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！

龙图腾网获悉延安大学申请的专利基于多源数据融合的林栖野生动物智能监测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：CN121660505B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610162480.4，技术领域涉及：G06Q10/0637；该发明授权基于多源数据融合的林栖野生动物智能监测方法及系统是由朱梦炎;南博文;马咪咪;王娟;高晨轩;朱建罡;刘耀国;党翠英设计研发完成，并于2026-02-05向国家知识产权局提交的专利申请。

本基于多源数据融合的林栖野生动物智能监测方法及系统在说明书摘要公布了：本发明公开了一种基于多源数据融合的林栖野生动物智能监测方法及系统，涉及野生动物监测与生态保护领域，本发明方法通过布设地面红外相机网络、无人机多传感器巡检平台并接入卫星遥感数据，构建一体化监测体系。系统利用边缘计算节点对红外数据进行实时分析并触发无人机应急响应，实现了对重点事件的快速跟踪。通过对多源影像数据进行像素级时空对齐与跨模态特征融合，并输入目标检测模型，实现物种与行为的精准识别。同时，将多光谱与地理环境数据网格化对齐后，输入栖息地分析模型，生成栖息地适宜性概率图。通过综合关联分析物种分布与栖息地质量，自动生成保护决策支持信息。本发明实现了全天候、全空间、智能化的野生动物监测与保护响应。

本发明授权基于多源数据融合的林栖野生动物智能监测方法及系统在权利要求书中公布了：1.一种基于多源数据融合的林栖野生动物智能监测方法，其特征在于，包括： 步骤1：获取林区的多源数据，所述多源数据包括地面红外图像数据、多模态图像数据、多光谱图像数据和地理环境数据，所述多模态图像数据包括可见光图像数据和热成像图像数据； 步骤2：基于所述地面红外图像数据，在检测到重点保护物种或异常活动事件时，生成应急响应指令并调度无人机飞往事发点位进行跟踪拍摄，获取实时多模态图像数据； 步骤3：将所述地面红外图像数据、所述多模态图像数据和所述实时多模态图像数据进行像素级的初步时空对齐后，输入预训练的目标检测模型，进行物种识别与行为分类； 步骤4：将所述多光谱图像数据和所述地理环境数据进行网格级的初步时空对齐后，输入预训练的栖息地分析模型，进行栖息地适宜性评估； 步骤5：根据物种识别与行为分类结果和栖息地适宜性评估结果，进行综合关联分析生成决策支持信息； 所述目标检测模型包括特征融合模块和目标检测模块； 所述特征融合模块采用双分支跨模态注意力网络结构，包括：隐式时空对齐模块、第一特征提取模块、第二特征提取模块和跨模态交叉注意力模块； 所述隐式时空对齐模块的输出端分别连接所述第一特征提取模块和所述第二特征提取模块的输入端，所述第一特征提取模块和所述第二特征提取模块的输出端均连接所述跨模态交叉注意力模块的输入端，所述跨模态交叉注意力模块的输出端连接所述目标检测模块的输入端； 初步对齐后的可见光图像数据、热成像图像数据和地面红外图像数据输入所述隐式时空对齐模块，所述隐式时空对齐模块利用可变形卷积层对输入的图像数据进行时空对齐；所述第一特征提取模块利用ResNet提取可见光图像和地面红外图像的视觉特征；所述第二特征提取模块基于MobileNetV3和温度注意力机制提取热成像图像的热特征；所述跨模态交叉注意力模块通过双向注意力机制实现所述视觉特征与所述热特征的交互增强，通过自适应门控单元融合增强后的视觉特征和热特征生成融合特征； 所述目标检测模块包括依次连接的骨干网络、颈部网络和检测头；所述骨干网络用于对接收的所述融合特征进行多尺度特征提取，得到多尺度特征；所述颈部网络用于对所述多尺度特征进行浅层细节特征与深层语义特征的提取和融合，得到增强多尺度特征；所述检测头用于根据所述增强多尺度特征预测输出物种识别和行为分类结果。

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延安大学，其通讯地址为：716000 陕西省延安市宝塔区圣地路580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。