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！

龙图腾网获悉中交第一公路勘察设计研究院有限公司申请的专利公路边坡滑坡碎屑流灾害识别方法、装置、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：CN121746939B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610238919.7，技术领域涉及：G06V20/10；该发明授权公路边坡滑坡碎屑流灾害识别方法、装置、设备及介质是由王君鹭;董长松;曹升亮;富志鹏;李震;田清朕;杨耘设计研发完成，并于2026-02-28向国家知识产权局提交的专利申请。

本公路边坡滑坡碎屑流灾害识别方法、装置、设备及介质在说明书摘要公布了：本发明涉及地质灾害识别领域，特别是一种公路边坡滑坡碎屑流灾害识别方法、装置、设备及介质。本发明通过高山峡谷区公路边坡高空间分辨率光学遥感影像以及同一区域的DEM数据，通过跨模态循环融合模块实现光学影像的光谱特征与DEM高程特征的深度融合，能够同时捕捉滑坡碎屑流的纹理破坏和地表形变信息。同时，当光学影像被云雪严重覆盖时，DEM数据分支可以作为一个独立的数据源进行识别，保证了识别工作的连续性和稳定性。本发明有机的结合了两种不同模态且信息互补的遥感数据，提高了滑坡碎屑流地质灾害识别的准确率，能够满足对高山峡谷区公路沿线、重大工程区灾害点进行快速普查的需求，可减少人为工作量，并提高作业效率。

本发明授权公路边坡滑坡碎屑流灾害识别方法、装置、设备及介质在权利要求书中公布了：1.一种公路边坡滑坡碎屑流灾害识别方法，其特征在于，包括以下步骤： S1：将高山峡谷区中待识别滑坡碎屑流的遥感数据输入到预训练的滑坡碎屑流灾害区域识别网络；其中，所述遥感数据包括高空间分辨率光学影像以及同一时期的DEM数据；所述高空间分辨率光学影像为空间分辨率≤5米； S2：所述滑坡碎屑流灾害区域识别网络输出所述待识别的滑坡碎屑流识别结果；所述滑坡碎屑流识别结果包括滑坡碎屑流对应灾害区域的边界以及面积； 其中，所述滑坡碎屑流灾害区域识别网络包括双分支编码器、跨模态循环融合模块以及残差注意力解码器； 所述双分支编码器用于分别提取高空间分辨率光学影像与DEM数据的特征；所述双分支编码器包括两个并行的门控循环上下文模块；所述门控循环上下文模块包括依次连接的门控单元和上下文感知单元，用于通过门控机制自适应融合遥感数据的多尺度上下文信息； 所述跨模态循环融合模块用于融合高空间分辨率光学影像与DEM数据的特征，生成双模态特征； 所述残差注意力解码器用于根据双模态特征对所述待识别滑坡碎屑流进行识别； 所述跨模态循环融合模块包括对比共享融合模块以及一致特征表示模块；包括以下处理步骤： 所述对比共享融合模块： 其中，为融合后的多模态权重信息，C为共享卷积函数，为训练互补参数；Wi和Wj为输入的第i和j模态参数；E为融合度量函数； 所述一致特征表示模块： 其中，W为提取的对比特征，为输出的一致特征图，σ和是激活函数，以及是训练一致性参数，F为特征提取处理函数，R为信息重建函数； 所述对比共享融合模块还包括双向交叉注意力机制； 所述双向交叉注意力机制包括两条注意力机制分支；分别以所述高空间分辨率光学影像以及所述DEM数据为主导，进行权重提取；并对提取的权重图进行融合处理；其表达式为： 分支一： 其中，和分别是第i模态和第j模态经过共享卷积模块处理后的特征图，是模态i在查询矩阵的线性投影矩阵，、分别是模态j在键矩阵和值矩阵的线性投影矩阵；是模态i生成的查询矩阵，是模态j生成的键矩阵，是模态j生成的值矩阵；代表对进行矩阵转置处理；是缩放因子；是归一化函数；是分支一的注意力权重矩阵；是分支一的注意力输出特征序列，是层归一化函数，表示增强后的第i模态的特征； 分支二： 其中，是模态j在查询矩阵的线性投影矩阵，、分别是模态i在键矩阵和值矩阵的线性投影矩阵；是模态j生成的查询矩阵，是模态i生成的键矩阵，是模态i生成的值矩阵；代表对进行矩阵转置处理；是分支二的注意力权重矩阵；是分支二的注意力输出特征序列，表示增强后的第j模态的特征； 特征融合： 其中，表示特征拼接，E为融合度量函数。

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中交第一公路勘察设计研究院有限公司，其通讯地址为：710000 陕西省西安市高新区科技四路205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。