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！

龙图腾网获悉北京邮电大学申请的专利基于人工智能的多模态环境感知自适应调控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：CN120318744B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202510804136.6，技术领域涉及：G06V20/50；该发明授权基于人工智能的多模态环境感知自适应调控系统是由陈天琦;玄益昕;张瀚鸣;吴岳辛设计研发完成，并于2025-06-17向国家知识产权局提交的专利申请。

本基于人工智能的多模态环境感知自适应调控系统在说明书摘要公布了：本发明涉及人工智能技术领域，具体涉及基于人工智能的多模态环境感知自适应调控系统，系统包括模型建立模块、训练模块、感知模块、中控模块和机械调控模块，模型建立模块用于建立并训练多个环境感知神经网络模型，获取网络结构和参数，训练模块对模型进行迭代调整，感知模块获取环境感知信息，中控模块根据这些信息下达调控指令，机械调控模块则执行这些指令，模型建立模块包括数据获取、处理、输入、转换、拼接和预测单元，使用注意力模块和特化神经网络矩阵，显著提高了环境识别的精准度，比传统通用模型提升了30%～40%的识别准确率。

本发明授权基于人工智能的多模态环境感知自适应调控系统在权利要求书中公布了：1.基于人工智能的多模态环境感知自适应调控系统，其特征在于，包括：模型建立模块，用于分别建立光线环境感知神经网络模型、辐射环境感知神经网络模型、气体环境感知神经网络模型、声音环境感知神经网络模型和机械环境感知神经网络模型，获取每一环境感知神经网络模型的网络结构和参数；训练模块，与所述模型建立模块连接，用于接收所述模型建立模块传输的多个环境感知神经网络模型，对所述多个环境感知神经网络模型进行迭代调整和参数优化；感知模块，与所述训练模块连接，用于获取待测设备所处环境的多模态环境感知信息，基于训练后的环境感知神经网络模型识别环境类型和状态；中控模块，与所述感知模块连接，用于接收所述感知模块传输的环境感知信息，根据所述环境感知信息下达针对性调控指令；机械调控模块，与所述中控模块连接，用于接收所述中控模块下达的调控指令，根据所述调控指令调控环境设备的运转；其中，所述模型建立模块包括：数据获取单元，用于获取包括光学信息和光谱信息的多种环境训练数据；数据处理单元，用于对所述训练数据进行针对性预处理；第一输入单元，用于获取待测环境的观测图像序列，生成四维张量输入数据；转换单元，基于注意力模块构建图像转换网络结构，对所述四维张量输入数据进行注意力增强处理；拼接单元，用于将所述转换单元的输出与环境状态数据进行多模态融合；预测单元，用于根据所述拼接单元中的融合数据，生成环境图像序列中待测设备的环境感知信息；所述预测单元依次由自适应空间单元、自适应光谱单元、融合时空单元和自适应频谱单元组成，实现从空间、光谱到频谱的逐层特征提取和时序建模； 所述模型建立模块分别获取待测环境中光线环境、辐射环境、气体环境、声音环境和机械环境的环境图像序列和环境状态，作为每种环境对应的环境感知神经网络模型的专用训练数据，形成环境特化神经网络矩阵，其中：所述光线环境感知神经网络模型专门处理光照相关的环境特征，包括光照强度、色温和光照方向；所述辐射环境感知神经网络模型专注于处理电磁辐射特征，电磁辐射特征为不可见光谱段的辐射信息；所述气体环境感知神经网络模型用于识别环境中的气体成分和浓度；所述声音环境感知神经网络模型处理声波特征，包括声音频率、强度和空间分布；所述机械环境感知神经网络模型识别机械振动、冲击物理特征； 所述自适应空间单元的卷积核为1×1，所述自适应光谱单元的卷积核长宽经参数化设计，所述自适应频谱单元的卷积核长宽经参数化设计，其中：所述自适应光谱单元采用3×3或5×5卷积核，用于捕捉局部区域的光谱特征；所述自适应频谱单元采用3×1或5×1卷积核，适应频谱数据的一维特性，用于分析环境中的频率分布特征； 所述训练模块包括目标获取单元；所述目标获取单元用于获取预测环境状态与真实环境状态之间的损失函数，以及预测环境图像与真实环境图像之间的损失函数；所述目标获取单元获取的损失函数包括空间损失函数、频谱损失函数、光谱损失函数和总体损失函数，构成四重损失函数体系；所述目标获取单元根据所述预测单元的预测结果与真实环境状态之间的误差计算空间损失函数，根据所述预测单元提取的预测目标与真实环境图像之间的误差计算光谱损失函数和频谱损失函数，并将三种损失函数加权组合形成总体损失函数； 所述转换单元的注意力模块采用先注意力后卷积的处理顺序，避免卷积操作导致的信息损失；所述融合时空单元具备真正的时序建模能力，采用长短期记忆网络或门控循环单元建模帧间的时序依赖关系，同时对每帧的空间特征进行卷积处理，将时序特征与空间特征进行多层次融合；所述系统采用多尺度特征处理策略，包括全局尺度的完整环境特征提取、局部尺度的细粒度特征识别、以及上下文尺度的空间关系建模，通过多尺度特征融合实现精细化环境感知与全局理解的统一。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。