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！

龙图腾网获悉中国气象局人工影响天气中心申请的专利基于迁移学习和UNET的双通道云粒子图像识别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：CN120495787B 。

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：202510962684.1，技术领域涉及：G06V10/764；该发明授权基于迁移学习和UNET的双通道云粒子图像识别方法及系统是由张荣;何川;荆国栋;盖赟;张勇;周万福;王治邦;张博越;高扬;李军霞设计研发完成，并于2025-07-14向国家知识产权局提交的专利申请。

本基于迁移学习和UNET的双通道云粒子图像识别方法及系统在说明书摘要公布了：本发明提供一种基于迁移学习和UNET的双通道云粒子图像识别方法及系统，通过获取云粒子图像集合；对所述云粒子图像集合中的每张云粒子图像分别进行第一特征提取处理和第二特征提取，得到每张云粒子图像对应的第一通道特征图和第二通道特征图；将所述第一通道特征图和所述第二通道特征图输入至经预训练的特征适配模型进行特征空间对齐，得到对齐后的第一通道特征图和对齐后的第二通道特征图；将所述对齐后的第一通道特征图和所述对齐后的第二通道特征图输入至UNET网络进行双通道特征融合与识别，得到云粒子识别结果。本发明提升了云粒子识别结果的准确性。

本发明授权基于迁移学习和UNET的双通道云粒子图像识别方法及系统在权利要求书中公布了：1.一种基于迁移学习和UNET的双通道云粒子图像识别方法，其特征在于，包括： 获取云粒子图像集合； 对所述云粒子图像进行图像分块，分割为多个云粒子图像块，对每个云粒子图像块进行局部纹理特征提取，通过计算每个云粒子图像块中像素点的灰度值变化率和方向梯度，生成每个云粒子图像块对应的纹理特征向量； 对所有云粒子图像块对应的纹理特征向量进行特征重组，按照云粒子图像块在原云粒子图像中的空间位置关系，将多个纹理特征向量排列成二维矩阵，得到第一通道特征图，具体包括：获取每个云粒子图像块在原云粒子图像中的空间坐标信息，所述空间坐标信息包括云粒子图像块左上角像素点在原云粒子图像中的横纵坐标值；基于所述空间坐标信息构建云粒子图像块的空间位置映射表，所述空间位置映射表中记录每个云粒子图像块的纹理特征向量与对应空间坐标的关联关系；对原云粒子图像的宽度和高度方向进行图像块数量统计，确定宽度方向包含的云粒子图像块数量和高度方向包含的云粒子图像块数量；根据宽度方向云粒子图像块数量和高度方向云粒子图像块数量，确定二维矩阵的目标行数和目标列数，其中目标行数等于高度方向云粒子图像块数量，目标列数等于宽度方向云粒子图像块数量；按照空间位置映射表中横纵坐标值从小到大的顺序，对所有云粒子图像块的纹理特征向量进行排序，得到排序后的纹理特征向量序列；将排序后的纹理特征向量序列中的纹理特征向量依次填入目标行数和目标列数的二维矩阵框架中，其中，第i行第j列的矩阵元素对应原云粒子图像中高度方向第i个、宽度方向第j个云粒子图像块的纹理特征向量；当云粒子图像块数量与目标行数和目标列数的乘积不相等时，对二维矩阵框架中未填充的位置进行零向量填充，使填充后的二维矩阵满足目标行数和目标列数的要求；对填充后的二维矩阵进行特征维度一致性检查，使得矩阵中每个元素的纹理特征向量具有相同的维度；将通过特征维度一致性检查的二维矩阵作为所述第一通道特征图； 对所述云粒子图像进行多尺度区域划分，将所述云粒子图像划分为不同大小的区域层次结构，对每个区域层次结构中的区域进行区域特征统计，计算每个区域内像素点的灰度均值、灰度方差和空间分布密度，生成每个区域对应的区域特征向量； 对所有区域层次结构中的区域特征向量进行特征融合，通过层级特征聚合方式将不同尺度区域的区域特征向量组合成统一维度的特征表示，得到第二通道特征图； 将所述第一通道特征图和所述第二通道特征图输入至经预训练的特征适配模型进行特征空间对齐，得到对齐后的第一通道特征图和对齐后的第二通道特征图； 将所述对齐后的第一通道特征图和所述对齐后的第二通道特征图输入至UNET网络进行双通道特征融合与识别，得到云粒子识别结果。

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中国气象局人工影响天气中心，其通讯地址为：100081 北京市海淀区中关村南大街46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。