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！

龙图腾网获悉昆明理工大学申请的专利一种森林火灾烟雾探测方法和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：CN116152662B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202310159924.5，技术领域涉及：G06V20/10；该发明授权一种森林火灾烟雾探测方法和系统是由舒佳乐;金越;李甲未;邹宇;贺诤扬设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。

本一种森林火灾烟雾探测方法和系统在说明书摘要公布了：本发明公开了一种森林火灾烟雾探测方法和系统，方法包括：获取森林图像；将所述森林图像输入预先训练的森林烟雾检测模型，得到含有烟雾的森林图像，其中，所述森林烟雾检测模型包括长距离依赖关系模型、全局视觉注意力模型和薄雾干扰自动消除模型；将含有烟雾的森林图像输入预先训练的森林烟雾浓度估计模型；根据所述森林烟雾浓度估计模型的输出，确定森林烟雾浓度及预警措施。本发明能够快速、准确和高效地对森林火灾进行及时监测和灾情预警。

本发明授权一种森林火灾烟雾探测方法和系统在权利要求书中公布了：1.一种森林火灾烟雾探测方法，其特征在于，包括： 获取森林图像； 将所述森林图像输入预先训练的森林烟雾检测模型，得到含有烟雾的森林图像，其中，所述森林烟雾检测模型包括长距离依赖关系模型、全局视觉注意力模型和薄雾干扰自动消除模型； 将含有烟雾的森林图像输入预先训练的森林烟雾浓度估计模型； 根据所述森林烟雾浓度估计模型的输出，确定森林烟雾浓度及预警措施； 所述长距离依赖关系模型的搭建方法包括： 对含有烟雾的森林图像进行金字塔池化处理，得到一系列不同尺度的编码特征图，对每个尺度的编码特征图进行序列化分块，为每个分块生成位置编码特征，然后将分块特征和位置编码特征进行融合，得到融合特征； 将来自同一尺度的融合特征作为Transformer自注意力机制网络结构中的Query、Key和Value特征，实现同一尺度内的自注意力机制，得到同一尺度内的自注意力特征； 将来自不同尺度的融合特征作为Transformer自注意力机制网络结构中的Query、Key和Value特征，实现不同尺度的交叉注意力机制，得到不同尺度的交叉注意力特征； 将同一尺度内的自注意力特征和不同尺度的交叉注意力特征进行融合，解码还原成不同尺度的空间特征图； 所述全局视觉注意力模型的搭建方法包括： 运用全局类别嵌入注意力模块，对含有烟雾的森林图像进行图像卷积、图像归一化、图像激活和图像池化处理，得到类别比率特征图； 运用烟雾像素比例先验生成模块，用正负样本先验嵌入的注意力网络结构和烟雾像素占比监督方法，监督所述类别比率特征和真实标签生成的正负样本比率图，得到完善后的类别比率特征图； 运用全局类别嵌入注意力模块将所述完善后的类别比率特征图和输入特征图进行加权融合，获得融合后的样本特征图； 基于所述融合后的样本特征图，运用空间通道混合注意力模块设计在通道、水平和垂直方向上的烟雾外观注意力机制，通过不同注意力机制生成烟雾形态特征图； 采用自适应融合方法和多头监督方法将不同注意力机制生成的烟雾形态特征图进行融合，建立出全局视觉注意力模型； 所述薄雾干扰自动消除模型的搭建方法包括： 计算有雾图像的最小颜色通道，公式为： ； 式中，表示有雾图像I的任意一个颜色通道； 按升序方式对有雾图像的最小颜色通道中的局部图像块中的像素值进行排序，得到通道最小化值排序的框架； 基于通道最小化值排序的框架，针对森林薄雾的特点，通过去雾先验方法，建立出薄雾干扰自动消除模型； 所述森林烟雾检测模型依据长距离依赖关系模型、全局视觉注意力模型和薄雾干扰自动消除模型复合并改进Transformer自注意力模型得到。

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昆明理工大学，其通讯地址为：650500 云南省昆明市呈贡区景明南路727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。