一种模型训练方法、中尺度涡识别方法和应用

本申请提供了一种模型训练方法、中尺度涡识别方法和应用，针对现有人工智能方法检测中尺度涡准存在的缺陷，基于损失函数梯度优化得到中尺度涡检测模型。所述模型训练方法首先根据卫星高度计遥感数据和全球海洋物理再分析数据构建中尺度涡数据集，并通过PET方法和Shapely工具为数据集生成标签。之后基于U‑Net架构实现了中尺度涡检测模型，同时根据多源数据的特点添加了注意力机制和跨级特征融合模块来优化模型性能。最后，在交叉熵损失函数基础上引入特征图梯度差异约束项，通过联合优化预测结果与边缘梯度信息提升模型特征提取能力。相较于单一数据源的U‑Net基准模型，本发明所提的中尺度涡检测模型显著提高了人工智能方法识别中尺度涡的能力。