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！

龙图腾网获悉河南省农业科学院农业信息技术研究所;中国农业科学院农业资源与农业区划研究所申请的专利作物长势参数遥感监测指标的筛选方法及系统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：CN118982769B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202410154009.1，技术领域涉及：G06V20/17；该发明授权作物长势参数遥感监测指标的筛选方法及系统是由郭燕;王来刚;贺佳;曾凯;杨鹏;段四波;刘向阳;张红利;位盼盼;杨秀忠;张彦设计研发完成，并于2024-02-02向国家知识产权局提交的专利申请。

本作物长势参数遥感监测指标的筛选方法及系统在说明书摘要公布了：本发明属于农业工程技术领域，特别涉及一种作物长势参数遥感监测指标的筛选方法及系统，包含：利用无人机多光谱传感器获取研究区域的无人机遥感影像，并对无人机遥感影像进行预处理，得到正射影像数据，包含多波段反射率；基于正射影像，采用栅格计算方法提取多类别植被指数；基于正射影像，采用灰度共生矩阵法计算多波段的纹理特征；采用凯氏定氮法进行植株氮含量测定，获取植株氮含量实测值；基于变量收缩搜索的植株氮含量敏感特征筛选方法从多波段反射率、植被指数和纹理特征中筛选出敏感特征变量；基于筛选的敏感特征变量，采用Adaboost方法构建植株氮含量预测模型。本发明简洁化了变量，压缩了模型，提高了模型运算效率。

本发明授权作物长势参数遥感监测指标的筛选方法及系统在权利要求书中公布了：1.一种作物长势参数遥感监测指标的筛选方法，其特征在于，包含以下步骤： 步骤1、利用无人机多光谱传感器获取研究区域的无人机遥感影像，并对无人机遥感影像进行预处理，得到正射影像数据，包含多波段反射率； 步骤2、基于步骤1的正射影像，采用栅格计算方法提取多类别植被指数； 步骤3、基于步骤1的正射影像，采用灰度共生矩阵法计算多波段的纹理特征； 步骤4、采用凯氏定氮法进行植株氮含量测定，获取植株氮含量实测值； 步骤5、基于变量收缩搜索的植株氮含量敏感特征筛选方法从多波段反射率、植被指数和纹理特征中筛选出敏感特征变量，具体包括： 步骤5.1、VSS方法 在普通最小二乘法的基础上，引入L1正则化项，构建最小化目标函数，目标函数为： Lξ＝min||Y-Xξ||^2+λ||ξ||1 式中，Y是植株氮含量实测值向量，X是特征矩阵，ξ是待估计的回归系数向量，λ是控制正则化强度的超参数； 采用求偏导的方法寻找最小值，由于L1范数不可微，当ξi＝0时，采用如下公式进行求解每个回归系数矩阵中的元素ξi： 式中，Xj是矩阵X的第j列，sgn是符号函数； 当ξi≠0时，采用如下公式进行求解每个回归系数矩阵中的元素ξi： 式中，abs是绝对值； 当且仅当回归系数的绝对值之和小于一个常数的约束条件下，使得残差平方和均方误差MSE最小，一些特征变量的回归系数收缩至0； 步骤5.2、求解λ 当均方误差MSE最小时，选取距离最小均方误差一个标准误差之内的最大值作为约束条件，确定最终λ值； 步骤5.3、确定敏感特征变量 首先采用相关分析确定与植株氮含量关系达到0.01显著水平的若干个特征变量，然后将此若干个特征变量采用VSS方法进行筛选，随着参数λ值的增加，惩罚力度不断增加，此若干个特征变量的回归系数逐渐压缩到0直至全部为0；当达到步骤5.2选择的λ值时，模型中有一些特征变量的回归系数不为0，那么这些敏感特征变量被保留下来； 步骤6、基于筛选的敏感特征变量，采用Adaboost方法构建植株氮含量预测模型。

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河南省农业科学院农业信息技术研究所;中国农业科学院农业资源与农业区划研究所，其通讯地址为：450000 河南省郑州市金水区花园路116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”。