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！

龙图腾网获悉南京邮电大学申请的专利基于深度和亮度信息的雾霾能见度检测方法、设备及介质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：CN120067992B 。

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：202510225733.3，技术领域涉及：G06F18/25；该发明授权基于深度和亮度信息的雾霾能见度检测方法、设备及介质是由刘泽众;成孝刚;任高远;汪晗;李翔;蒋健;陆奇;宋丽敏设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本基于深度和亮度信息的雾霾能见度检测方法、设备及介质在说明书摘要公布了：基于深度和亮度信息的雾霾能见度检测方法、设备及介质，用于雾天能见度检测，提出一种综合利用图像数据和气象数据的多模态能见度检测模型，该模型同时将图像数据和气象数据作为输入，通过并行网络结构，将两种模态的数据分别送入不同的通道提取各自的特征，然后将二者特征进行融合，共同反演能见度值。本发明通过构建多模态能见度检测模型将视觉信息与环境参数相结合，并引入深度信息和亮度信息优化模型设计，提升模型的准确性和鲁棒性，能够更精确可靠地检测能见度。

本发明授权基于深度和亮度信息的雾霾能见度检测方法、设备及介质在权利要求书中公布了：1.基于深度和亮度信息的雾霾能见度检测方法，用于雾霾情况下的能见度检测，其特征是包括以下步骤： S1：对待测能见度场景采集不同能见度条件下的图像数据，同时并行收集与图像时间相对应的气象数据以及能见度真值，构建数据集； S2：构建能见度检测模型，包括图像数据源通道、气象数据源通道和特征融合模块，图像数据源通道和气象数据源通道为并行结构，同时将图像数据和气象数据作为输入，通过并行网络结构，将两种模态的数据分别送入不同的通道提取各自的特征，然后将二者特征通过特征融合模块进行融合，共同反演得到能见度值； 其中，图像数据源通道提取特征时，采用ViT模型作为主干网络，并在ViT模型的自注意力机制中引入深度信息，得到深度信息驱动的逐层自注意力机制DDLSelf-Attention，图像数据源通道提取特征具体为： 获取图像的深度图，深度图根据ViT模型的处理划分为个图像块，对每个图像块的深度值进行指数变换得到深度加权因子，为图像块索引，为控制权重放大的超参数； 将所有图像块的深度加权因子构造为深度加权矩阵，矩阵每一行均为： 在ViT模型逐层编码器的堆叠中，引入动态调整因子模拟人类视觉感知能见度时注意力的变化过程，使得远景的图像块在深层中逐渐获得更多的注意力，第层编码器的动态调整因子为： 其中，为编码器的总层数，表示当前编码层索引，是控制动态调整因子的超参数； 得到第层编码器的深度加权矩阵为： 在每一层编码器中基于深度加权矩阵调整自注意力计算结果，每层编码器的自注意力机制DDLSelf-Attention如下： 其中，分别表示查询、键和值向量，表示转置，为嵌入向量维度，为注意力分数矩阵，为深度加权矩阵； 基于DDLSelf-Attention，通过ViT模型的编码器提取图像特征的计算过程如下： 其中，表示层归一化，表示第层编码器的输入，表示DDLSelf-Attention机制，表示编码器中间层的输出，表示前馈层，表示第层编码器的输出； 经过多层ViT编码器的堆叠，将最后一层ViT编码器的输出通过全局平均池化得到最终全局特征表示： 其中表示最后一层ViT编码器输出的特征向量，即为提取的图像特征； S3：基于数据集对构建的能见度检测模型进行训练、验证和测试； S4：模型部署，输入实时画面进行能见度检测。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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。