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！

龙图腾网恭喜北京理工大学前沿技术研究院;北京理工大学申请的专利一种基于诱虫灯辅助雷达建库的迁飞昆虫智能识别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：CN119559449B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202510111754.2，技术领域涉及：G06V10/764；该发明授权一种基于诱虫灯辅助雷达建库的迁飞昆虫智能识别方法是由李卫东;胡程;张帆;王锐设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本一种基于诱虫灯辅助雷达建库的迁飞昆虫智能识别方法在说明书摘要公布了：本发明涉及一种基于诱虫灯辅助雷达建库的迁飞昆虫智能识别方法。本申请首先融合同一夜间时段诱虫灯与雷达对昆虫监测数据，通过两者匹配建立昆虫数据集，有效克服了传统昆虫数据集建库方式在数据采集上的困难；其次，提出一种CL‑GC‑SwinTransformer网络模型，通过在SwinTransformer中引入对比学习模块和全局上下文块，利用昆虫的全极化时频特征图进行训练，显著增强了网络对昆虫时频特征图的表征能力，可有效提高昆虫种类识别的准确性。本发明直接利用昆虫的飞行特性进行识别，不再依赖复杂的散射特征计算和精确的雷达定标，极大地降低了对雷达系统精度和校准的要求，可提升识别的适应性与鲁棒性。

本发明授权一种基于诱虫灯辅助雷达建库的迁飞昆虫智能识别方法在权利要求书中公布了：1.一种基于诱虫灯辅助雷达建库的迁飞昆虫智能识别方法，其特征在于，包括：S100：使用全极化昆虫雷达采集昆虫的时空分布特征，并通过基于DBSCAN的虫群分割算法，在时间-高度-体重三维空间中分离不同昆虫种群，从而获得昆虫种群的时空分布数据；S200：结合诱虫灯统计昆虫数据，对全极化昆虫监测到的昆虫种群进行匹配，基于昆虫种群的生物参数，将全极化昆虫检测到的昆虫种群与实际昆虫种类进行关联；其中，所述昆虫种群的生物参数包括体重、体长、振翅频率；S300：通过时频分析技术处理昆虫雷达回波信号，使用短时傅里叶变换提取昆虫的飞行特征，生成昆虫全极化时频特征图；S400：构建CL-GC-SwinTransformer网络模型进行昆虫物种的识别；所述CL-GC-SwinTransformer网络模型包括：对比学习模块、全局上下文块和SwinTransformer块，分别用于特征提取、特征融合和多尺度信息捕捉；使用包含全极化时频特征图的训练集来训练评估所述CL-GC-SwinTransformer网络模型，在CL-GC-SwinTransformer网络模型的训练过程中，采用结合交叉熵损失和对比损失的复合损失函数优化CL-GC-SwinTransformer网络模型性能；其中，CL-GC-SwinTransformer网络模型的工作过程包含以下四个阶段：第一阶段：输入昆虫全极化时频特征图首先通过PatchPartition模块划分为不重叠的块，并通过线性嵌入层将每个块的数据映射至较低维度的特征空间，结合对比学习模块进行初步特征提取；昆虫全极化时频特征图的块的特征通过两个SwinTransformer块进行处理，SwinTransformer块通过位移窗口机制捕捉局部空间模式和长程依赖，为后续更深层次的特征提取奠定基础；第二阶段：在第一阶段之后，提取的特征图通过PatchMerging操作进行降采样，减少空间分辨率并扩展通道维度；引入全局上下文块以聚合特征图的全局语义信息，从而弥补SwinTransformer块局部性处理的局限；全局上下文块通过将长程依赖信息融合入特征图中，确保了对全局上下文的全面理解；而后两个额外的SwinTransformer块进一步处理融合长程依赖信息的特征，为后续阶段做好准备；第三阶段：在深度网络中使用多个SwinTransformer块和全局上下文块交替，进一步精炼特征，捕捉多尺度信息；第四阶段：经过一次PatchMerging操作降低分辨率后，全局上下文块再次被应用以确保充分利用全局上下文信息；剩下的两个SwinTransformer块完成特征提取，生成丰富且具有区分力的特征表示；最终，特征表示被送入分类头，通过学习到的特征预测昆虫物种；其中，各阶段涉及到的所述全局上下文块将输入分为三支，两支用于进行上下文建模，通过1×1卷积和Softmax函数实现全局注意力池化从一支输入中提取全局注意力： ；全局注意力与一支输入相乘后得到上下文建模： ；通过1×1卷积、层归一化、ReLU激活函数和1×1卷积实现瓶颈转换以捕获上下文建模的通道级依赖关系： ；上下文建模通道级依赖关系与最后一支输入相加结合融入全局上下文特征。

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理工大学前沿技术研究院;北京理工大学，其通讯地址为：250300 山东省济南市高新区经十路7000号汉峪金融商务中心五区1号楼601；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”。