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！

龙图腾网获悉中国海洋大学三亚海洋研究院;中国海洋大学;三亚海洋实验室申请的专利基于机器学习的模式数据中内孤立波识别与振幅反演方法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：CN120375208B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510865139.0，技术领域涉及：G06V20/10；该发明授权基于机器学习的模式数据中内孤立波识别与振幅反演方法是由黄晓冬;赵玮;黄思玮;杨运超;史一帆设计研发完成，并于2025-06-26向国家知识产权局提交的专利申请。

本基于机器学习的模式数据中内孤立波识别与振幅反演方法在说明书摘要公布了：本发明涉及一种基于机器学习的模式数据中内孤立波识别与振幅反演方法，属于海洋观测技术领域。本发明结合Mask‑RCNN和变分自编码器，首先对海表面高度数据进行预处理和图像化，通过局部二值模式算法提取纹理特征，构建标注数据集并进行模型训练，从中识别内孤立波条纹及其位置；再通过温度场数据的提取与处理，利用变分自编码器反演水深处的温度场；基于内波识别结果提取温度场中内孤立波的振幅。本发明能够高效、精确地处理大规模、精细化的海洋模式数据，显著提高了数据处理的效率和准确性。本发明具有广泛的应用前景，特别是在海洋灾害预警、海洋科学研究及内波动力学研究中，可大幅提升内波的自动化识别与振幅提取能力。

本发明授权基于机器学习的模式数据中内孤立波识别与振幅反演方法在权利要求书中公布了：1.一种基于机器学习的模式数据中内孤立波识别与振幅反演方法，其特征在于，包括以下步骤： S1：在模式数据中提取所需位置的海表面高度数据，并进行预处理与图像化； S2：对S1得到的图像进行内波条纹标注，构建得到数据集； S3：针对S2中的内波条纹标注数据进行处理与修正； S4：构建Mask‑RCNN图像分割模型，所述Mask R‑CNN是在Faster R‑CNN基础上，将目标检测划分为区域生成和分类两部分，并引入一个用于像素级分割任务的并行的Mask分支； 通过采用ResNet和FPN作为特征提取网络，且提出了RoIAlign操作，通过双线性插值精确对齐特征图与原图的空间位置； S5：针对所述Mask‑RCNN图像分割模型进行训练，得到训练好的内波条纹识别模型； S6：将S4得到的内波识别模型用于识别模式数据中的内波，并记录输出的内波位置与形状； S7：在模式数据中提取温度场数据，构建数据集； S8：针对变分自编码器算法VAE进行训练，对得到的最优参数的模型进行性能分析，得到训练好的温度场反演模型； S9：将S6中所获取的内波识别结果作为温度场反演模型的输入，再根据训练好的温度场反演模型输出的温度场中提取内孤立波的振幅。

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国海洋大学三亚海洋研究院;中国海洋大学;三亚海洋实验室，其通讯地址为：572024 海南省三亚市崖州区崖州湾科技城用友产业园一号楼七层；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。