明能够更加精准的实现污水截流闸的阀门控制。

本发明授权融合多模态感知与智能决策的截流闸优化控制方法及系统在权利要求书中公布了：1.融合多模态感知与智能决策的截流闸优化控制方法，其特征在于，包括以下步骤： 获取多模态数据，包括截流闸污水井内的污水图像数据、水质检测数据、截流闸环境数据、以及截流闸设备状态数据，并进行预处理； 将预处理后的多模态数据进行特征提取，生成特征状态向量；其中，针对污水污水图像进行特征提取，具体包括： 获取预处理后的污水图像； 将预处理后污水图像输入训练好的图像识别模型，得到污水图像的水质参数特征；所述图像识别模型，包括： EfficientNet-B3骨干网络，用于提取输入污水图像的初始特征图； 卷积块注意力模块，用于对输入的初始特征图沿通道和空间两个维度依次生成注意力掩码特征，并得到加权特征图； 多任务输出模块，将加权特征图依次输入全局平均池化层、Dropout层、全连接层后，得到加权特征向量，所述加权特征向量输入多任务输出头得到污水图像中的水质参数数据； 所述卷积块注意力模块中，对输入的初始特征图沿通道和空间两个维度依次生成注意力掩码特征，并得到加权特征图，具体包括： 通道注意力操作： 将每个通道的初始特征图进行全局平均池化后输入多层感知机，得到全局平均池化向量； 将每个通道的初始特征图进行全局最大池化后输入多层感知机，得到全局最大池化向量； 将全局平均池化向量和全局最大池化向量进行逐元素相加，并将相加后的结果通过Sigmoid进行激活，得到通道注意力权重向量； 将通道注意力权重向量与初始特征图进行逐通道相乘，得到通道加权后的通道注意力掩码特征图； 空间注意力操作： 将通道注意力掩码特征图沿通道维度进行平均池化，得到第一空间特征图； 将通道注意力掩码特征图沿通道维度进行最大池化，得到第二空间特征图； 将第一空间特征图和第二空间特征图沿通道维度进行拼接，得到拼接特征图； 利用标准卷积层对拼接特征图进行卷积操作，并将卷积结果通过Sigmoid进行激活，得到空间注意力权重矩阵； 将空间注意力权重矩阵与通道注意力掩码特征图进行逐空间位置相乘，得到最终的加权特征图； 构建基于深度确定性策略梯度的强化学习模型并进行训练，所述基于深度确定性策略梯度的强化学习模型训练过程中集成领域知识奖励与课程学习机制；具体包括： 将基于深度确定性策略梯度的强化学习模型训练过程按照多模态数据的种类划分为多个不同阶段； 初始阶段仅采用一种模态数据作为输入进行模型训练，逐步添加多模态数据的种类进行下一阶段的训练，且将前一阶段训练得到的模型参数作为下一阶段训练的模型参数初始值； 在每个阶段训练过程中，均采用集成领域的分层奖励函数；所述集成领域的分层奖励函数，具体包括： 基于当前水位与目标水位的偏差计算的奖励函数； 基于当前水质指标与目标指标的偏差或其改善趋势计算的奖励函数； 以及基于闸门动作幅度的平滑性计算的奖励函数； 将特征状态向量输入训练好的基于深度确定性策略梯度的强化学习模型，输出截流闸控制结果。

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北京建筑大学，其通讯地址为：102616 北京市大兴区黄村镇永源路15号北京建筑大学；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。