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！

龙图腾网获悉国家海洋环境预报中心申请的专利一种卫星云图海上天气系统识别方法、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：CN119919831B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202510405266.2，技术领域涉及：G06V20/13；该发明授权一种卫星云图海上天气系统识别方法、装置、设备及介质是由苏博;王明清;王九江;于文灏设计研发完成，并于2025-04-02向国家知识产权局提交的专利申请。

本一种卫星云图海上天气系统识别方法、装置、设备及介质在说明书摘要公布了：本申请公开了一种卫星云图海上天气系统识别方法、装置、设备及介质，涉及海上天气系统识别技术领域，该方法包括：预先以历史卫星云图作为输入，以历史卫星云图中的海上天气系统的位置信息作为标签，对深度学习网络模型进行训练，得到训练好的海上天气系统识别模型，在实际应用中，获取分析区域的卫星云图，分析区域包括海洋区域，以卫星云图作为输入，利用训练好的海上天气系统识别模型对卫星云图中的海上天气系统进行标注，以对卫星云图中的海上天气系统进行识别，本申请能够快速、准确、自动的识别卫星云图中的海上天气系统。

本发明授权一种卫星云图海上天气系统识别方法、装置、设备及介质在权利要求书中公布了：1.一种卫星云图海上天气系统识别方法，其特征在于，所述卫星云图海上天气系统识别方法包括： 获取分析区域的卫星云图；所述分析区域包括海洋区域；所述卫星云图包括可见光云图和红外云图； 以所述卫星云图作为输入，利用训练好的海上天气系统识别模型对所述卫星云图中的海上天气系统进行标注，以对所述卫星云图中的海上天气系统进行识别；其中，所述训练好的海上天气系统识别模型是以历史卫星云图作为输入，以历史卫星云图中的海上天气系统的位置信息作为标签，对深度学习网络模型进行训练所得到的模型；历史卫星云图中的海上天气系统的位置信息通过历史海上天气系统分布图表征，所述历史海上天气系统分布图是对历史地面天气分析图和历史500hPa位势高度图中的海上天气系统进行标注所生成的；所述海上天气系统包括高压中心、低压中心、副热带高压区域、低压槽线、高压脊线和赤道辐合带； 所述深度学习网络模型采用改进后的RT-DETR模型，改进后的RT-DETR模型是对RT-DETR模型进行改进所得到的模型，改进包括：将RT-DETR模型的骨干网络中的卷积层替换为空间和通道重建卷积层，令RT-DETR模型的颈部网络使用特征金字塔网络，并将所述特征金字塔网络中的卷积层替换为空间和通道重建卷积层；骨干网络输出的第三、四、五层特征图分别记为FP3、FP4、FP5，将这些特征图的通道数统一调整到256，得到FP3_Later、FP4_Later、FP5_Later，采用最近邻插值法对FP5_Later进行上采样，得到upsampled_FP5，并与FP4_Later进行横向连接，得到融合后的merged_FP4，对merged_FP4进行上采样并与FP3_Later进行横向连接，得到融合后的merged_FP3，输出多尺度特征图，将多尺度特征图输入颈部网络，输出多尺度特征； 在对深度学习网络模型进行训练时，所用的损失函数包括分类损失函数和边界框回归损失函数，具体对所述分类损失函数和所述边界框回归损失函数进行加权求和，得到总损失，所述分类损失函数采用交叉熵函数，所述边界框回归损失函数采用SmoothL1函数； 总损失的计算公式为： ； 其中，为总损失；为超参数；为分类损失；为边界框回归损失； 分类损失的计算公式为： ； 其中，为样本的数量；为类别的数量；为一个指示变量，如果样本的真实类别是，则，否则，；为模型预测样本属于类别的概率； 边界框回归损失的计算公式为： ； 其中，为样本的数量；为中心点坐标，为宽度，为高度；为SmoothL1函数；为模型预测的边界框参数；为真实的边界框参数。

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国家海洋环境预报中心，其通讯地址为：100081 北京市海淀区大慧寺8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”。