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！

龙图腾网获悉电子科技大学长三角研究院(衢州);浙江超亿消防装备有限公司申请的专利基于神经网络的多传感器数据融合火灾探测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：CN116704257B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202310740894.7，技术领域涉及：G06V10/764；该发明授权基于神经网络的多传感器数据融合火灾探测方法是由陈祝明;邓鑫伟;王浩森;张皓云;汪屿曦;姜江宏设计研发完成，并于2023-06-20向国家知识产权局提交的专利申请。

本基于神经网络的多传感器数据融合火灾探测方法在说明书摘要公布了：基于神经网络的多传感器数据融合火灾探测方法，包括如下步骤：步骤1.准备训练模型及数据集；所述数据集为利用仿真软件在模拟场景下部署NA种传感器采集的数据，所述训练模型由所述数据集训练得到；步骤2.在被探测场景中传感器采集数据；S3.将采集到的数据进行SG滤波；S4.将滤波后的数据进行格拉姆角场变换，得到传感器信号特征矩阵，将其转化成聚合矩阵；S5.将聚合矩阵送入所述步骤1得到的训练模型进行判断是否发生火灾。本发明通过SG滤波和GAF变化，将三维独立的火灾传感器信号转化为类似三通道RGB图片矩阵的形式以利用成熟的图像分类的方式通过高准确率的神经网络模型解决火灾识别准确率问题。

本发明授权基于神经网络的多传感器数据融合火灾探测方法在权利要求书中公布了：1.基于神经网络的多传感器数据融合火灾探测方法，其特征在于,包括如下步骤： 步骤S1.准备神经网络及数据集；所述数据集为对真实居民住宅内部结构按1:1进行建模后利用仿真软件在模拟场景下部署NA种传感器采集的数据，所述神经网络由所述数据集训练得到； 步骤S2.在被探测场景中，所述NA种传感器采集数据，每次采集JF个数据；NA和JF分别为传感器种类和单次采集数据量； 步骤S3.将采集到的数据进行SG滤波； 步骤S4.将滤波后的数据进行格拉姆角场变换，得到NA个扩维后的传感器信号特征矩阵，依次将NA个扩维后的传感器信号特征矩阵分别作为图像的第一、第二...第NA通道，将其转化成维度为NA*JF*JF的聚合矩阵； S5.将聚合矩阵送入所述步骤1得到的神经网络进行判断是否发生火灾； 所述步骤S1中，神经网络的初始架构为ConvNeXt-T网络，训练过程为： 设置准确率下限η，所述数据集分为训练集和验证集，将训练集输入ConvNeXt-T网络进行训练，不断减小ConvNeXt-T的m,n,p参数，并用验证集验证得到的准确率,直至再减小m,n,p参数得到的准确率低于所述准确率下限η；其中m为阶段内的块堆叠次数，n为块结构中间层的通道数；p为阶段通道数量； 所述ConvNeXt-T网络包括下采样结构、卷积特征提取结构、全连接结构； 下采样结构和卷积特征提取结构分别有多个,交错排布连接,其中： 第一个下采样结构由卷积层和位于卷积层后的归一化层组成； 其余下采样结构由归一化层和位于归一化层后的卷积层组成； 卷积特征提取结构包括一个或多个块结构； 所述块结构包括顺序连接的可分离卷积层、归一化层、通道卷积层、GELU激活函数、通道卷积层和残差连接层；其中残差连接层并联在块结构的输入端和输入端之间，在输出端与前五部分级联的输出加和； 所述步骤S1中的数据集为采用步骤S2至S4采集得到。

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电子科技大学长三角研究院(衢州);浙江超亿消防装备有限公司，其通讯地址为：324000 浙江省衢州市柯城区成电路1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。