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！

龙图腾网恭喜湖南科技大学申请的专利一种基于改进深度学习模型的洪灾水体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：CN119416162B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202510018294.9，技术领域涉及：G06F18/25；该发明授权一种基于改进深度学习模型的洪灾水体智能识别方法是由王艳军;唐徐超;韩用顺;王奕畅设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本一种基于改进深度学习模型的洪灾水体智能识别方法在说明书摘要公布了：本发明公开了一种基于改进深度学习模型的洪灾水体智能识别方法，属于地质灾害信息处理技术领域，包括以下步骤：数据收集与预处理，生成数据集；基于生成的数据集，集成Canny边缘检测算子、归一化水体指数、局部二值模式LBP算子纹理形成多特征融合图数据集；构建DeepWFNet网络模型；将多特征融合图数据集输入DeepWFNet网络模型进行洪水淹没范围识别，得到洪水识别结果；对洪水识别结果进行可视化优化与评估。本发明通过加入边缘特征、光谱特征、纹理特征与DeepWFNet模型相结合，可以在保持局部特征提取能力的同时，增强模型对全局信息的理解能力，从而显著提高对洪水淹没区域的分割精度。

本发明授权一种基于改进深度学习模型的洪灾水体智能识别方法在权利要求书中公布了：1.一种基于改进深度学习模型的洪灾水体智能识别方法，其特征在于，包括以下步骤：S1：数据收集与预处理，生成数据集；S2：基于步骤S1生成的数据集，集成Canny边缘检测算子、归一化水体指数、局部二值模式LBP算子纹理形成多特征融合图数据集；S3：基于DeepLabV3+网络与VisionTransformer网络构建DeepWFNet网络模型；所述步骤S3的具体过程为：S31：设计DeepWFNet模型：采用编码器-解码器结构，在DeepLabV3+框架的基础上引入MobileNetV3网络与VisionTransformer网络以双分支并行的模式作为特征提取的主干网络，并利用CAFM模块融合两个网络中两种不同类型的特征，引入CA注意力模块并通过密集连接的形式改进ASPP模块，从而形成改进深度学习模型，即DeepWFNet模型；S32：配置DeepWFNet模型所需的训练环境与训练参数；S33：用带有洪水淹没区域标注的遥感影像数据集，即最终的多特征融合图数据集对DeepWFNet模型进行训练；DeepWFNet模型训练采用多特征融合策略，将边缘特征、光谱特征、纹理特征与RBG图像共同作为输入，输出的结果为[0,1]二值分布的灰度图；S4：将多特征融合图数据集输入DeepWFNet网络模型进行洪水淹没范围识别，得到洪水识别结果；S5：对洪水识别结果进行可视化优化与评估。

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湖南科技大学，其通讯地址为：411201 湖南省湘潭市雨湖区石马头；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”。