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！

龙图腾网获悉黑龙江省农业科学院农业遥感与信息研究所申请的专利一种农作物数据采集及种植面积的遥感监测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：CN118397559B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202410648427.6，技术领域涉及：G06V20/52；该发明授权一种农作物数据采集及种植面积的遥感监测方法是由刘艳霞;陆忠军;刘克宝;郑妍妍;付斌;黄楠;辛蕊;李鹏伟;王国宇设计研发完成，并于2024-05-23向国家知识产权局提交的专利申请。

本一种农作物数据采集及种植面积的遥感监测方法在说明书摘要公布了：本发明具体涉及一种农作物数据采集及种植面积的遥感监测方法，包括步骤：构建多维度的农作物数据；采集多维度的农作物数据；分析多维度的农作物数据与目标变量“植被类型”之间的关系，依次确定多维度的农作物数据中每一种类型值与目标变量“植被类型”之间的权值，得到确定模型；将新的遥感数据转化为特征向量后输入确定模型，得到预测的植被类型；基于预测的植被类型计算不同类型农作物种植面积，对于不同类型农作物种植面积遥感监测。本申请实现了对农作物数据更深入、更精细的分析与挖掘，从而为农作物种植面积遥感监测提供了更为精准和高效的方法。

本发明授权一种农作物数据采集及种植面积的遥感监测方法在权利要求书中公布了：1.农作物数据采集及种植面积的遥感监测方法，其特征在于，包括步骤：构建多维度的农作物数据； 多维度的农作物数据包括类型值有NDVI值、红光波段辐射值、近红外波段辐射值、红光波段辐射像元均值、近红外波段辐射像元均值； 采集多维度的农作物数据； 通过Spearman秩相关方法来分析多维度的农作物数据与目标变量“植被类型”之间的关系，依次确定多维度的农作物数据中每一种类型值与目标变量“植被类型”之间的权值w_i； 将与目标变量“植被类型”之间具有最高相关系数且p值达到显著水平的类型值赋予最大权重值，将与目标变量“植被类型”之间具有最低相关系数的类型值赋予最小权重值； 使用多层感知器来确定NDVI值、红光波段辐射值、近红外波段辐射值、红光波段辐射像元均值和近红外波段辐射像元均值与植被类型之间的关系得到确定模型； 将新的遥感数据转化为特征向量后输入确定模型，得到预测的植被类型； 基于预测的植被类型计算不同类型农作物种植面积，对于不同类型农作物种植面积遥感监测； 确定多维度的农作物数据中每一种类型值与目标变量“植被类型”之间的权值w_i具体根据Spearman秩相关系数的大小和统计显著性，即p值，来分配权重： w_i＝rho_i-minrhomaxrho-minrho其中w_i是第i个类型值的标准化权重，rho_i是该类型值与植被类型的Spearman秩相关系数，minrho和maxrho分别为所有显著相关类型值中最小和最大的Spearman秩相关系数； 使用多层感知器来确定NDVI值、红光波段辐射值、近红外波段辐射值、红光波段辐射像元均值和近红外波段辐射像元均值与植被类型之间的关系得到确定模型具体步骤如下： 收集并整理遥感数据，确保每个样本包含NDVI值、红光波段辐射值、近红外波段辐射值、红光波段辐射像元均值和近红外波段辐射像元均值以及对应的植被类型标签； 将这NDVI值、红光波段辐射值、近红外波段辐射值、红光波段辐射像元均值和近红外波段辐射像元均值组合成一个特征向量，且保留多维度的农作物数据中每一种类型值与目标变量“植被类型”之间的权值w_i，作为输入张量； 构建MLP模型，确定输入层神经元数量、隐藏层的数量、每层的神经元数、激活函数、输出层神经元数量； 初始化模型中各层的权重矩阵和偏置项； 划分数据集为训练集、验证集和测试集； 使用训练集数据对模型进行训练，通过反向传播算法更新权重，并在训练过程中监控损失函数的变化以及验证集上的性能指标。

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黑龙江省农业科学院农业遥感与信息研究所，其通讯地址为：150086 黑龙江省哈尔滨市南岗区学府路368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”。