買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉西南大學申請的專利輕量化衛星云圖神經網絡訓練方法以及降雨檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN113887381B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111147712.2，技術領域涉及：G06V20/13；該發明授權輕量化衛星云圖神經網絡訓練方法以及降雨檢測方法是由段書凱;李科;陳嘉壕;陳忠余;熊偉明;吳付軍;包月輝;王麗丹設計研發完成，并于2021-09-29向國家知識產權局提交的專利申請。

本輕量化衛星云圖神經網絡訓練方法以及降雨檢測方法在說明書摘要公布了：本發明公開了一種輕量化衛星云圖神經網絡訓練方法以及降雨檢測方法，包括衛星云圖圖像預處理流程以及神經網絡的訓練流程；衛星云圖圖像預處理流程包括：將衛星云圖照片輸入衛星云圖照片集；通過與衛星云圖相同時間的GPM降水分布圖；對衛星云圖照片中所有降水區域進行畫框標記；將已標注的衛星云圖進行圖像閾值二值化操作；神經網絡的訓練流程包括：將衛星云圖照片進行圖像增強處理；建立輕量化目標檢測算法M?YOLOv4；獲取對應的損失函數；將衛星云圖圖像輸入到神經網絡中，得到該算法推理后的結果；計算對應的損失函數的函數值，得出對應的權重值。本發明使用深度學習技術進行圖像訓練，用于獲取衛星云圖中的降水檢測區域。

本發明授權輕量化衛星云圖神經網絡訓練方法以及降雨檢測方法在權利要求書中公布了：1.一種輕量化衛星云圖神經網絡訓練方法，其特征在于，包括衛星云圖圖像預處理流程以及神經網絡的訓練流程； 衛星云圖圖像預處理流程包括如下步驟： 步驟A1：建立衛星云圖照片集，將衛星云圖照片輸入衛星云圖照片集；建立相應的降水分布圖集，將相應的GPM降水分布圖存入降水分布圖集； 步驟A2：依次從衛星云圖照片集中取出衛星云圖照片； 步驟A3：再取出相應的GPM降水分布圖，該GPM降水分布圖與衛星云圖照片的日期相同； 步驟A4：找到GPM降水分布圖中的降水區域，使用標記工具人工對相應的衛星云圖照片中所有的降水云團進行標記； 步驟A5：將標記好的衛星云圖照片，采用圖像閾值二值化操作得到預處理后的衛星云圖照片； 步驟A6：判斷是否還有未標記的衛星云圖照片，如果有轉步驟A2，沒有，則結束； 神經網絡的訓練流程包括如下步驟： 步驟B1：獲取標記好的衛星云圖照片集； 步驟B2：將衛星云圖照片集中的衛星云圖照片進行圖像增強處理，得到增強處理后的衛星云圖圖像； 步驟B3：建立自定義的M-YOLOv4神經網絡模型； 步驟B4：獲取M-YOLOv4神經網絡模型對應的損失函數； 步驟B5：確定損失函數的迭代次數閾值； 步驟B6：從衛星云圖照片集中依次取出衛星云圖圖像，將衛星云圖圖像輸入到M-YOLOv4神經網絡模型中，得到預測結果； 步驟B7：根據人工標記的結果和對應的預測結果，計算對應的損失函數的函數值，訓練M-YOLOv4神經網絡模型，得出對應的權重值； 步驟B8：判斷損失函數的迭代次數是否大于迭代次數閾值；如果是轉步驟B9，否則轉步驟B6； 步驟B9：保存該權重值作為最終權重值； 所述步驟B3中自定義的M-YOLOv4神經網絡模型包括： Input模塊、Backbone模塊、Neck模塊以及Head模塊； Input模塊用于獲取衛星云圖圖像；Backbone模塊用于提取Input模塊輸入的衛星云圖圖像的淺層圖像特征；Neck模塊對Backbone模塊提取的淺層圖像特征進行增強處理；Head模塊獲取Neck模塊增強處理后的圖像特征，解碼這些特征獲得輸出結果；其中，Backbone模塊采用MobileNetv1網絡作為主干特征提取網絡；Neck模塊采用深度可分離卷積DW-PANet作為特征融合模塊，Neck模塊還采用spp層作為附加模塊； 所述Backbone模塊的Conv_block模塊由3×3卷積、BatchNormalization層和Relu6激活函數構成；Backbone模塊的DW_block模塊由深度可分離卷積Dwconv、BatchNormalization層、Relu6激活函數、1×1卷積、BatchNormalization層和Relu6激活函數構成； Backbone模塊的DBM模塊由深度可分離卷積Dwconv、BatchNormalization層和Mish激活函數構成； 加強特征提取網絡采用深度可分離卷積DW-PANet和spp層，進一步的加大感受野。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西南大學，其通訊地址為：400715 重慶市北碚區天生路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。